空间X射线望远镜支撑结构的非均匀温度场可引起热弹性变形，影响光学组件与探测器之间的相对几何关系。传统独立单回路温度控制难以统筹多加热区域的热耦合与响应延迟，而最大温差等指标难以充分表征温度分布对相对指向的影响。针对上述问题，以爱因斯坦探针后随观测X射线望远镜（FXT）支撑结构为对象，提出面向几何稳定性的强化学习协同热控框架，研究温度跟踪、热致相对偏转与能耗之间的协调优化方法。
建立温度场、热弹性变形与机械参考轴相对偏转之间的映射，依据上、下基准板对应安装区域的热变形构造两条机械参考轴，以其相对夹角作为光轴一致性变化的代理指标，将温度均匀性评价由温差统计拓展至相对几何稳定性评价。在此基础上，将多加热器控制表述为连续动作空间中的序贯决策问题，在学习目标中以参考轴夹角替代温差项，并保留温度跟踪、过温限制与能耗评价，实现对加热动作空间耦合及时间累积效应的联合考虑。
针对高保真仿真成本较高、策略探索受限的问题，构建结合行为克隆、保守Q学习与软演员–评论家的策略学习流程。利用历史PID控制轨迹初始化策略，通过保守价值估计抑制离线数据分布外的价值高估，再开展受约束的策略优化；结合高保真瞬态热分析与热弹性后处理，建立控制动作、温度响应和几何性能评价相衔接的仿真闭环。
对1000组历史PID仿真工况进行后处理，当前模型下全部控制周期的参考轴相对夹角中位数约为0.178角秒，最大值约为0.362角秒，形成了几何性能评价基线。单工况闭环对照表明，行为克隆初始化策略使下部基准板末态温差由1.334 ℃降至0.841 ℃，降幅约37%，但上部基准板温差与能耗未同步改善。上述结果初步验证了几何指标计算及学习策略闭环运行的可行性，为精密空间光学载荷协同热控提供了方法基础。参考轴夹角与真实光学视轴的对应关系，以及新目标下的多工况控制收益，仍需进一步验证。

爱因斯坦探针,X射线望远镜,支撑结构,温度均匀性,强化学习