公开(公告)号：CN119323118A

公开(公告)日：2025-01-17

申请号：CN202411366237.1

申请日：2024-09-29

Applicant: 西北工业大学

Inventor： 张滕 ,  岳晓奎 ,  师鹏 ,  李文龙 ,  张昕

IPC: G06F30/20 ,  G06F17/16 ,  G06F17/11 ,  G06F119/14 ,  G06F111/04

Abstract: 本发明公开了基于飞轮驱动的可维修卫星惯性参数在轨辨识方法，在建立卫星动力学模型的基础上，考虑传感器测量噪声和飞轮传递噪声的影响，在拓展卡尔曼滤波算法框架下，得到了辨识方程，并结合辨识方程的雅可比矩阵解析表达式，对其进行离散化，预测得到当前时刻的状态矢量与协方差矩阵之后，利用传感器的测量结果更新相应量。相比较于广泛应用的基于递推最小二乘的辨识方法，基于拓展卡尔曼滤波的辨识方法能够利用噪声的统计信息，提升方法的抗干扰能力，在测量噪声的存在下仍然能够得到较好的辨识结果。同时，在仅有部分状态量可测的情况下，仍然能够得到较好的辨识结果。

公开(公告)号：CN118153672A

公开(公告)日：2024-06-07

申请号：CN202410262722.8

申请日：2024-03-07

Applicant: 西北工业大学 ,  上海卫星工程研究所

Inventor： 王铮 ,  曹煦阳 ,  宁昕 ,  陈锋 ,  李文龙

IPC: G06N5/01 ,  G06N3/0464 ,  G06N3/092

Abstract: 本发明涉及一种基于深度图强化学习的多航天器智能决策方法与系统，属于航天技术领域。所述方法以多航天器状态空间矩阵#imgabs0#作为深度图神经网络输入，经过Lconv个卷积层提取数据特征，再利用Lfc个全连接层将数据特征转换为决策动作；最后搭建基于深度图神经网络的强化学习训练架构，采用基于GTD3算法强化学习方法对深度图神经网络训练输出所述决策动作，经过训练完成多航天器轨道行为智能决策，所述方法相比基于微分对策算法的多航天器协同决策方法，无需进行多航天器复杂支付函数的设计与求解，利用图神经网络的复杂多维状态空间特征提取能力和强化学习的无模型训练优势，实现高效提取多航天器状态特征，能够根据任务回报自发的求出最优解。