- 解决**低推力交会(low-thrust rendezvous)** 引导中，**最小燃料(minimum-fuel)** 求解产生**bang-bang控制(bang-bang control)** 结构对**估计误差(estimation errors)**、**传感器异常(sensor anomalies)** 和**求解器正则化(solver regularization)** 高度敏感的问题
- 现有固定bang-bang引导在无合作近距离操作中闭环执行脆弱，尤其在严重测量退化下终端脱靶量高达数百米
- 研究背景：**紧密耦合估计与引导( tightly-coupled estimation and guidance)** 有望提升鲁棒性，但缺乏将导航置信度直接融入最优控制求解的机制
- 提出**紧密耦合估计与引导架构(tightly-coupled estimation and guidance architecture)**，导航置信度直接调制**递归地平线间接最优控制(receding-horizon indirect optimal control)** 求解器的**同伦参数(homotopy parameter)**
- 相对运动在**Clohessy-Wiltshire坐标系** 中建模，平动状态通过**线性卡尔曼滤波器(linear Kalman filter)** 估计，并引入**多调谐因子(MTF)协方差膨胀机制** 抑制可疑创新方向
- 将**归一化创新(normalized innovation)** 和**MTF活动** 的复合得分在线映射到同伦参数，使控制器在置信度下降时向平滑保守控制模式放松，在感知改善时恢复燃料高效的bang-bang控制
- **首创性地将导航置信度直接调制同伦参数**，实现估计与引导的深度耦合，不同于传统解耦或固定参数方法
- **MTF协方差膨胀机制** 动态调整滤波器协方差，有效抑制异常测量影响，提升状态估计鲁棒性
- **自适应同伦(adaptive homotopy)** 在线映射策略，使控制器在估计不确定时自动平滑控制，在估计准确时恢复燃料最优bang-bang控制，两种模式无缝切换
- **显著提升鲁棒性**：在严重测量退化下，终端脱靶量从数百米降至亚米级（降低约两个数量级），且控制消耗仅适度增加
- 为**低推力交会引导** 领域提供了一种鲁棒、自适应的**紧密耦合估计与引导框架**，有效解决无合作近距离操作的闭环脆弱性问题
- 实验证明**自适应同伦** 是主导鲁棒性机制，**MTF** 提供额外精度和效率提升，为后续研究提供了可复现的设计原则
- **递归地平线实现(receding-horizon implementation)** 在数值实验中始终快速可靠，验证了在线实际运行可行性，推动了该方法向工程应用转化