孙玲的空间1. 项目背景与核心问题
航天器末端追逃博弈是空间对抗领域的关键课题，其本质是追踪方与逃逸方在有限时间内的动态策略对抗。传统研究通常假设双方完全掌握对方的动力学参数和控制策略，这种理想假设在实际任务中往往难以成立。当逃逸航天器通过主动机动或信息隐藏手段使追踪方无法获取真实参数时，博弈就进入了不完全信息状态。
我在参与某型空间拦截器制导算法研发时，曾遇到一个典型案例：当目标航天器突然改变机动模式后，基于固定参数的追踪算法会出现明显的性能退化，最终导致拦截失败。这个实际问题促使我开始深入研究不完全信息条件下的博弈策略优化。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 理论基础与模型构建
2.1 航天器相对运动建模
采用Clohessy-Wiltshire(C-W)方程描述近地轨道航天器的相对运动：
code复制dx/dt = v_x
dy/dt = v_y
dz/dt = v_z
dv_x/dt = 3ω²x + 2ωv_y + u_x - e_x
dv_y/dt = -2ωv_x + u_y - e_y
dv_z/dt = -ω²z + u_z - e_z
其中ω为轨道角速度，(u_x,u_y,u_z)和(e_x,e_y,e_z)分别代表追踪方和逃逸方的控制加速度。这个线性化模型在相对距离小于轨道半径时具有足够精度，我在多个近距交会任务中验证过其有效性。
2.2 微分博弈框架
将追逃问题建模为零和微分博弈，定义性能指标：
code复制J = ∫(xᵀQx + uᵀR_Pu - eᵀR_Ee)dt + x(T)ᵀQ_Tx(T)
其中Q、R_P、R_E为权重矩阵，Q_T为终端惩罚项。追踪方通过最小化J来实现快速拦截，逃逸方则试图最大化J来延长生存时间。
实际工程中，权重矩阵的选择需要平衡能量消耗和拦截速度。根据我的经验，R_P/R_E的比值通常设置在0.6-1.2之间能获得较好的综合性能。
2.3 Epsilon纳什均衡
当存在参数不确定性时，定义策略组合(u*,e*)为ε-纳什均衡，如果满足：
code复制|J(u*,e*) - inf_u J(u,e*)| ≤ ε
|J(u*,e*) - sup_e J(u*,e)| ≤ ε
这意味着在参数估计误差下，任何单方面改变策略带来的收益提升不超过ε阈值。通过调整ε值，可以在算法