改进的P型迭代学习控制算法

针对多输入多输出的定常线性系统的迭代学习控制问题, 给出改进的P型迭代学习控制算法, 该算法中利用最新算出的控制分量代替旧的控制分量, 这样可以加快控制输入的收敛速度, 利用该算法进行学习控制, 使系统的实际输出以更快的速度收敛于系统的理想输出.     

无人作战飞机自主控制技术研究

归纳了UAV控制的一般特点,分析了无人作战飞机自主控制的基本需求,设计了实现自主控制技术的创新性MMS/EVMS结构,提出了可变权限自主的结构和实现方法。本研究结果对无人作战飞机自主控制技术的研究具有一定的理论价值和参考意义。     

机器人运动的学习控制

机器人学习控制旨在采用简单的控制器结构和易于实现的控制算法,提高机器人轨迹动态跟踪精度。本文讨论了机器人控制研究中存在的困难,简要回顾了早期学习控制思想的形成和发展,重点介绍了近年来国内外有关机器人学习控制研究的现状。     

语篇分析理论指导下的高级英语教学

高级英语是高校针对英语专业三四年级学生开设的一门学科,目的是训练和提高学生的综合英语技能。将语篇分析理论运用到高级英语课堂教学中来,以具体课文为例,对其标题、结构、衔接和连贯进行分析,对高级英语的课程建设有很大的推动作用。     

黄渤海晴空像元下雾霾识别的机器学习算法

为实时有效地识别和监测雾霾，选取2013年10月4日与10月5日的两景MODIS遥感图像，利用不同类型像元的光谱差异，基于神经网络模型，建立海上雾霾的遥感识别机器学习算法。经检验表明，在晴空条件下，机器学习算法反演精度相对较高，已超过98%，利用算法可以实现对中国近海上空雾霾的监测。     

简论高校实验课程的改革

实验教学是高等院校教学过程的一个重要环节,应建立新型的实验室管理模式,从开放实验室和改革教学方法两个方面出发,阐述了实验课程改革的必要性。     

民航英语特点及翻译策略浅谈

民航英语是专门用途英语的一个分支,民航英语翻译属于应用翻译范畴,应坚持目的性原则。本文从词汇、句法及文体三个层面,分析了民航翻译工作的特点和难点,并结合翻译实践,探讨了翻译方法和翻译策略。     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。     

Coactive design of explainable agent-based task planning and deep reinforcement learning for human-UAVs teamwork

Unmanned Aerial Vehicles (UAVs) are useful in dangerous and dynamic tasks such as search-and-rescue, forest surveillance, and anti-terrorist operations. These tasks can be solved better through the collaboration of multiple UAVs under human supervision. However, it is still difficult for human to monitor, understand, predict and control the behaviors of the UAVs due to the task complexity as well as the black-box machine learning and planning algorithms being used. In this paper, the coactive design method is adopted to analyze the cognitive capabilities required for the tasks and design the interdependencies among the heterogeneous teammates of UAVs or human for coherent collaboration. Then, an agent-based task planner is proposed to automatically decompose a complex task into a sequence of explainable subtasks under constrains of resources, execution time, social rules and costs. Besides, a deep reinforcement learning approach is designed for the UAVs to learn optimal policies of a flocking behavior and a path planner that are easy for the human operator to understand and control. Finally, a mixed-initiative action selection mechanism is used to evaluate the learned policies as well as the human’s decisions. Experimental results demonstrate the effectiveness of the proposed methods.     

基于间接法在线能力评估和自主规划技术研究

针对运载火箭推力故障条件下的自主救援任务,研究了一种基于间接法的在线能力评估和自主规划方法.构建了以入轨点能量最大为最优性能指标的最优控制问题.通过数值方法探讨了在满足轨道倾角和入轨点路径角约束条件下,入轨点速度、远地点和近地点跟入轨高度之间的关系,设计了一种与入轨高度相关的特征量来对入轨能力进行评估.以近地点最高为救...