针对变形飞行器动力学模型非线性强、不确定性大,以及变形引起模型变化范围大的问题,基于双延迟深度确定性策略梯度算法提出了一种深度强化学习姿态控制方法。首先,基于多刚体系统建立了变形飞行器动力学模型,然后在马尔可夫决策过程的框架下设计了算法所需状态空间、动作空间以及奖励函数,通过在状态空间中引入姿态跟踪误差历史信息,进一步提高了控制精度,并将策略网络与传统PD控制结合形成复合控制器,提高了算法训练效率,最后通过数学仿真验证了深度强化学习控制策略对变形过程模型不确定性与外界复杂干扰的强鲁棒性,以及对不同变形指令的强适应性。

针对GEO卫星在轨服务,从服务星轨道机动策略和燃料优化两方面开展研究。首先对比分析了霍曼变轨式、机动漂移式、径向机动式和兰伯特变轨式4种工程上常用的轨道交会策略,并根据目标距离设计了轨道交会策略的选择方法。然后采用遗传算法对多目标在轨服务问题进行优化,得到了任务时间约束下的最优飞行路径。该方法将工程中常用的轨道机动策略与优化方法结合起来,具有较高的工程应用价值。

以电气系统最小化为设计原则,对运载器电气系统设计模型、系统架构及轻质化、产品布局与结构一体化、多运载器自识别、通信站点RT地址自配置、不同运载器飞行参数自匹配等关键技术开展研究,提出了一种自适应轻质化运载器电气系统方案并工程实现。通过6套运载器应用验证试验,本运载器系统减重效果明显,电气系统架构及关键技术、功能性能指标满足应用需求,提升了多运载器系统的可扩展性与使用灵活性,为后续智能运载器及运载器间协同控制等技术的深入研究奠定了基础。