基于多Agent理論的衛(wèi)星協(xié)同定軌技術研究.pdf

1、、綜合了偵察衛(wèi)星、預警衛(wèi)星、通信衛(wèi)星和導航衛(wèi)星的衛(wèi)星網絡具有自主運行和獨立的信息獲取、信息融合、存儲和分發(fā)能力，是奪取信息優(yōu)勢的重要武器。如何將智能技術，如模糊邏輯、神經網絡、增強學習和多智能體技術引入衛(wèi)星網絡應用中，提高衛(wèi)星網絡的自組織性、協(xié)同性和抗攻擊能力是傳感器網絡技術發(fā)展的重要方向之一。
　　本課題主要以衛(wèi)星網絡空間機動目標跟蹤為背景，探索智能化信息處理技術和傳感器網絡協(xié)同技術中與衛(wèi)星網絡應用相適應的方案，提出了基于FNN

2、-Q的案例增強學習機制和基于EKF的粒子濾波技術，解決了移動動態(tài)聯(lián)盟學習問題和空間大機動目標跟蹤問題。
　　在傳感器網絡協(xié)同技術中，采用一種綜合了基于案例推理、神經網絡、增強學習等理論和方法的移動動態(tài)聯(lián)盟形成新機制，提出了基于FNN-Q的案例增強學習方法，解決了移動動態(tài)聯(lián)盟學習問題，提高了聯(lián)盟形成的質量和效率，實現了動態(tài)網絡環(huán)境下聯(lián)盟形成的自學習能力。
　　目標跟蹤是一個典型的狀態(tài)估計問題，空間目標的運動方程具有很強的非線性

3、，應用非線性濾波理論解決這個問題的關鍵是如何建立一套跟蹤濾波算法。以衛(wèi)星目標為例，在動力學分析的基礎上，建立了目標的狀態(tài)模型和觀測模型，介紹了粒子濾波算法的基本原理和可能存在的問題，提出了基于擴展卡爾曼的粒子濾波算法，并利用該算法對變軌衛(wèi)星進行跟蹤。仿真結果表明，在運動方程的非線性較大時，該算法較經典方法有一定的優(yōu)勢，減小了跟蹤誤差，提高了衛(wèi)星定軌的精度。
　　此外，本課題還立足于衛(wèi)星網絡的特點，詳細分析了衛(wèi)星網絡對衛(wèi)星跟蹤的條件