深空复杂机理轨道高效统计映射理论与评估方法研究

Planetary gravity-assist and continuous low-thrust trajectories are the complex but efficient transfer strategies for the deep-space exploration missions, which have the advantage of low fuel consumption, flexible launch opportunity and so on. However, the essence and mechanism of the two types of trajectories cannot be fully revealed by using the classical orbital theory due to the strong nonlinear nature of the dynamical system and the high dimensional of influence parameters. The numerical computation is almost the only way to design the optimal transfer trajectory, leading a heavy burden to the mission planning and design. In this research, the concept of intelligent machine learning is introduced to address this problem. We try to reveal and characterize the influence mechanism between the orbital parameters from the perspective of statistical analysis, and further develop the efficient evaluation method for interplanetary transfer trajectory. The theories such as orbital dynamics, optimal control and machine learning will be combined to solve the key questions, including global transfer trajectory optimization and sample processing, parameters influence mechanism analysis and feature construction, mapping model building and learning, efficient evaluation and evolution mechanism analysis. The research will propose a novel and effective approach for the problem of orbital dynamics and control, and form a systematic system of deep-space trajectory evaluation theory and method. Furthermore, the research results will provide the significant potential application for the further deep-space exploration missions.

行星借力和连续小推力轨道是复杂但最为高效的深空探测转移方式，具有燃料消耗低、窗口灵活等诸多优点。由于动力学非线性强、影响参量维度高，轨道理论尚不能清晰地认识其本质规律与机理，优化设计时只能依赖于复杂繁琐的数值计算过程，给探测任务的规划与设计带来很大困难。为此，本项目创新性地提出运用智能机器学习思想解决这一问题，力求从统计分析角度揭示并表征这两类复杂轨道参量间错综耦合的影响机理，并在此基础上发展高效的轨道评估方法。项目将综合运用轨道动力学、最优控制、统计学习等理论方法，重点解决深空轨道的全局优化设计与样本处理、参量影响机理分析与特征构造、参量映射模型构建与学习、高效评估与演化机理分析等关键问题，研制深空轨道高效评估仿真分析系统。项目研究可为轨道动力学与控制问题提供新颖的、更为有效的解决思路，形成较为系统的深空轨道高效评估理论与方法体系，研究成果对深空探测任务的规划与设计具有重要应用价值。

行星借力与连续推力轨道是深空探测任务采用的两类重要的飞行轨道，一直是深空探测轨道动力学与控制研究的热点问题。由于这两类轨道的动力学非线性强、影响参数维数高，优化设计时只能依赖于复杂繁琐的数值计算，导致探测任务设计与分析效率低。本项目提出从统计映射角度运用智能机器学习思想解决行星借力与连续推力轨道的高效评估问题，取得的主要研究成果为：1）提出了深空行星借力与连续推力轨道全局鲁棒优化设计方法，解决了这两类复杂机理轨道大规模高质量样本数据生成问题；2）提出了借力飞行轨道序列自动搜索方法，提高了借力飞行序列的选择效率与评估精度；3）提出了基于随机森林和RReliefF算法的深空轨道特征构造方法，揭示了特征参数对深空轨道性能的影响机理；4）提出了统计映射模型自适应监督学习方法，提高了行星借力飞行轨道统计映射模型的评估精度；5）提出了高斯回归统计映射模型，解决了连续推力轨道性能参数的高效精确评估问题；6）研制了深空复杂机理轨道高效统计评估与仿真软件包，为深空探测任务的规划论证与设计分析提供了高效可靠的工具。.本项目研究成果学术论文17篇，其中SCI检索论文13篇；申请国家发明专利6项，其中已授权专利4项。出版校十三五规划教材1部—《行星际飞行轨道理论与应用》（共45万字）。项目成果先后应用于国家2024小天体探测任务的全电推复杂任务序列轨道方案优化设计、国家2030木星探测任务的全电推多天体借力轨道优化设计工作等国家深空探测任务重大工程论证工作。