物理信息制导网络

兼顾燃耗与精度

用物理先验约束神经网络制导，在随机不确定下直接学习推力分配，训练对奖励权重不敏感，容易复现。

Linkun, He · 张冉 · 李惠峰 · Bao, Weinmin

Aerospace Science and Technology 2025

技术优势

燃耗精度可兼顾

通过分配有限的控制能力，数值结果表明该方案在推进剂消耗与着陆精度之间取得了适当平衡。

训练不挑参数

重复训练测试表明，训练过程对奖励函数中的惩罚权重具有低敏感性，便于调整参数。

训练更高效

采用新型藤蔓不确定性采样策略梯度方法，实现低方差策略梯度估计，提升训练效率。

应用场景

• 着陆制导：用于行星着陆的下降段，在线调整推力和姿态以满足终端精度并节省燃料。
• 推进器分配：直接优化各推进器的推力分配，无需将控制分配问题单独解耦。
• 低空飞行控制：适用于低空下降段，在靠近地表的气动不确定性下保持着陆精度和燃耗平衡。