-
公开(公告)号:CN116382326A
公开(公告)日:2023-07-04
申请号:CN202310125512.X
申请日:2023-02-14
Applicant: 中国科学院自动化研究所
IPC: G05D1/10
Abstract: 本发明涉及飞行器控制技术领域,尤其涉及一种飞行器六自由度控制模型的训练方法和飞行器控制方法。其中,控制模型的训练方法包括,首先获取飞行器在六自由度控制模型下的第一控制参数和飞行器的第一状态信息;然后将第一控制参数和飞行器的自身状态信息输入到初始六自由度控制模型中,得到第二控制参数;根据第二控制参数控制飞行器运行,同时获取飞行器的第二状态信息;最后根据飞行器的第二状态信息计算奖励函数值,根据奖励函数值更新初始六自由度控制模型的模型参数,以得到训练好的六自由度控制模型。基于训练好的六自由度控制模型实现对飞行器的控制,可以提高飞行器的控制精度,同时具备良好的抗干扰性能和鲁棒性。
-
公开(公告)号:CN116805136A
公开(公告)日:2023-09-26
申请号:CN202310626697.2
申请日:2023-05-30
Applicant: 中国科学院自动化研究所
IPC: G06F30/27 , G06Q10/0639 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于多层图网络的异构多智能体评估指标构建方法及装置,方法包括:基于各层网络的节点集合,以及各层网络内每两个节点之间的连边集合,构建异构多智能体的多层图网络模型;基于邻接矩阵,确定各敌方节点的杀伤链数量,并基于各敌方节点的杀伤链数量确定多层图网络模型的鲁棒性评估指标;基于各敌方节点对应各杀伤链构建时间,确定多层图网络模型的时效性评估指标;基于各敌方节点对应各杀伤链上侦查节点的目标检测置信度、数据传输完成度以及打击命中率,确定多层图网络模型的装备网作战能力评估指标。本发明实现多维度多角度准确直观评估多层图网络模型的性能,且能够全面客观评价异构多智能体,有利于提高异构多智能体的能力。
-
公开(公告)号:CN116414141A
公开(公告)日:2023-07-11
申请号:CN202310068735.7
申请日:2023-02-06
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及飞行器控制与决策技术领域,尤其涉及一种基于分层强化学习算法的飞行器决策方法和决策装置。其中,基于分层强化学习算法的飞行器决策方法包括:首先分别获取第一飞行器和目标飞行器在六自由度控制模型下的第一控制量和第二控制量;然后将第一控制量和第二控制量输入到训练好的三自由度控制决策模型中,得到第一飞行器在三自由度控制模型下的第三控制量;在将第三控制量输入到六自由度控制器中,得到第一飞行器在六自由度控制模型下的第四控制量;最后依据第四控制量控制第一飞行器运行,在保证控制的精度基础上,完成第一飞行器飞行决策。
-
公开(公告)号:CN117640222A
公开(公告)日:2024-03-01
申请号:CN202311657785.5
申请日:2023-12-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于复杂网络介数的装备体系网络风险性评估方法及系统,方法包括:基于装备体系网络的复杂分层网络,得到所有有效打击链路集合;基于所有有效打击链路集合,得到各第二节点打击每个第一节点的节点介数;根据第一节点的重要性,得到各第二节点的重要性;根据目标第二节点的重要性,得到装备体系网络的风险系数。本发明设计了第二节点在打击每个第一节点的节点介数;并根据第一节点的重要性不同,对第二节点针对各第一节点计算的节点介数进行加权求和,得到装备体系网络的复杂分层网络的各第二节点的重要性;选取所有第二节点中重要性最高的目标第二节点的重要性值作为装备体系网络的风险系数,提高对装备体系网络的风险评估准确性。
-
-
-