哈尔滨工业大学工学硕士学位论文
摘要
随着反卫星武器的发展，在轨航天器的安全稳定运行面临着严峻挑战，因此
在全球各国大力发展空间作战装备的背景下，需要最大程度地保存我方航天器在
危险条件下的任务执行能力。如何使航天器在面临不同的空间威胁情况下进行防
御性轨道机动，同时满足航天器的在轨任务要求具有很强的现实意义。本文将航
天器在轨威胁分为地基定向能与动能拦截器两个主要临危条件，对应不同在轨危
险条件分别提出不同临危机动观测方法。针对定向能武器打击空域可确定的特点，
提出共面脉冲下满足观测任务燃料最优的机动观测方法；针对动能拦截器打击弧
段下拦截器轨迹难以确定的特点，提出临危条件下航天器自主机动观测方法。本
文将从以下几个方面开展研究：
针对定向能武器打击空域可确定的特点，考虑当遥感卫星在既定轨道执行对
地观测任务的过程中，敌对方反卫星装备对其产生威胁即临危条件下，在卫星规
避危险的基础上还需尽可能满足观测需求，因此需要进行轨道机动对卫星轨道任
务轨道进行调整以满足观测要求。通过分析遥感卫星在速度脉冲调整下的机动观
测策略问题，在考虑执行遥感任务和危险空域的约束下，对共面脉冲燃料最优问
题建立约束模型，使遥感卫星满足轨道高度约束、燃料消耗约束、观测准备时长
约束以及机动能力约束，并利用遗传算法对所建立模型进行校验。
针对航天器机动避障共面脉冲控制问题，在满足上述所建共面脉冲燃料最优
问题约束模型基础上，本文利用差分进化算法对共面脉冲观测燃料最优的机动观
测策略进行求解，在满足成像任务约束以及其他约束要求前提下，相比于遗传算
法收敛速度更快、精度更高，总燃料消耗节省了18.79%，有效提高了航天器临
危条件下的机动决策能力。
针对动能拦截器这类机动能力强危险空域位置不确定的临危条件，本文考虑
遥感卫星执行观测任务的同时需要进行轨道机动实现自主规避，提出了临危条件
下航天器自主机动观测方法。通过将问题抽象为对脉冲序列的决策问题，建立了
遥感卫星智能体模型，使用强化学习经典算法DDQN对问题进行求解，以获得
面对拦截威胁条件下多次速度脉冲最优机动策略，并在DDQN算法基础上对其
目标神经网络参数更新机制进行改进，实验结果表明：1）本文改进目标神经网
络参数更新机制的DDQN算法相较于传统DDQN算法在超参数一致情况下，训
练过程中收敛速度更快；2）本文利用深度强化学习算法进行自主决策，相较于
目前在轨逃逸方式在满足观测条件的约束下燃料消耗更少；3）本文提出改进目
-I-
哈尔滨工业大学工学硕士学位论文
标神经网络参数更新机制的DDQN算法在拦截器参数相同机动轨迹不同的情况
下，对其所能打击弧段内多条轨迹的规避成功率为97.69%，并且55.38%满足观
测时长要求，35.38%满足对目标区域的覆盖率要求，有效提高了临危条件下自主
决策规避能力。
关键字航天器；临危情况；自主机动观测；强化学习
:
-II-
哈尔滨工业大学工学硕士学位论文
Abstract
Withthedevelopmentofantisatelliteweapons,thesafeandstableoperationof
spacecraftinorbitisfacingseverechallenges.Therefore,whilevigorouslydeveloping
spaceoffensiveoperati