基于深度强化学习的航天器功率信号复合网络优化算法

作     者：张庭瑜 曾颖 李楠 黄洪钟 ZHANG Tingyu;ZENG Ying;LI Nan;HUANG Hongzhong

作者机构：电子科技大学机械与电气工程学院四川成都611731 电子科技大学系统可靠性与安全性研究中心四川成都611731 中国电子科技集团公司第三研究所北京100016 

基　　金：中央高校基本科研业务费项目(ZYGX2020ZB023)资助课题 

出 版 物：《系统工程与电子技术》 (Systems Engineering and Electronics)

年 卷 期：2024年第46卷第9期

页      码：3060-3069页

摘      要：为了实现航天器电源系统的灵活高效并网,最大化有限能量的利用,提出一种基于深度强化学习(deep reinforcement learning,DRL)的功率传输与信号传输复合网络拓扑优化模型,并使用知识蒸馏原理的多种可解释组件模型对优化过程进行剖析。首先,分析在轨运行阶段航天器母线电压调节控制域变换规律,并结合节点传播性参数,建立功率传输与信号通信的复合网络拓扑模型。然后,利用A3C(asynchronous advantage actor-critic)算法,对信号传输网络路由分布、拓扑结构等方面潜在的运行可靠性风险进行自适应性优化。最后,结合多种可解释组件对已训练的DRL模型进行知识蒸馏,形成一种可解释的量化分析方法。所提方法可以指导空间电源在随机阴影影响下选择最佳并网方案,并为更高任务要求和复杂环境下空间电源控制器设计提供理论支持。

主 题 词：空间电源系统 复杂网络 深度强化学习 可靠性优化 可解释性分析 

学科分类：08[工学] 082501[082501] 0825[工学-环境科学与工程类] 

核心收录：

D　O　I：10.12305/j.issn.1001-506X.2024.09.18

馆 藏 号：203138921...