.png){kind=icon}
返回
Low computational sequential optimization for large-scale satellite formation reconfiguration
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ast.2025.110232.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大规模卫星编队增强了任务灵活性和冗余度，但也增加了协调、计算负载和碰撞风险方面的挑战。本文提出了一种低计算量的顺序优化方法，用于燃料高效且被动安全的重构。我们提出使用最优三脉冲解析解来识别被动不安全的卫星，从而减少需要进一步优化的卫星数量。该解析解还作为初始猜测值，缩小了优化搜索空间。随后将问题分解为多个单卫星重构子问题，并通过并行优化以提高计算效率。针对子问题提出了两种优化策略：燃料最优和燃料次优优化。当某些迭代中无法满足被动安全要求时，优化过程会放松燃料约束以优先保障安全。顺序约束管理过程根据当前场景动态调整燃料成本与被动安全之间的权衡。这种灵活性使该方法能够适应不同的重构场景，因为并非所有场景都能在燃料最优条件下满足被动安全要求。与传统集中式方法相比，该方法为大规模卫星编队重构优化提供了更具可扩展性和灵活性的解决方案，尤其适用于中等至大型卫星编队（≥100颗卫星）。最后，通过数值仿真验证了所提方法的计算效率及被动安全性能提升。算法在100颗卫星编队中进行了测试，被动安全参数从0.0189提升至21.1165 m，运行时间相较于集中式优化结果减少了67%。
Keyword:
Formation reconfiguration
Passive safety
Relative E/I vector
Distributed algorithm
Impulsive maneuver
期刊
IF:
5.8
论文数:
1.1W
被引数:
3.0W
机构
引用论文
Multi-objective optimal formation reconfiguration with scalarization and stochastic boundaries基于标量化与随机边界的多目标最优编队重构
.png){kind=icon}
PREAI
分享收藏Gaussian pigeon-inspired optimization approach to orbital spacecraft formation reconfiguration高斯鸽子启发的轨道航天器编队重构优化方法
OAAI
OAAI分享收藏分享收藏
Multi-agent Q-Learning control of spacecraft formation flying reconfiguration trajectories多智能体Q-Learning控制航天器编队飞行重构轨迹
PREAI
分享收藏
查看更多内容