方法说明

问题

低轨上的航天器可能在一两个轨道周期内连续遭遇多次交会。每次规避都要消耗推进剂、并改变自身轨道，让后面几次交会的几何关系一起前移。把每次交会当成独立事件、逐次求解脉冲规避，常见的结局是到第三、第四次交会时已经没有燃料可用。

方法

我们把"多级交会下的连续小推力规避"建模为带安全约束的马尔可夫决策过程：状态是主星与全部碎片的轨道根数及相对几何，动作是每个控制周期的三轴速度增量。

策略网络采用集合注意力结构——每颗碎片先独立编码，再通过 Transformer 让碎片之间互相"看见"，最后用威胁聚焦池化把权重集中到最危险的几个目标上。因此同一套参数可以处理 1 到 10 颗碎片，不需要按碎片数量重新训练。

训练采用安全强化学习：碰撞概率作为约束而不是奖励，用拉格朗日乘子自适应调节；同时接入 SOCP 专家解做方向锚定与动作屏蔽，避免训练早期的探索把策略带偏。

与 SOCP 专家的关系

SOCP 专家把连续推力规避写成凸优化问题（走廊约束 + 松弛），在给定时间网格上一次求解，得到全局最优的开环推力序列，代价是求解时间随碎片数增长（本机 1 颗约 6 秒，3 颗约 80 秒）。策略网络则每个控制周期闭环决策，单次前向约 8 毫秒。

两者不是替代关系：专家提供可验证的基准，网络提供可实时部署的闭环能力。本演示把两者并列展示。

怎么看这个演示

蓝色是策略网络的闭环轨迹，灰色虚线是不做机动的轨迹，橙色是 SOCP 专家解。时间轴上的刻度是每次交会的时刻（TCA）。