-
公开(公告)号：CN112001120B
公开(公告)日：2022-03-01
申请号：CN202010857495.5
申请日：2020-08-24
Applicant: 哈尔滨工业大学
Abstract: 一种基于强化学习的航天器对多拦截器自主规避机动方法，它属于反拦截技术领域。本发明解决了现有航天器程序式机动对多拦截器规避成功率低的问题。本发明提供一种不受航天器质量、材质限制的基于深度神经网络的自主规避机动方法，由两个部分组成，分别为离线训练系统和在线决策网络，其对航天器自身计算资源使用较少，具备实时决策能力，提升了航天器对多拦截器的规避成功率。当航天器采用本发明所述自主规避机动方法时规避机动平均成功率为49％，规避成功率提高了29％。该方法能够有效降低规避过程中发动机开关时间，使用能量更为节省。本发明可以应用于航天器对多拦截器的自主规避。
-
公开(公告)号：CN105975651A
公开(公告)日：2016-09-28
申请号：CN201610224896.0
申请日：2016-04-12
Applicant: 哈尔滨工业大学
CPC classification number: G06F17/5086 , G06N3/126
Abstract: 基于遗传粒子群多学科设计优化算法的导弹参数设计方法，涉及导弹参数设计方法。本发明为了解决现有的基于智能优化算法的导弹参数设计方法不适用于多学科下设计参数较多且存在变量耦合现象的情况。本发明选取发动机喉径、发动机燃烧面面积、发动机装药肉厚、导弹外径、发动机比冲、发动机质量、燃料质量、弹翼根弦长、尾翼根梢长、尾翼梢弦长作为设计参数：然后利用遗传算法对标准粒子群算法中的三个控制参数w、c1、c2和设计参数进行优选，在优选的过程中针对粒子群算法进行优化时将遗传思想引入粒子群位置更新过程。本发明适用于导弹参数设计领域。
-
公开(公告)号：CN112001120A
公开(公告)日：2020-11-27
申请号：CN202010857495.5
申请日：2020-08-24
Applicant: 哈尔滨工业大学
Abstract: 一种基于强化学习的航天器对多拦截器自主规避机动方法，它属于反拦截技术领域。本发明解决了现有航天器程序式机动对多拦截器规避成功率低的问题。本发明提供一种不受航天器质量、材质限制的基于深度神经网络的自主规避机动方法，由两个部分组成，分别为离线训练系统和在线决策网络，其对航天器自身计算资源使用较少，具备实时决策能力，提升了航天器对多拦截器的规避成功率。当航天器采用本发明所述自主规避机动方法时规避机动平均成功率为49％，规避成功率提高了29％。该方法能够有效降低规避过程中发动机开关时间，使用能量更为节省。本发明可以应用于航天器对多拦截器的自主规避。
-
公开(公告)号：CN105975651B
公开(公告)日：2018-09-07
申请号：CN201610224896.0
申请日：2016-04-12
Applicant: 哈尔滨工业大学
Abstract: 基于遗传粒子群多学科设计优化算法的导弹参数设计方法，涉及导弹参数设计方法。本发明为了解决现有的基于智能优化算法的导弹参数设计方法不适用于多学科下设计参数较多且存在变量耦合现象的情况。本发明选取发动机喉径、发动机燃烧面面积、发动机装药肉厚、导弹外径、发动机比冲、发动机质量、燃料质量、弹翼根弦长、尾翼根梢长、尾翼梢弦长作为设计参数：然后利用遗传算法对标准粒子群算法中的三个控制参数w、c1、c2和设计参数进行优选，在优选的过程中针对粒子群算法进行优化时将遗传思想引入粒子群位置更新过程。本发明适用于导弹参数设计领域。
-
-
-
Search Results
4
records
(took 0.019 seconds)
