自动化轨迹规划：一种用于低推力航天器轨道提升的级联深度强化学习方法

《IEEE Aerospace and Electronic Systems Magazine》：Automated Trajectory Planning: A Cascaded Deep Reinforcement Learning Approach for Low-Thrust Spacecraft Orbit-Raising

针对低推力航天器在复杂多体环境中的轨道提升难题，提出级联深度强化学习方法，通过梯度辅助奖励函数优化轨迹规划，显著提升效率并实现最优或近似最优解。

　　

摘要：

对于低推力推进的航天器而言，高效计算轨道提升轨迹在多体空间飞行环境中面临重大挑战，这主要是由于复杂的动力学环境、漫长的转移时间以及对初始专家解的依赖。为应对这些挑战，我们提出了一种新颖的级联深度强化学习方法来优化低推力航天器的轨迹规划。该方法专注于从发射注入轨道（如地球静止转移轨道GTO和超GTO）向目标轨道（如地球同步赤道轨道GEO和近直线晕轨道NRHO）的转移过程。在梯度辅助奖励函数的引导下，我们的方法在实现航天器轨道提升方面优于现有的自动化方法，具有更高的时间效率。实验结果表明，我们的方法既有效又高效，能够获得最优或接近最优的解决方案。