一种基于深度强化学习的非合作目标捕获方法

    公开(公告)号:CN117464687A

    公开(公告)日:2024-01-30

    申请号:CN202311655229.4

    申请日:2023-12-05

    Abstract: 一种基于深度强化学习的非合作目标捕获方法,它属于空间机械臂控制与非合作目标捕获领域。本发明解决了当同时要求目标捕获和能量、时间损失性能优化时,现有深度强化学习算法训练的时间成本高以及目标捕获的成功率低的问题。本发明针对空间机械臂非合作目标抓捕这类复杂高维控制问题,提出了预训练加主任务训练的方法,在预训练过程中完成目标抓捕任务,并在主任务训练过程中对抓捕时的待优化目标函数进行优化,解决了在训练过程中同时进行抓捕和目标函数优化时存在的训练成功率低,算法难以收敛的问题,而且训练时间成本较低、利用训练好的控制策略进行目标捕获的成功率高。本发明方法可以应用于非合作目标捕获。

    一种基于视觉测量的航天器短弧定轨方法

    公开(公告)号:CN117349571A

    公开(公告)日:2024-01-05

    申请号:CN202311298456.6

    申请日:2023-10-09

    Abstract: 一种基于视觉测量的航天器短弧定轨方法,本发明涉及基于视觉测量的航天器短弧定轨方法。本发明的目的是为了解决现有的短弧定轨方法受观测时间长短影响较大的问题。过程为:1:获取观测航天器的轨道参数以及相机的相关参数;2:确定捕获目标航天器图像的时间戳间隔;3:获取目标航天器图像所在的像素进行处理,获得处理后图像;4:得到灰度叠加后图像;5:解算相机坐标系下目标航天器相对观测航天器的方向向量;6:解算地心惯性坐标系下目标航天器相对观测航天器的方向向量;7:将观测航天器的位置向量序列与地心惯性坐标系下目标航天器方向向量序列作为输入,优化目标航天器的轨道六根数。本发明涉及航天器轨道参数估计领域。

    一种基于Radau伪谱的机器人关节空间自适应轨迹规划方法

    公开(公告)号:CN111975777A

    公开(公告)日:2020-11-24

    申请号:CN202010850123.X

    申请日:2020-08-21

    Abstract: 一种基于Radau伪谱的机器人关节空间自适应轨迹规划方法,属于机器人控制技术领域。本发明为了解决轨迹规划中离散计算精度与计算量之间的矛盾问题。本发明基于机器人动力学模型的基本形式,根据边界任务要求设置性能函,然后采用LGR节点作为连续问题离散化的配点方式,LGR配点散落在半开区间[-1,1)或者(-1,1]内,包含了一个边界点,通过对时间区间重新划分并调整子区间内节点个数,直到求解精度满足要求或达到最大迭代次数。这种方法效率更高,可以节约大量的计算量,节省计算时间,提高系统实时性。本发明主要用于机器人关节空间自适应轨迹规划。

    一种基于视觉测量的航天器短弧定轨方法

    公开(公告)号:CN117349571B

    公开(公告)日:2025-01-28

    申请号:CN202311298456.6

    申请日:2023-10-09

    Abstract: 一种基于视觉测量的航天器短弧定轨方法,本发明涉及基于视觉测量的航天器短弧定轨方法。本发明的目的是为了解决现有的短弧定轨方法受观测时间长短影响较大的问题。过程为:1:获取观测航天器的轨道参数以及相机的相关参数;2:确定捕获目标航天器图像的时间戳间隔;3:获取目标航天器图像所在的像素进行处理,获得处理后图像;4:得到灰度叠加后图像;5:解算相机坐标系下目标航天器相对观测航天器的方向向量;6:解算地心惯性坐标系下目标航天器相对观测航天器的方向向量;7:将观测航天器的位置向量序列与地心惯性坐标系下目标航天器方向向量序列作为输入,优化目标航天器的轨道六根数。本发明涉及航天器轨道参数估计领域。

    一种基于深度强化学习的非合作目标捕获方法

    公开(公告)号:CN117464687B

    公开(公告)日:2024-11-15

    申请号:CN202311655229.4

    申请日:2023-12-05

    Abstract: 一种基于深度强化学习的非合作目标捕获方法,它属于空间机械臂控制与非合作目标捕获领域。本发明解决了当同时要求目标捕获和能量、时间损失性能优化时,现有深度强化学习算法训练的时间成本高以及目标捕获的成功率低的问题。本发明针对空间机械臂非合作目标抓捕这类复杂高维控制问题,提出了预训练加主任务训练的方法,在预训练过程中完成目标抓捕任务,并在主任务训练过程中对抓捕时的待优化目标函数进行优化,解决了在训练过程中同时进行抓捕和目标函数优化时存在的训练成功率低,算法难以收敛的问题,而且训练时间成本较低、利用训练好的控制策略进行目标捕获的成功率高。本发明方法可以应用于非合作目标捕获。

    一种基于参数自适应学习的在轨手传振动主动抑制方法

    公开(公告)号:CN117555235A

    公开(公告)日:2024-02-13

    申请号:CN202311544716.3

    申请日:2023-11-17

    Abstract: 一种基于参数自适应学习的在轨手传振动主动抑制方法,本发明涉及一种在轨服务过程手传振动的主动抑制方法。本发明为解决现有传统的指令整形振动抑制方法鲁棒性较差,难以克服实际在轨服务过程手传振动动力学模型中可能的干扰和不确定性;以及当外界干扰超出一定范围时,在轨服务过程手传振动动力学模型输出将处于发散状态而失控,将带来极大的危险性的问题。过程为:1:获得在轨服务过程手传振动动力学模型状态方程;2:求解指令整形器的参数;3:获得手传振动受力;4:对手传振动受力进行积分得到新的5:基于计算状态变量,确定在轨服务过程手传振动指令整形各脉冲的幅值构成的行向量。本发明属于航空航天及自动化领域。

    一种基于置信域算法的多维空间轮廓误差估计方法

    公开(公告)号:CN108021095B

    公开(公告)日:2020-01-14

    申请号:CN201711342106.X

    申请日:2017-12-14

    Abstract: 一种基于置信域算法的多维空间轮廓误差估计方法,本发明涉及基于置信域算法的多维空间轮廓误差估计方法。本发明为了解决现有多维空间轮廓误差补偿控制精度低及收敛性受初值影响大的缺点。本发明方法在每次迭代时求取当前迭代点的邻域作为迭代域,并在此邻域得到试探迭代步长,定义评价函数决定该步长的取舍及下一次迭代置信域范围,若该步长满足评价函数要求,则更新当前迭代状态并保持或扩大置信域,否则保持原迭代状态并减小置信域,直至精度满足要求或者迭代次数到达上限时停止迭代。相比于采用牛顿法,本发明方法保证了总体收敛性,减少了导数的求取。本发明用于轮廓跟踪及精密加工技术领域。

    一种基于置信域算法的多维空间轮廓误差估计方法

    公开(公告)号:CN108021095A

    公开(公告)日:2018-05-11

    申请号:CN201711342106.X

    申请日:2017-12-14

    Abstract: 一种基于置信域算法的多维空间轮廓误差估计方法,本发明涉及基于置信域算法的多维空间轮廓误差估计方法。本发明为了解决现有多维空间轮廓误差补偿控制精度低及收敛性受初值影响大的缺点。本发明方法在每次迭代时求取当前迭代点的邻域作为迭代域,并在此邻域得到试探迭代步长,定义评价函数决定该步长的取舍及下一次迭代置信域范围,若该步长满足评价函数要求,则更新当前迭代状态并保持或扩大置信域,否则保持原迭代状态并减小置信域,直至精度满足要求或者迭代次数到达上限时停止迭代。相比于采用牛顿法,本发明方法保证了总体收敛性,减少了导数的求取。本发明用于轮廓跟踪及精密加工技术领域。

    面向全自动贴片机的安全上电控制方法

    公开(公告)号:CN106354126A

    公开(公告)日:2017-01-25

    申请号:CN201611011738.3

    申请日:2016-11-17

    CPC classification number: G05B23/0213 G05B2219/24065

    Abstract: 面向全自动贴片机的安全上电控制方法,涉及安全上电技术领域。它是为了解决可编程控制器对上电顺序进行控制的方法可靠性低的问题。本发明利用全自动贴片机对380V工业电压进行变压,将变压获得的220V两相工频电压进行整流;利用整流后的24V直流电压为安全控制板、运动控制板卡、工控机、Z轴、R轴和传送带电机驱动器供电,使得安全控制板、运动控制板卡和工控机能够开机工作;利用工控机向安全控制板发送READY OUT信号并向安全控制板载入READY信号;当安全控制板接收到READY OUT低电平信号和READY信号时,380V三相工频电压为X轴、Y轴、摆镜、板宽电机驱动器和气泵供电。

Patent Agency Ranking