基于模仿强化学习的固定翼飞机姿态控制器

研究了基于模仿强化学习的飞机姿态控制器。首先,建立专家经验数据集,并利用行为克隆对控制网络参数初始化;而后,控制网络利用强化学习和监督学习混合模式训练,通过奖励函数塑形和经验数据集监督学习引导强化学习算法快速收敛,使姿态控制器姿态响应优化的同时符合专家经验。控制网络输入为飞机姿态角误差、角速度等状态变量,输出控制增稳系统指令。实验表明,模仿强化学习控制器能够实现不同初始条件下飞机姿态角快速响应并与经验数据相符。     

全局渐近稳定的时滞细胞神经网络模型研究

利用Lyapunov泛函方法和不等式技巧，研究了一类细胞神经网络的全局渐近稳定性，通过引入一系列参数．给出了保证时滞细胞神经网络全局渐近稳定的模型设计方法。     

现代企业财务管理模式初探

企业是社会经济的细胞，资金是企业的血液，而财务则是企业的灵魂，是现代企业制度下企业管理的核心。传统财务管理目标缺乏一定的科学性，观念落后的财务管理制度难以适应新经济的要求。本文探讨了现代企业制度下的财务管理模式。     

应用设计过程的胚胎硬件细胞单元粒度优化方法

胚胎硬件的高可靠性主要由新颖的硬件体系和细胞电路结构来保障,缺乏应用设计过程的可靠性提高方法研究。分析了在应用设计过程中可调的胚胎硬件可靠性影响因素,针对细胞单元粒度不同会导致细胞面积变化从而影响细胞阵列可靠性的实际情况,对传统可靠性模型无法体现细胞面积变化的不足进行了改进,建立了新的可靠性模型。通过实例分析,总结出不同细胞单元粒度情况下的细胞阵列可靠性变化规律,进而给出细胞单元粒度优化选择方法,设计者基于该方法不需设计完整电路就能确定自身设计能力范围内获得最大可靠性的细胞单元粒度。     

面向在轨服务的可重构细胞卫星关键技术与展望

为解决传统航天器设计模式所面临挑战,本文分析了当前航天器设计的技术现状和体系结构不能满足在轨服务要求等突出问题。以“凤凰重生”的设想为代表,提出了面向在轨装配任务的可重构细胞卫星技术,分析了细胞卫星的内涵和结构及接口设计理念。针对面向空间装配的在轨服务所面临的挑战,提出了可重构细胞星的关键技术,包括构型优化、信息融合、多细胞结构的控制和针对精细装配的空间遥操作等。最后针对我国的技术现状,提出了我国开展细胞卫星研究所需解决的问题和未来发展建议。     

高校公共计算机实验室管理与维护探讨

高校公共计算机实验室管理与维护是保证计算机实践教学顺利进行的关键，本文从设备的管理使用、软件的安装维护、硬件故障诊断排除三方面探讨了高校计算机公共实验室的管理。     

一类二元时滞细胞神经网络模型的周期解的存在性

利用时滞差分方程的有关理论及周期解的概念,讨论一类二元离散时滞细胞神经网络模型的周期解的存在性,为大规模网络的研究提供借鉴方法。     

“哥伦布”实验舱简介

“哥伦布”实验舱是继美国“命运”号之后的第二个国际空间站实验舱,它由欧洲10个国家的40家公司共同参与制造,是欧空局最大的国际空间站项目。“哥伦布”实验舱装备有多种实验设备,能开展细胞生物学、外空生物学、流体和材料科学、人类生理学、天文学和基础物理学等多方面的实验,其使用寿命至少10年。     

等离子体鞘层加速模拟质子辐照连续谱 数值仿真研究

质子辐照是导致空间飞行器热控涂层性能衰退的重要原因。目前地面多采用单一能量的粒子替代空间能量连续分布的粒子来开展质子辐照模拟试验。文章提出了在一个脉冲宽度内获得连续能量质子谱的方法,即脉冲偏压等离子体鞘层加速方法。文章利用细胞粒子（particle-in-cell,PIC）模型对在3种脉冲偏压三角波作用下等离子体鞘层加速质子以获得连续能量质子谱的动力学过程进行了数值仿真研究,分析了3种脉冲三角波形对鞘层扩展、离子加速及能量分布的影响。结果表明,电势空间分布和离子运动状态紧密联系,鞘层内离子密度变化受到脉冲波形和离子热扩散运动的综合影响,通过调整脉冲偏压三角波形,能够获得不同的能量-剂量分布,从而为下一步工作打下基础。     

基于STDP奖励调节的类脑面向目标导航

动物具有优秀的空间自主定位导航能力,能够实现在无先验环境信息下的导航定位和导航决策过程。针对智能体在连续空间中面向目标导航问题,研究了一种基于生物学放电时间依赖可塑性学习规则的智能体面向目标导航算法。首先分析了动物面向目标导航决策过程中的生理学机理,在此基础上,构建了基于脉冲神经网络的位置细胞和动作细胞模型。动作细胞间权值采用横向竞争模型更新,通过环境奖励信号的更新,采用放电时间依赖可塑性学习规则对位置细胞前馈动作细胞模型的突触权重进行权值调节,利用动作细胞群的脉冲放电现象表征智能体运动方向和速度。最后,对所提算法进行了仿真实验验证。仿真结果表明,所提出的类脑面向目标导航算法能够在单障碍环境中实现30 ms左右的规划速度,相比传统强化学习Q学习方法平均路径规划长度缩短了15.9%。