电推进凭借比冲高、推进剂需求低的优势，已成为空间转移任务的重要技术途径。但其推力小，完成大范围轨道转移往往需要长时间、多圈连续工作以累积速度增量，难以沿用瞬时脉冲近似或圆锥曲线拼接，须直接求解连续推力作用下的最优控制问题。传统方法包括直接法和间接法。直接法将状态与控制离散为非线性规划问题，但多圈长弧段使问题规模随圈数增长，收敛时间无法预估且仅保证局部最优；间接法由极大值原理（Pontryagin's Maximum Principle, PMP）导出两点边值问题，最优性有严格保证，但协态初值难以给定，且对初值极为敏感、收敛域窄，长时间多圈积分进一步放大了这一困难。庞特里亚金神经网络（PoNN）为此提供了新思路：将控制方程以残差形式嵌入损失函数，利用极限函数连接理论（X-TFC）以约束表达式解析满足边界条件，PoNN不依赖协态初值的猜测，随机初值下亦可收敛，规避了初值敏感的问题。然而，多圈转移问题状态量在轨道周期尺度的快速振荡与转移尺度的缓慢演化相互叠加，单层网络难以在长弧段上直接刻画，配点规模亦随圈数迅速增长。本文提出一种基于平均动力学的PoNN最省时间多圈转移求解方法，以GTO至GEO多圈转移为算例，仿真结果表明，在考虑地球J2摄动以及日食的情况下，总转移时间为118.47天、燃料消耗168.24 kg，开环积分验证终端位置误差329.62 km，飞行时间、燃料消耗等指标与GPOPS-II等直接法几乎相同，计算时间从165分钟降低至1.24分钟，可为高保真轨道优化快速提供初值。

多圈小推力转移,庞特里亚金神经网络,平均轨道根数,极限函数连接理论