一种航天器人工智能模型训练方法与系统

    公开(公告)号:CN115293033A

    公开(公告)日:2022-11-04

    申请号:CN202210882083.6

    申请日:2022-07-26

    Abstract: 本发明提出了一种航天器人工智能模型训练方法与系统,基于现有自主研发的航天器仿真平台SpaceSim平台,开发了一款通用化的航天器攻防对抗、博弈的智能技术研发和应用的平台SpaceSimGYM;在对抗时间固定的近地圆轨道上,进行红方可见光侦察卫星观测设置;同时设置红方可见光侦察卫星动作;设计奖励回报函数以鼓励智能体完成轨道目标拦截,实时状态更新并设置终止条件:本发明本发明支持模拟多个智能体之间的对抗与合作过程,且能够支持多类型任务,实现了在连续推力下基于强化学习的与空间非合作目标的最优拦截策略,在支持使用可视化平台构建航天器对抗场景的同时,做到了场景的便捷性。

    一种飞行器控制系统元梯度强化学习设计方法

    公开(公告)号:CN117369268A

    公开(公告)日:2024-01-09

    申请号:CN202311441930.6

    申请日:2023-11-01

    Abstract: 一种飞行器控制系统元梯度强化学习设计方法,属于飞行器控制技术领域。本发明所述方法步骤如下:步骤1:构建飞行器姿态动力学与运动学模型,与姿态指令作差形成姿态控制误差模型;步骤2:对于飞行器俯仰、偏航和滚转三个通道,分别设计自抗扰控制律,并定义自抗扰控制律中待设计的参数;步骤3:定义状态量、动作量与回报函数,设定回报函数中待调节的系数值,并采用DDPG强化学习方法调节自抗扰控制律中参数;步骤4:采用数值微分近似求解元梯度,优化设计回报函数的系数,使得采用步骤3强化学习后,最终获得的回报函数最大化,待回报函数优化设计完成后,再进行DDPG强化学习,获得自抗扰控制律中参数。本发明用于飞行器控制系统强化学习设计。

    一种再入滑翔飞行器最优超螺旋滑模控制方法

    公开(公告)号:CN117492478A

    公开(公告)日:2024-02-02

    申请号:CN202311496956.0

    申请日:2023-11-10

    Abstract: 一种再入滑翔飞行器最优超螺旋滑模控制方法,属于飞行器控制技术领域。方法如下;S1:构建姿态控制误差模型;S2:构建线性滑模变量,并定义与线性滑模变量相关的性能指标函数;S3:基于线性滑模变量与性能指标函数获得再入滑翔飞行器的控制量。本发明在采用具备强抗扰能力的超螺旋控制律保证飞行稳定的前提下,定义可考虑全程控制偏差与控制能量消耗的性能指标函数,并采用Actor‑Critic在线迭代求解的方式,获得最优控制量,可大幅降低再入滑翔飞行过程中的累积控制误差,并优化控制所需能量。

    一种双侧可摆扫超宽覆盖SAR卫星系统、扫描方法和装置

    公开(公告)号:CN116002069A

    公开(公告)日:2023-04-25

    申请号:CN202211603445.X

    申请日:2022-12-13

    Abstract: 一种双侧可摆扫超宽覆盖SAR卫星系统、扫描方法和装置,涉及航天器设计领域。本发明解决了传统星载SAR难以实现高分宽幅成像的问题。本发明解决了现有的SAR卫星方案大多只安装单个SAR天线,通过卫星平台的姿态机动扩展视场。并且由于分辨率和幅宽两个指标之间天然存在着矛盾,传统星载SAR难以实现高分宽幅成像的问题。所述系统包括:卫星、旋转机构和两个SAR天线;所述两个SAR天线通过旋转机构呈轴对称分布在卫星两侧。所述方法基于上述所述的一种双侧可摆扫超宽覆盖SAR卫星系统实现,包括:将扫描区域划分为距离向N×方位向M个子条带;SAR天线根据划分的M个子条进行扫描,并进行拼接。本发明应用于卫星监测领域。

Patent Agency Ranking