[发明专利]基于多智能体增强学习算法的Walker星座轨道摄动补偿方法

权利要求书

1.一种基于多智能体增强学习算法的Walker星座轨道摄动补偿方法，其特征在于，包括如下步骤：

A、初始化增强学习算法的状态集S、动作集A和Q值表；

B、根据当前状态和共享策略即共享Q值表设计动作a，根据动作a得到当前回报r和Q值表，并更新Q值表；

C、判断当前Q值是否符合同轨道面的共享策略，即共享Q值表，若不符合，则执行步骤D；

D、判断当前几何精度因子GDOP值是否满足设计要求，如果否，则执行步骤E；

E、循环执行步骤B～步骤D，直至GDOP评价模型满足卫星星座长期稳定运行条件。

2.根据权利要求1所述基于多智能体增强学习算法的Walker星座轨道摄动补偿方法，其特征在于，所述步骤A之前进一步包括：

通过标称轨道和星座摄动模型计算出整个星座在标称轨道下的升交点赤经漂移ΔΩ和沿迹角漂移Δλ：

Δa1Δi1=-A-1ΔΩ/ΔtΔλ/Δt---(2).]]>

3.根据权利要求1或2所述基于多智能体增强学习算法的Walker星座轨道摄动补偿方法，其特征在于，步骤A还包括：

将初始轨道偏置量，即轨道半长轴Δa₀和倾角偏置Δi₀作为多智能体增强学习算法的初始动作输入；其中：

式(3)中j代表第j个轨道面，每个轨道面均有m颗卫星；所述动作是指摄动偏置补偿。

4.根据权利要求1所述基于多智能体增强学习算法的Walker星座轨道摄动补偿方法，其特征在于，步骤B所述根据动作a得到当前回报r和Q值表，具体包括：

B1、根据星座摄动模型和GDOP评价模型得到当前每颗卫星的环境回报r₁^jk和其中j＝1,2,…F，k＝1,2,…m，即第j个轨道面的第k个卫星；

B2、各智能体独立选择动作集A中的动作a进行学习，并得到每颗卫星环境回报r_i^jk和Q值表

5.根据权利要求4所述基于多智能体增强学习算法的Walker星座轨道摄动补偿方法，其特征在于，步骤B2所述得到每颗卫星环境回报r_i^jk是通过比较GDOP值是增大还是减小得到的，具体为：GDOP增大环境回报r_i^jk为-1，减小r_i^jk为1，相等则为0。

6.根据权利要求1所述基于多智能体增强学习算法的Walker星座轨道摄动补偿方法，其特征在于，步骤C所述判断当前Q值是否符合同轨道面的共享策略，即共享Q值表，具体为：判断同轨道面内的卫星是否满足共享Q值表的条件。

7.根据权利要求1或6所述基于多智能体增强学习算法的Walker星座轨道摄动补偿方法，其特征在于，步骤C还包括：

若符合，则同轨道面共享该Q值表，然后执行步骤D。