Deep reinforcement learning for six degree-of-freedom planetary landing

This work develops a deep reinforcement learning based approach for Six Degree-of-Freedom (DOF) planetary powered descent and landing. Future Mars missions will require advanced guidance, navigation, and control algorithms for the powered descent phase to target specific surface locations and achieve pinpoint accuracy (landing error ellipse <5 m radius). This requires both a navigation system capable of estimating the lander’s state in real-time and a guidance and control system that can map the estimated lander state to a commanded thrust for each lander engine. In this paper, we present a novel integrated guidance and control algorithm designed by applying the principles of reinforcement learning theory. The latter is used to learn a policy mapping the lander’s estimated state directly to a commanded thrust for each engine, resulting in accurate and almost fuel-optimal trajectories over a realistic deployment ellipse. Specifically, we use proximal policy optimization, a policy gradient method, to learn the policy. Another contribution of this paper is the use of different discount rates for terminal and shaping rewards, which significantly enhances optimization performance. We present simulation results demonstrating the guidance and control system’s performance in a 6-DOF simulation environment and demonstrate robustness to noise and system parameter uncertainty.     

航天器控制系统智能健康管理技术发展综述

健康管理作为智能自主控制亟待突破的关键技术之一,是提升航天器安全可靠稳定运行能力的有效手段。结合人工智能技术的发展趋势,基于前期已建立的新型航天器智能自主控制系统通用架构,详细综述航天器控制系统的智能健康管理技术现状与发展趋势。首先,根据现有航天器设计、研制和在轨的具体情况,梳理出航天器控制系统健康管理技术所面临的挑战;然后,分别从故障预警、故障诊断和寿命评估3个方面,详细阐述基于人工智能的健康管理技术研究现状及其在航天领域的应用情况;最后,提炼出航天器控制系统健康管理技术的发展方向。     

基于多维数据关联的舰载机联合目标判别技术

文章提出了一种基于多层空间侦察数据关联的舰载机联合目标判别技术,介绍了基于最小二乘的位置收敛算法和基于多维度联合的目标判别算法,分析了该技术在满足舰载机电子装备硬件条件下的可实现性。该项技术为舰载机有效利用多源战术情报、实时保障多种行动提供了一种新的思路和技术解决方案。     

人工智能飞行通信员系统方案设计

安全高效的陆空通信是提高飞行安全的重要手段,利用人工智能技术代替飞行机组功能需要综合评 估新系统的功能、性能及系统安全性等因素。针对人工智能飞行员系统的操作过程和机载系统的互操作接口开展设计,给出人工智能飞行通信员系统的工作原理和系统架构,以及硬件实现方案和部分飞行员操作界面,,总结人工智能技术替代飞行通讯员功能的优点。从系统安全性和通信性能两方面分析表明：人工智能飞行通 信员系统的方案可行且性能优于原人工陆空通话系统。     

基于工程图的飞机压延模设计CAD专家系统

基于工程设计ＣＡＤ专家系统特点,建立了ＡＤＤＥＳ专家系统（飞机压延模ＣＡＤ专家系统）。在建立ＤＩＥ编码系统基础上,使用特征编码等方法建立用户模型。系统中机构具有求解部分问题的能力,系统将机构层次地、分布式地组织,综合采用黑板结构、元推理等方法控制系统的问题求解策略,从而解决因知识库庞大而引起的效率低以及多专家系统合作等问题。     

一些空间站活动的智能系统

空间站活动的自主性要求空间系统具有智能。本文就空间站的一些活动,尤其是针对材料生产所需的智能:空间视觉,空间机器人规划,智能敏感器,专家系统等提出初步的设计思想和技术实现途径。并对支持这些智能的空间站计算机系统作一构思。     

自主空战机动决策方法综述

自主空战机动决策是基于数学优化、人工智能等方法,模拟飞行员空战决策,自动生成飞行控制指令的过程。它在空战仿真、飞行员辅助决策和无人战斗机自主飞行等领域广泛运用。根据求解思路的不同,综合论述了两类自主空战机动决策方法:针对基于对策的空战决策方法,阐述了从追逃对策到双目标对策的发展脉络和内在联系,并着重分析了两类重要的双目标对策模型——矩阵对策和影响图对策;针对基于人工智能的空战决策方法,系统论述了基于专家系统的机动决策、基于遗传学习系统的机动决策、基于人工免疫系统的机动决策和基于神经网络的机动决策,明确了各种决策的建模方法、适用条件、改进途径等问题。总结了各个空战机动决策方法的优点及不足,指出了自主空战机动决策的进一步研究思路。     

机器学习在湍流模型构建中的应用进展

借助于高性能计算机和数据共享平台的发展,研究者可以获取大量的高分辨率湍流计算数据。近年来,随着深度神经网络等人工智能技术的发展,数据驱动的机器学习方法也开始应用于湍流模型中不确定度的量化以及模型的改进和构建中。湍流大数据与人工智能相结合是湍流研究的一个新领域。研究者在取得一定成果的同时也面临着诸多困难和挑战,例如模型的泛化能力和鲁棒性等。模型构建过程包含了数据处理、特征选择以及模型框架的选取与优化等诸多方面,这些方面在不同程度上影响模型的性能。本文从机器学习在湍流建模过程中的实现方法和模型的不同作用两方面分析总结了目前主要的研究工作进展,并对这类问题面临的挑战和未来的研究展望进行了阐述。     

辅助工程师设计的知识融合设计方法:卫星舱布局设计(英文)

卫星舱布局设计属工程系统设计问题,为用传统计算方法难以解决的问题,该问题具有三重难度:工程复杂性、计算复杂性和达到工程实用难。卫星布局设计师的成功经验表明,它需要依赖设计师的经验和智慧、借鉴先验知识和辅以"计算"进行设计,并实现人机结合。本文的人机结合方法采用在线人知识、在线计算知识和先验知识(如参考布局施工图)的知识融合方法,并在卫星布局CAD、仿真与评价系统平台上实现,发挥人机各自特长。主要研究:(1)设计知识:包括在线人知识、在线计算知识和先验知识的表达;(2)上述3类知识的广义描述模型及其知识融合方法;(3)人的作用。经以简化的国际通信卫星舱布局设计为例的数值实验验证,表明了本文方法的可行性。     

基于混合人工鱼群算法的传感器网络优化

针对传感器网络节点优化的问题,提出一种混合人工鱼群算法.该算法在人工鱼群算法优化的末段引入模式搜索法,以人工鱼搜索到的最优解作为模式搜索法的初始解,利用模式搜索法的单调搜索特性,将解引向全局极值.新算法保留了人工鱼群算法全局搜索能力强、寻优速度快的特点,使寻优精度得到了提高.仿真实验表明:混合人工鱼群算法能够有效地优化传感器网络节点部署,提高覆盖率.