基于运动意图识别的空间护卫策略设计

doi:10.7527/S1000-6893.2025.33013

集群智能与协同控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

基于运动意图识别的空间护卫策略设计

孙钦伯¹, 党朝辉²()

^1.西北农林科技大学机械与电子工程学院，杨凌 712100
^2.西北工业大学航天学院，西安 710129

收稿日期:2025-10-31 修回日期:2025-11-06 接受日期:2025-11-28 出版日期:2025-12-17 发布日期:2025-12-15
通讯作者: 党朝辉 E-mail:dangzhaohui@nwpu.edu.cn
基金资助:
国家自然科学基金(12472046)

Spacecraft guardian strategy design via motion-intent recognition

Qinbo SUN¹, Zhaohui DANG²()

^1.College of Mechanical and Electronic Engineering，Northwest A&F University，Yangling 712100，China
^2.School of Astronautics，Northwestern Polytechnical University，Xi’an 710129，China

Received:2025-10-31 Revised:2025-11-06 Accepted:2025-11-28 Online:2025-12-17 Published:2025-12-15
Contact: Zhaohui DANG E-mail:dangzhaohui@nwpu.edu.cn
Supported by:
National Natural Science Foundation of China(12472046)

摘要/Abstract

摘要：

针对非完全信息条件下博弈决策中目标意图未知和机动策略难以优选的问题，提出了基于意图识别的空间轨道机动决策方法。首先结合航天器脉冲机动特点，设计了有限时间区域内的模型预测控制框架，能够针对单一场景快速优化护卫策略。然后，提出了一种融合非合作目标运动意图识别结果的护卫机动博弈策略优化方法，适用于多意图场景。依据意图识别的概率动态调整策略优化指标，使得护卫机动策略在应对复杂、不确定的空间环境时更加灵活。试验结果表明，所提出的基于意图识别的轨道机动决策方法，在多种空间护卫场景中展显优势。

关键词: 非合作目标, 意图识别, 深度学习, 空间护卫, 轨道博弈

Abstract:

To address the challenges of unknown target intent and strategy selection under incomplete-information orbital games， an intent-inference-based maneuver-decision framework is proposed. First， considering the impulsive characteristics of spacecraft， a model-predictive-control scheme is devised within a finite-time horizon to rapidly generate guardian strategies for a single prespecified intent. Subsequently， an integrated guardian maneuver optimization method is developed that fuses intent interference results of a non-cooperative target， making it applicable to multi-intent scenarios. By dynamically adjusting the strategy optimization objective according to the inferred intent distribution， the escort maneuver strategy becomes more flexible when responding to uncertain operational environments. Simulation results across diverse space-guardian missions confirm the superior performance of the proposed approach.

Key words: non-cooperative target, intent recogntion, deep learning, spacecraft guarding, orbital game

中图分类号:

V448.2

孙钦伯, 党朝辉. 基于运动意图识别的空间护卫策略设计[J]. 航空学报, 2026, 47(S1): 733013.

Qinbo SUN, Zhaohui DANG. Spacecraft guardian strategy design via motion-intent recognition[J]. Acta Aeronautica et Astronautica Sinica, 2026, 47(S1): 733013.

图/表 28

图 1

图 2

图 3

图 4

图 5

表1

图 6

图 7

图 8

图 9

图 10

图 11

表2

图 12

图 13

表3

图 14

图 15

图 16

表4

表5

图 17

图 18

图 19

表6

图 20

图 21

表7

参考文献 20

[1]	ZHAO L R， ZHANG Y L， DANG Z H. PRD-MADDPG： An efficient learning-based algorithm for orbital pursuit-evasion game with impulsive maneuvers［J］. Advances in Space Research， 2023， 72（2）： 211-230.
[2]	LIU Y J， JIANG Y， LI H N， et al. Determining origins of satellite breakup events in LEO region［J］. Astrodynamics， 2023， 7（4）： 465-476.
[3]	CHERNIAKOV M， HOARE E G， GASHINOVA M， et al. Recognition of objects in orbit and their intentions with space-borne sub-THz Inverse Synthetic Aperture Radar［J］. IET Radar， Sonar & Navigation， 2024， 18（4）： 564-576.
[4]	CHEN S， LI J， XIE Y， et al. Approaching intention prediction of orbital maneuver based on dynamic bayesian network［J］. Transactions of Nanjing University of Aeronautics & Astronautics， 2023， 40（4）： 460-471.
[5]	LI J S， YANG Z， LUO Y Z. Intention inference for space targets using deep convolutional neural network［J］. Advances in Space Research， 2025， 75（2）： 2184-2200.
[6]	ZHANG H L， LUO J J， GAO Y， et al. An intention inference method for the space non-cooperative target based on BiGRU-Self Attention［J］. Advances in Space Research， 2023， 72（5）： 1815-1828.
[7]	SUN Q B， DANG Z H. Deep neural network for non-cooperative space target intention recognition［J］. Aerospace Science and Technology， 2023， 142： 108681.
[8]	SUN Q B， ZHAO L R， TANG S Y， et al. Orbital motion intention recognition for space non-cooperative targets based on incomplete time series data［J］. Aerospace Science and Technology， 2025， 158： 109912.
[9]	罗亚中，李振瑜，祝海. 航天器轨道追逃微分对策研究综述［J］. 中国科学（技术科学）， 2020， 50（12）： 1533-1545.
	LUO Y Z， LI Z Y， ZHU H. Survey on spacecraft orbital pursuit-evasion differential games［J］. Scientia Sinica Technologica， 2020， 50（12）： 1533-1545 （in Chinese）.
[10]	SHEN D， JIA B， CHEN G S， et al. Pursuit-evasion games with information uncertainties for elusive orbital maneuver and space object tracking［J］. Sensors and Systems for Space Applications Ⅷ， 2015： 94690J.
[11]	LI Z Y， ZHU H， LUO Y Z. An escape strategy in orbital pursuit-evasion games with incomplete information［J］. Science China Technological Sciences， 2021， 64（3）： 559-570.
[12]	WANG Z W， GONG B C， YUAN Y H， et al. Incomplete information pursuit-evasion game control for a space non-cooperative target［J］. Aerospace， 2021， 8（8）： 211.
[13]	YANG B， LIU P X， FENG J L， et al. Two-stage pursuit strategy for incomplete-information impulsive space pursuit-evasion mission using reinforcement learning［J］. Aerospace， 2021， 8（10）： 299.
[14]	祝海. 基于微分对策的航天器轨道追逃最优控制策略［D］. 长沙：国防科技大学， 2017.
	ZHU H. Optimal control of spacecraft orbital pursuit-evasion based on differential game［D］. Changsha： National University of Defense Technology， 2017 （in Chinese）.
[15]	马昌凤，柯艺芬，谢亚君. 最优化计算方法及其MATLAB程序实现［M］. 北京：国防工业出版社， 2015： 219-222.
	MA C F， KE Y F， XIE Y J. Optimization calculation method and its MATLAB program realization［M］. Beijing： National Defense Industry Press， 2015： 219-222 （in Chinese）.
[16]	SUN Q B， ZHAO L R， DANG Z H. BiGAT： A model for recognizing motion intentions of space noncooperative targets［J］. IEEE Transactions on Aerospace and Electronic Systems， 2025， 61（2）： 2586-2600.
[17]	MAVSAR M， MORIMOTO J， UDE A. GAN-based semi-supervised training of LSTM nets for intention recognition in cooperative tasks［J］. IEEE Robotics and Automation Letters， 2024， 9（1）： 263-270.
[18]	KHODABANDELOU G， MOON H， AMIRAT Y， et al. A fuzzy convolutional attention-based GRU network for human activity recognition［J］. Engineering Applications of Artificial Intelligence， 2023， 118： 105702.
[19]	VASWANI A， SHAZEER N， PARMAR N， et al. Attention is all you need［C］∥NIPS’17： Proceedings of the 31st International Conference on Neural Information Processing Systems， 2017.
[20]	SUN Q B， ZHAO L R， DANG Z H. Comprehensive classification of non-periodic relative motion styles of spacecraft： A geometric approach and applications［J］. Astrodynamics， 2025， 9（6）： 969-992.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

序号	非合作目标G意图
1	交会	G与S之间的最小距离小于阈值
2	掠飞	直线顺漂
		直线逆漂
		曲线顺漂
		曲线逆漂
		外包络水滴近拱点顺向掠飞
		水滴外包络底点顺向掠飞
		水滴外包络拱点逆向掠飞
		水滴外包络底点逆向掠飞
		水滴内包络顺向掠飞
		水滴内包络逆向掠飞
3	绕飞	水滴式顺向绕飞
		水滴式逆向绕飞
		螺线顺向绕飞
		螺线逆向绕飞
		椭圆绕飞
4	驻留	椭圆前向驻留
		椭圆后向驻留
		前向定点悬停
		后向定点悬停

航天器	相对位置/km			相对速度/（m·s^-1）
航天器	x	y	z	x	y	z
S	0	0	0	0	0	0
H	0	15	0	0	0	0
G	-23.51	145.72	-5.87	2.373 6	3.449 0	0.593 4

航天器	相对位置/km			相对速度/（m∙s^-1）
航天器	x	y	z	x	y	z
S	0	0	0	0	0	0
H	0	15	0	0	0	0
G	-80	-245.7	-5.87	0	0.008 8	0.000 6

序号	H-G初始距离/km	到达视线中间时刻t_m/h	t_m 时H-G与S-H相对距离差/m	t_m后H-G与S-H距离之差/m
1	269.28	9.24	998.09	297.97
2	250.82	21.39	999.56	768.52
3	250.82	26.43	999.31	500.64
4	276.66	10.79	995.37	481.70
5	834.65	23.08	992.50	224.78
6	224.80	5.72	999.50	418.80
7	242.09	9.07	995.12	519.89
8	207.07	32.48	999.94	636.82
9	330.12	18.79	997.98	739.24

航天器	相对位置/km			相对速度/（m·s^-1）
航天器	x	y	z	x	y	z
S	0	0	0	0	0	0
H	0	-100	0	0	0	0
G	-72.10	-465	-8	-5.44	8.81	0.43

基于运动意图识别的空间护卫策略设计

Spacecraft guardian strategy design via motion-intent recognition

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 28

参考文献 20

相关文章 15

编辑推荐

Metrics

本文评价

序号	H-G初始距离/ km	进入视线时刻t_v/ h	t_v时刻方位角/（°）	相对距离小于1 km时刻/ h
1	429.48	7.98	178.59	15.69
2	384.72	6.44	178.96	15.44
3	79.91	5.69	178.66	9.01
4	164.34	0.65	179.13	9.09

序号	H-G初始距离/km	进入视线时刻t_v/h	t_v时刻方位角/（°）	S-H轨迹中心距离/km	H-G轨迹中心距离/km
1	160.70	4.67	178.55	45.13	114.87
2	185.53	4.71	179.19	51.38	128.62
3	182.48	7.80	179.16	50.89	129.11
4	182.48	7.79	178.85	51.33	128.11

[1]	韩德强, 熊伟, 王子玲. 深度多模态时代低空经济与信息融合[J]. 航空学报, 2026, 47(S1): 732853-732853.
[2]	董凯凯, 王家乐, 尚芃锦, 郑茂章, 倪智宇. 视线坐标系下空间机动非合作目标交会轨迹规划与控制[J]. 航空学报, 2026, 47(S1): 733005-733005.
[3]	马宇卓, 任侃, 李涛, 陈钱. 基于距离损失提升航空图像语义分割研究[J]. 航空学报, 2026, 47(8): 332780-332780.
[4]	熊威, 张栋, 杨书恒, 任智, 刘文逸. 面向智能空战有人/无人机协同可解释方法[J]. 航空学报, 2026, 47(7): 332547-332547.
[5]	黄俊, 张菁, 翁世倩. 机载光电目标识别算法综述[J]. 航空学报, 2026, 47(6): 332601-332601.
[6]	李乐言, 杨任农, 郭安新, 宋祺, 左家亮. 基于全域火力场的超视距空战威胁预测及动态逃逸方法[J]. 航空学报, 2026, 47(4): 332205-332205.
[7]	冯子成, 张文龙, 刘冬辉, 于起峰. 复杂背景下反无人机红外目标鲁棒跟踪算法[J]. 航空学报, 2026, 47(4): 332264-332264.
[8]	刘祥雨, 王刚, 王思远, 陈卓文. 数据-知识双驱动的编队目标意图识别方法[J]. 航空学报, 2026, 47(2): 332170-332170.
[9]	李思远, 韩德强, DEZERT Jean, 杨艺. 利用学习机制的多方法融合端到端证据建模[J]. 航空学报, 2026, 47(12): 332927-332927.
[10]	辛炜华, 田宇豪, 张起鸣, 郭京辉, 林贵平. 融合多源数据的防热多孔材料渗透率预测方法[J]. 航空学报, 2026, 47(12): 432866-432866.
[11]	任若天, 赵理君, 赵旭阳, 张正, 李宏益, 薛新华, 唐娉. 知识引导下的遥感影像智能解译方法综述[J]. 航空学报, 2026, 47(10): 632103-632103.
[12]	段韶华, 张淳杰, 刘传凯, 郑晓龙, 张济韬. 自回归与反馈驱动的自适应矩形卷积全色锐化网络[J]. 航空学报, 2026, 47(10): 532432-532432.
[13]	李杰潘, 贺威, 唐明豪, 熊进. 灾前建筑物掩码引导的航天遥感建筑物受损变化检测方法[J]. 航空学报, 2026, 47(10): 532845-532845.
[14]	舒世灏, 孟偲, 白相志, 史振威. 基于光照控制的月球表面精确着陆点定位算法[J]. 航空学报, 2026, 47(10): 532874-532874.
[15]	陶冶, 汤锦辉, 闫震, 周臣, 王冲. 融合表征转换与模式回归的航迹插补方法[J]. 航空学报, 2026, 47(1): 332106-332106.