买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海卫星工程研究所申请的专利航天器轨迹优化方法、系统、介质及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116853523B 。

龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310715373.6，技术领域涉及：B64G1/24；该发明授权航天器轨迹优化方法、系统、介质及设备是由孔祥龙;张剑桥;李青昱;张小满;韩静雯;马广富设计研发完成，并于2023-06-15向国家知识产权局提交的专利申请。

本航天器轨迹优化方法、系统、介质及设备在说明书摘要公布了：本发明提供了一种航天器轨迹优化方法、系统、介质及设备，包括如下步骤：基于Lie群SE3建立航天器姿轨一体化动力学模型；采用Lie群变分积分方法，并基于群特性，对动力学模型进行离散化处理，得到离散化动力学模型；建立性能指标函数，将优化控制问题转换为求解有约束下目标函数的极值问题；构建有限时域强化学习预测控制器，通过预测控制器解决上述优化问题；构建动态事件触发策略，修正预测控制器。本发明通过引入动态事件触发控制策略减少系统计算负担，有效解决了有约束下六自由度航天器轨迹优化控制问题。

本发明授权航天器轨迹优化方法、系统、介质及设备在权利要求书中公布了：1.一种航天器轨迹优化方法，其特征在于，包括如下步骤： 步骤1：基于Lie群SE3建立航天器姿轨一体化动力学模型； 步骤2：采用Lie群变分积分方法，并基于群特性，对步骤1中的动力学模型进行离散化处理，得到离散化动力学模型； 步骤3：通过步骤2中的离散化动力学模型，建立性能指标函数，将优化控制问题转换为求解有约束下目标函数的极值问题； 步骤4：通过步骤2中的离散化动力学模型，构建有限时域强化学习预测控制器，通过预测控制器解决步骤3中的转换后的优化控制问题； 步骤5：通过步骤2中的离散化动力学模型，构建动态事件触发策略，修正步骤4中的预测控制器； 所述步骤1具体为： 定义两个坐标系：地球赤道惯性坐标系FIxI,yI,zI和航天器本体坐标系Fbxb,yb,zb，C为航天器从坐标系Fb转到坐标系FI的方向余弦矩阵，为Lie群SO3的一个元素，SO3为特殊正交集合，满足：SO3＝{C∈R3×3:CTC＝I3×3,detC＝1}，R为实数集合，R3×3为3×3的实数矩阵构成的空间，不同的上角标表示相应的矩阵或向量维度，T为求矩阵的转置，I3×3为3×3的单位矩阵，det为求一个矩阵的行列式，则航天器的姿态运动学方程表示为： 其中，ω＝[ω1,ω2,ω3]T∈R3×1表示在航天器本体系下坐标系Fb相对于坐标系FI的姿态角速度，下脚标1、2、3表示ω在航天器三个惯性主轴方向上的角速度分量，表示三维向量构成的反对称矩阵，为SO3的李代数； 记航天器在惯性系FI下的位置坐标为R，在本体系Fb下的轨道速度为v，则航天器的轨道运动学方程表示为： 通过Lie群SE3一体化描述航天器的姿态和轨道运动，SE3为由半直积SO3×R3以4×4齐次形式张成的群空间，其元素g具有如下形式： 其中，g为航天器的位姿构型，01×3为1×3的零向量，则用Lie群SE3一体化描述的航天器姿轨一体化运动学方程表示为： 其中，为航天器构型的一阶导数，ξ＝[ωT,vT]T∈R6×1为姿态角速度和轨道速度构成的六维速度向量，定义为： 其中，为SE3的李代数，与R6×1同构； 本体系Fb下航天器姿态和轨道动力学方程为： 其中，J∈R3×3为航天器的转动惯量；为角速度的一阶导数，τc为航天器执行机构产生的控制力矩，dτ为航天器所受的外部干扰力矩；m为航天器的质量，fc为航天器执行机构产生的控制力，df为航天器所受的外部干扰力； Lie群SE3存在的伴随映射为： adXY＝[X,Y]＝XY-YX7 其中，X和Y为具有相应维度的矩阵，通过代数运算，上述伴随算子表示成矩阵的形式： 两个元素3定义在SE3上的左不变内积定义为： 上的李括号为： 公式10定义的算子ad表示了李代数与SE3之间的线性运算，其反伴随算子通过李代数的对偶运算得到，具有以下形式： 基于公式6和公式11，航天器姿轨一体化动力学方程一体化表示为： 其中，Ξ＝diagJ,mI3×3∈R6×6为由转动惯量J和质量m构成的航天器质量特性矩阵，diag为对角矩阵运算，为速度的一阶导数，为控制力和力矩构成的控制向量，为干扰力和力矩构成的干扰向量； 所述步骤2具体为： 使轨道和姿态运动的轨迹变化在同一量级，对轨道运动进行归一化处理，定义： R′＝RRm,v′＝vvm13 其中，R′∈R3×1,v′∈R3×1表示归一化处理后的位置和速度，Rm,vm为常数，表示归一化参数，得到归一化处理后的航天器运动学与动力学方程表达式： 采用Lie群变分积分方法对公式14进行离散化处理，得到离散后的动力学模型，其表达式为： 其中，k为时间序列，各参数下脚标k、k+1表示对应离散时刻的相应参数值，h为离散化时间间隔，fk∈SO3为Ck的群变化量，Jd＝0.5trJI3×3-J，tr为求矩阵的迹，定义f′ck＝fckvm为系统经过归一化处理后的轨道部分输出，系统的状态以及输入输出定义为： 利用变分方法和Lie群特性处理姿轨一体化动力学模型，得到离散化动力学模型； 预测控制中，在T0时刻，航天器初始轨道和姿态运动状态为X0，经过控制序列Ukk＝0,1,2,…作用，在T0+ktp时刻，tp为预测时间间隔，系统输出状态为Ykgk，ξk，记系统输出误差为： dYk＝[dCkdRk′dωkdv′k] 其中，分别为该时刻实际的航天器位姿构型和速度，分别为该时刻航天器的目标位姿构型和速度，Cdk和Rd′k分别为航天器的目标姿态和目标轨道位置，d为相应参数的变分，dYk中每一个元素的连续时域表达形式为： 其中，φ∈R3×1为用来表示dC的中间变量，其导数满足公式17等号右侧公式，dC用φ来等效表示，对公式16中的系统状态、输入以及输出定义如下的离散变分形式： 得到如下易于强化学习预测控制器设计的离散化动力学模型： 其中，f为利普希茨函数，T0为初始时刻，x0为初始状态，Ak,Bk为具有相应维度的矩阵，其具体表达式如下： 所述步骤3具体为： 将待优化目标函数设计为： 其中，N为预测时间长度，Q,H,P∈R12×12为正定对称权重矩阵，目标函数包括两部分： 第一部分为在有限时域内经过预测控制后的代价函数，当Q＞H时，优化目标侧重于稳定时间；当Q＜H时，优化目标侧重于能量消耗； 第二部分用来评估经过有限时域预测控制后的航天器最后轨迹优化跟踪精度，且满足： 其中，K∈R6×12为线性反馈控制增益，P为预测终点惩罚矩阵，Ωα为包含预测终点的一个区域，α＞0，且uk＝Kxk； 航天器轨迹优化面临的约束问题包括：航天器执行机构的最大输出力、航天器执行机构的力矩约束以及航天器姿态指向的视线角约束，约束的数学表达式如公式27和公式28所示： 其中，τmax,fmax分别为控制力矩和控制力的输出上限； 视线约束为：在航天器本体坐标系Fb上的一个视线轴，其单位矢量为lb，航天器与太阳连线的单位位置矢量为rb，视线约束角为θ，则三者之间满足下述关系式： lb,rb≤cosθ28 将航天器轨迹优化控制问题转换为如下数学问题进行描述，在预测区间[T0,T0+Ntp]内，解决下述优化问题： 其中，E{}为期望算子； 所述步骤4具体为： 定义步长[ktp,k+1tp]内的代价函数为： 将公式30简写为rk，优化问题重新改写为： 其中， 根据贝尔曼优化理论，存在最优目标函数满足下述汉米尔顿—雅各比—贝尔曼方程： 解上述方程，得到最优控制具体形式为： 采用有限时域强化学习方法训练得到该方程的数值解，在预测控制区间[k,N-1]，定义起始的目标函数值为Ji＝0＝0，对于i＝0,1,…和τ∈[k,N-1]，采用公式35，迭代学习计算 目标函数通过下式进行更新： 所述步骤5具体为： 基于动态事件触发的预测控制，定义为在时刻ti，根据系统状态进行预测控制，得到一个控制向量直到下一个触发时刻ti+1到来前，不会进行新的预测控制更新，在区间[ti,ti+1内，控制向量保持不变，且两个触发时刻满足下述关系： 定义状态误差： 其中，设计如下的动态事件触发规则： 其中，β≥0，σ∈0,1，ρ,γ为K∞函数，δ满足： 其中，μ∈0,1，δ0≥0，||e||为计算向量的二范数； 当公式39不被满足时，计算此时的值，并进行赋值ti+1＝ti+ntp，k＝k+n通过强化学习预测控制进行新的预测控制序列更新。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海卫星工程研究所，其通讯地址为：200240 上海市闵行区元江路3666号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。