一种基于智能学习的火星进入终端状态高效评估方法

摘要

本发明涉及一种基于智能学习的火星进入终端状态高效评估方法，属于深空探测技术领域。本发明利用火星进入轨迹优化算法，对不同参数组合下航天器所能达到的最大终端高度进行优化，以提供基于高斯过程回归的预测模型的样本数据。遗传算法被用于不同场景下进入轨迹的优化求解器，以避免局部最小值，进而保证高斯过程训练样本的数据质量。均值函数、核函数以及超参数作为高斯过程的主体参数，被选作优化参数用于描述样本间的相关性，进而建立基于高斯过程的火星进入最优终端高度预测模型。本发明可以在几十秒量级内完成3000余组不同进入场景下的最大终端高度的评估，平均相对误差在4％以内。