有向通信多航天器分布式容错姿态协同控制方法

    公开(公告)号:CN117311375A

    公开(公告)日:2023-12-29

    申请号:CN202311335572.0

    申请日:2023-10-16

    Abstract: 本发明公开了一种有向通信多航天器分布式容错姿态协同控制方法,所述方法包括如下步骤:步骤1、利用四元数建立航天器姿态运动学和动力学,基于有向图描述多航天器系统的通信网络;步骤2、设计分布式高阶滑模观测器,对领航航天器的姿态四元数、角速度以及角加速度进行估计;步骤3、利用分布式高阶滑模观测器输出的估计值,建立姿态跟踪误差模型;步骤4、基于建立的姿态跟踪误差模型,设计自适应容错姿态跟踪控制律。本发明设计的自适应容错姿态跟踪控制律不需要模型的精确参数,对执行机构故障、外界扰动具有较强的鲁棒性,并且保证跟踪误差渐近收敛至0。因此,该自适应容错姿态跟踪控制律同时兼顾了算法的较强的鲁棒性和较高的控制精度。

    一种基于双曲正弦函数的非线性比例-微分姿态跟踪控制方法

    公开(公告)号:CN119975841A

    公开(公告)日:2025-05-13

    申请号:CN202510016928.7

    申请日:2025-01-06

    Abstract: 本发明公开了一种基于双曲正弦函数的非线性比例‑微分姿态跟踪控制方法,首先采用修正罗德里格参数(MRPs)表示刚体航天器姿态跟踪误差的动力学方程;然后利用比例‑微分控制技术,设计基于双曲正弦函数的非线性比例‑微分姿态跟踪控制器,并显式地给出两个稳定平衡点的吸引域的子集;最后,运用图1所示MATLAB中的simulink模块验证设计的控制方法的有效性。采用本发明设计的姿态控制器使闭环刚体航天器姿态跟踪控制系统具有抗退绕性能,对于初始姿态角速度误差为零的情况下,可以保证航天器通过旋转小于180度的角到达任意的期望姿态。

    具有实时性的深度强化学习方法

    公开(公告)号:CN119005288B

    公开(公告)日:2025-05-06

    申请号:CN202411024024.0

    申请日:2024-07-29

    Abstract: 本发明公开了一种具有实时性的深度强化学习方法,所述方法包括如下步骤:步骤1、估计决策动作的均值:Agent从任意给定的初始估计状态开始,利用宽度学习系统从最新的数据中学习状态的增量;步骤2、选择决策动作:在以宽度学习系统的输出向量为均值,以双Q网络的输出值中的较小值为协方差的高斯分布策略上选择决策动作;步骤3、更新状态。本发明鉴于宽度学习系统能够快速训练并具有良好的泛化能力,宽度学习系统通过扩展网络的宽度而非深度,实现了对信息的快速处理与学习,通过线性方程直接求解输出权重,从而提高了深度强化学习方法的实时性。

    具有实时性的深度强化学习方法

    公开(公告)号:CN119005288A

    公开(公告)日:2024-11-22

    申请号:CN202411024024.0

    申请日:2024-07-29

    Abstract: 本发明公开了一种具有实时性的深度强化学习方法,所述方法包括如下步骤:步骤1、估计决策动作的均值:Agent从任意给定的初始估计状态开始,利用宽度学习系统从最新的数据中学习状态的增量;步骤2、选择决策动作:在以宽度学习系统的输出向量为均值,以双Q网络的输出值中的较小值为协方差的高斯分布策略上选择决策动作;步骤3、更新状态。本发明鉴于宽度学习系统能够快速训练并具有良好的泛化能力,宽度学习系统通过扩展网络的宽度而非深度,实现了对信息的快速处理与学习,通过线性方程直接求解输出权重,从而提高了深度强化学习方法的实时性。

Patent Agency Ranking