排序方式: 共有105条查询结果,搜索用时 15 毫秒
31.
32.
33.
利用空间机器人辅助、代替航天员完成在轨服务操作是近年的技术发展趋势。基于学习的空间机器人操作以深度神经网络为控制器载体,对非结构化太空环境适应能力强,在高轨、地外、深空等场景具有良好应用前景。目前,无论是空间机器人操作,还是地面机器人操作,多数研究只关注单一任务学习问题。立足一种多任务学习新视角,针对空间机器人操作面临的多任务适应性要求高、精细化要求高、不确定性强问题,首先分析了在轨服务的多样化任务需求。其次,全面综述了机器人操作多任务学习算法与应用相关工作,分析了开展空间机器人操作多任务学习的难点挑战,给出了关键技术发展建议。相关关键技术的突破将有助于提升空间机器人系统的自主性、鲁棒性,进而助力中国在轨服务技术向无人全自主方向推进。 相似文献
34.
本文针对高超声速飞行器滑模控制人工试凑的参数整定方法较为繁琐、效率低的问题,改进了连续动作学习自动机(Continuous action reinforcement learning automata, CARLA)算法并将其应用于滑模控制参数整定问题中,改进后的算法通过对回报函数的设计有效克服了常规CARLA算法收敛速度慢、易受干扰、求解效率低的问题。该算法引入控制性能指标评价函数,在迭代中学习阶跃响应的经验数据,实现了控制参数自整定。仿真表明,对于阶跃响应问题,本文提出的算法能够在100次迭代中整定出一组高品质的控制参数,完成对给定指令的快速准确跟踪,与遗传算法、模拟退火算法相比,在求解速度上具有显著优势。由于该方法不依赖于模型,除了滑模控制器参数整定外对其他控制方法的控制参数整定问题也有一定适用性,具有推广应用价值。 相似文献
35.
复合材料层合板广泛应用于航空航天结构,其开口补强问题一直备受关注。以含大开口的复合材料层合板为研究对象,针对拉伸、剪切、压缩三种不同工况,分别采用不同材料和不同补强型式进行补强结构优化设计。以补强结构重量为目标函数,采用多级优化方法,对补强结构参数进行优化设计。对不同补强型式,不同补强材料下的重量特性进行对比分析。结果表明:在不同工况下,相较于螺接补强和共固化补强,插层补强型式较优,结构重量增加较小。 相似文献
36.
基于CDM-CZM的复合材料补片补强参数分析 总被引:1,自引:1,他引:0
复合材料开口补强设计参数的确定对于结构设计具有重要的意义。针对复合材料层合板开口区补片补强结构,采用各向异性材料连续介质损伤力学模型(CDM)对复合材料层合板的损伤演化进行描述,采用粘聚区模型(CZM)对补片与母板间界面材料的分层损伤进行模拟,建立了复合材料开口区补片补强结构三维非线性渐进损伤模型,模型可预测补强结构强度和损伤演化过程。应用本文模型分析了补片铺层方式、补片厚度和补片半径3个主要设计参数对补强效果的影响,明确了补片与母板间界面材料分层损伤破坏是导致补强结构最终失效的主要原因。 相似文献
37.
针对超临界翼型气动修型策略的强化学习 总被引:1,自引:0,他引:1
强化学习是一类用于学习策略的机器学习方法,通过模拟人的学习过程,与所处环境不断交互来学习动作策略,用以获得最大累积回报。以设计师在翼型气动设计中的增量修型过程为例,给出强化学习在气动优化设计中的要素定义和具体算法的实现。研究了预训练中选择不同示例对预训练和强化学习结果的影响,并将强化学习得到的策略模型在其他环境中进行了迁移测试验证。结果表明,合理的预训练能够有效提高强化学习的效率和最终策略的鲁棒性,且所形成的策略模型具有较好的迁移能力。 相似文献
38.
39.
为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。 相似文献
40.
研究了空战双方力量的变化问题.将飞机的空战能力指数转化为平均战斗力水平,进而以蓝彻斯特方程为基础,考虑数据链对空战的影响和作战中有增援力量的加入,建立了对抗双方战机数量变化的微分方程模型,给出了其数值计算方法,指出了离散计算的时间步长所应满足的条件,并根据增援模式的不同,将模型细化为不同形式.仿真实验表明,存在有效增援时间范围,一次性增援和匀减速增援具有时间优势,并且通过构造评价函数有效衡量了这两者具有较高的增援效率,为空中作战应用和决策提供了参考依据. 相似文献