技術(shù)特征：

1.一種基于分層參數(shù)化強(qiáng)化學(xué)習(xí)的軌道行為智能決策方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于分層參數(shù)化強(qiáng)化學(xué)習(xí)的軌道行為智能決策方法，其特征在于，s1中，所述線性的cw方程為：

3.根據(jù)權(quán)利要求1所述的一種基于分層參數(shù)化強(qiáng)化學(xué)習(xí)的軌道行為智能決策方法，其特征在于，s2中，通過(guò)劃分基數(shù)將推力加速度劃分為多個(gè)子空間。

4.根據(jù)權(quán)利要求1所述的一種基于分層參數(shù)化強(qiáng)化學(xué)習(xí)的軌道行為智能決策方法，其特征在于，s2中，每個(gè)子空間的兩個(gè)邊界值計(jì)算公式為：

5.根據(jù)權(quán)利要求1所述的一種基于分層參數(shù)化強(qiáng)化學(xué)習(xí)的軌道行為智能決策方法，其特征在于，s2中，每一個(gè)全連接神經(jīng)網(wǎng)絡(luò)的輸出動(dòng)作通過(guò)tanh函數(shù)映射到[-1,1]，將映射值縮放到每個(gè)子空間的兩個(gè)邊界值之間。

6.根據(jù)權(quán)利要求1所述的一種基于分層參數(shù)化強(qiáng)化學(xué)習(xí)的軌道行為智能決策方法，其特征在于，s3中，選擇actor的critic網(wǎng)絡(luò)目標(biāo)函數(shù)為：

7.根據(jù)權(quán)利要求1所述的一種基于分層參數(shù)化強(qiáng)化學(xué)習(xí)的軌道行為智能決策方法，其特征在于，s4中，更新選擇actor的critic網(wǎng)絡(luò)時(shí)，更新公式為：

8.根據(jù)權(quán)利要求1所述的一種基于分層參數(shù)化強(qiáng)化學(xué)習(xí)的軌道行為智能決策方法，其特征在于，s4中，critic網(wǎng)絡(luò)更新的公式為：

9.根據(jù)權(quán)利要求1所述的一種基于分層參數(shù)化強(qiáng)化學(xué)習(xí)的軌道行為智能決策方法，其特征在于，所述獎(jiǎng)勵(lì)函數(shù)由不遠(yuǎn)離原軌道回報(bào)、躲避障礙回報(bào)和燃料消耗性獎(jiǎng)勵(lì)組成。

10.一種基于分層參數(shù)化強(qiáng)化學(xué)習(xí)的軌道行為智能決策系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于分層參數(shù)化強(qiáng)化學(xué)習(xí)的軌道行為智能決策方法與系統(tǒng)，屬于航天科學(xué)領(lǐng)域技術(shù)領(lǐng)域。該方法將衛(wèi)星視為了逃逸航天器，首先采取了將逃逸航天器的控制動(dòng)作空間進(jìn)行分層參數(shù)化的策略。同時(shí)，設(shè)計(jì)了兩個(gè)層級(jí)的Actor，一個(gè)是主Actor，另一個(gè)是子Actor。主Actor在高層次上負(fù)責(zé)選擇合適的子空間，子Actor從選擇的子空間中選擇合適的動(dòng)作。通過(guò)兩個(gè)層級(jí)Actor的選擇，能夠?qū)崿F(xiàn)對(duì)復(fù)雜任務(wù)環(huán)境的高效管理，提高控制系統(tǒng)的決策質(zhì)量和靈活性。執(zhí)行方法過(guò)程中，采用基于智能算法的自適應(yīng)控制技術(shù)，可以根據(jù)航天器實(shí)際運(yùn)行狀態(tài)和環(huán)境條件的變化，動(dòng)態(tài)調(diào)整控制策略，提高對(duì)航天器軌道控制的精度和效率。

技術(shù)研發(fā)人員：寧昕,魏琳森,王錚,晁魯靜,栗鳴
受保護(hù)的技術(shù)使用者：西北工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15