系统工程与电子技术

作者：张庭瑜, 曾颖, 李楠, 黄洪钟

单位：1. 电子科技大学机械与电气工程学院, 四川 成都 611731；2. 电子科技大学系统可靠性与安全性研究中心, 四川 成都 611731；3. 中国电子科技集团公司第三研究所, 北京 100016

关键词：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

基金：中央高校基本科研业务费项目(ZYGX2020ZB023)

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。

来源：2024年第9期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2024年第9期