طراحی مسیر ماموریت ملاقات مداری صفحه ای فضاپیمای تراست پایین با استفاده از روش یادگیری تقویتی

پس از ورود به سامانه در این پژوهش به بررسی یک روش نوین برای طراحی مسیر فضاپیما به صورت صفحه ای می پردازد. .در این مسئله ، فضاپیمای پیرو که از نوع تراست پایین است ، به فضاپیمای هدف نزدیک می شود تا در فاصله ی مناسب برای ماموریت اتصال آماده شود. با استفاده از روش یادگیری تقویتی ، ماموریت ملاقات مداری شبیه سازی شده است و توانایی این روش برای حل مسئله ملاقات مداری بررسی گردید. در این پژوهش نشان داده شد که روش یادگیری تقویتی به خوبی توانست این ماموریت را به انجام رساند که در این روش، از یک الگوریتم یادگیری تقویتی مبتنی بر گرادی انهای بهینه سازی سیاست تقریبی استفاده شده است تا مسیر فضاپیمای تراست پایین بهینه شود. این الگوریتم شامل دو شبکه عصبی بازیگر و منتقد می باشد. بازیگر با توجه به وضعیت فعلی فضاپیما، زاویه تراست را تنظیم می کند تا به نقطه ای مشخص در مدار فضاپیمای هدف در مدت زمان بهینه یا نزدیک به بهینه برسد. شبکه منتقد، عملکرد بازیگر را ارزیابی می کند. در فرآیند آموزش، این الگوریتم در محیط شبیه سازی شده، توانایی پیدا کرد تا مسیر مناسبی برای ملاقات با فضاپیمای هدف را بدون داشتن دانش قبلی از دینامیک محیط پیدا کند. همچنین تاثیر تعیین بازه مشخص برای تراست در این مسئله مورد ارزیابی قرار گرفته است .

کلیدواژه ها:

ملاقات مداری ، یادگیری تقویتی ، رانشگر تراست پایین ، بهینه سازی سیاست تقریبی ، شبکه عصبی بازیگر - منتقد