可达性引导的多脉冲星际转移强化学习

arXiv:2610.01344v1 公告类型：交叉收录 摘要：强化学习有望为航天器轨迹设计提供可复用的序贯决策机制，从而推动将学习得到的决策与底层机动几何相衔接的策略接口的研究。本文针对确定性多脉冲星际转移，提出了 Reachability Analysis-Informed Reinforcement Learning（RARL），将中间航路点选择置于学习决策过程的核心。局部一阶可达性分析将有界速度扰动映射为下一节点位置的椭球集合，策略在该集合内选择航路点。随后，Lambert 重构确定相应机动，使航天器沿动力学一致的弹道弧到达所选航路点，从而将学习得到的转移几何选择与经典航天动力学相结合。末端双脉冲重构完成交会，并辅以用于奖励塑形的线性机动需求评估。数值研究在地球—火星二体基准问题上评估了该接口的性能。在三次独立训练中，RARL 实现的平均机动代价为 10.23 km/s，比经过验证的局部序贯凸规划参考结果高出 1.72%。在分散初始状态上进行训练，可将策略复用范围扩展至目标状态和转移时长固定的一组出发条件。三个独立训练的多状态策略均完成了全部 10,000 个留出的蒙特卡洛出发测试案例，且未违反脉冲上限约束；相比之下，单状态策略的平均可行率为 6.49%。这种在采样条件下更广泛的可行性伴随着平均标称机动代价增加 0.61%，且无需针对不同出发条件进一步训练。结果表明，可达性引导的决策接口能够支持达到基准水平的轨迹构建，并实现跨分散出发条件的策略复用。