申请/专利权人:昆明理工大学
申请日:2023-10-08
公开(公告)日:2024-01-12
公开(公告)号:CN117382920A
主分类号:B64G1/24
分类号:B64G1/24;G06N3/0499;G06N3/092;G06N3/0985
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.30#实质审查的生效;2024.01.12#公开
摘要:本发明公开了一种基于元强化学习的GEO在轨服务任务规划方法,包括:输入初始轨道参数;求解多圈兰伯特问题;定义在轨服务规划任务强化学习参数;构建智能体交互环境;生成初始策略;依据初始策略生成新策略。本发明将多个在轨服务航天器视作一个具有学习能力的智能体,以转移速度增量、转移消耗时间作为在轨服务任务的优化目标,通过设计多目标融合的奖励函数和形式化约束条件来建立在轨服务任务规划的智能体交互环境,并进一步结合元学习算法与深度强化学习算法,通过元任务学习过去的成功经验并不断优化策略,根据不同在轨服务任务产生一个具有普适性的初始策略,用于新任务的训练,从而提升规划方法的自主性和灵活性。
主权项:1.一种基于元强化学习的GEO在轨服务任务规划方法,其特征在于,包括:输入初始轨道参数;求解多圈兰伯特问题;定义在轨服务规划任务强化学习参数;构建智能体交互环境;生成初始策略;依据初始策略生成新策略。
全文数据:
权利要求:
百度查询: 昆明理工大学 一种基于元强化学习的GEO在轨服务任务规划方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。