-
公开(公告)号：CN104501835B
公开(公告)日：2018-02-09
申请号：CN201410783930.9
申请日：2014-12-16
Applicant: 北京控制工程研究所
IPC: G01C25/00
Abstract: 一种面向空间应用异构IMU初始对准的地面试验系统及方法，将多套不同体制的异构IMU同时安装在三轴转台上，驱动转台实现IMU所在飞行器的机动过程，使用转台框架角、转台相对于天东北地理坐标系的姿态，天东北地理坐标系相对于瞬时凝固惯性系的姿态，由远程终端计算出飞行器的惯性姿态。在对GNC控制器完成校时后，将惯性姿态实时发送给GNC控制器。GNC控制器采集IMU的输出数据，同时获取惯性姿态数据，运行星上对准程序，进行对准计算，保证GNC控制器获得的数据与实际在轨飞行过程一致。使用外部光学精瞄标定子系统获得对准参数真值，评估星上系统的对准结果。本发明模拟对准过程的真实性高，可适应对多种对准方法的地面试验，工程实现容易。
-
公开(公告)号：CN111814823B
公开(公告)日：2023-08-15
申请号：CN202010457152.X
申请日：2020-05-26
Applicant: 北京控制工程研究所
IPC: G06V10/774 , G06V10/82 , G06N3/0455 , G06N20/00
Abstract: 本发明涉及一种基于场景模板生成的迁移学习方法，包括设计场景模板、构建场景模板、训练模板生成网络及基于场景模板迁移策略网络。通过场景模板的概念建立了不同场景的统一模板，构建了不同场景之间的共同特征，通过共同特征建立了不同场景之间的联系，从而实现通过强化学习得到的策略网络在差异较大的环境之间的迁移。
-
公开(公告)号：CN111844034B
公开(公告)日：2022-03-04
申请号：CN202010693535.7
申请日：2020-07-17
Applicant: 北京控制工程研究所
IPC: B25J9/16
Abstract: 基于深度强化学习的端到端在轨自主加注控制系统及方法，包括基于深度强化学习的端到端在轨加注控制系统和神经网络结构；控制系统包括：基于深度神经网络的特征提取系统、基于深度强化学习的自学习轨迹规划系统和机械臂关节控制系统；神经网络结构包括：基于深度神经网络的特征提取系统网络和基于深度强化学习的自学习轨迹规划系统网络；特征提取系统网络主要由深度卷积神经网络组成；轨迹规划系统网络由策略网络和评价网络构成；整个系统在虚拟环境下利用深度强化学习的基本方法进行训练，且可基于特征迁移至真实的物理环境下。本发明不但解决了困扰当前空间操作的环境的非结构化、遥操作的大时延等难题，并且具有实际的工程应用价值。
-
公开(公告)号：CN101794527B
公开(公告)日：2011-06-15
申请号：CN200910243276.1
申请日：2009-12-30
Applicant: 北京控制工程研究所
IPC: G09B19/16
Abstract: 人控交会对接半物理仿真试验系统，由试验总控单元、三自由度姿态转台、六自由度姿态位置转台、动力学及转台控制单元、人控电视摄像机、人控电视摄像机靶标、激光雷达、激光雷达合作目标、人控指令单元、人控位置手柄、人控姿态手柄、被测人控交会对接控制单元和人控电视摄像机图像显示器等组成，能够对人控交会对接的控制律和相关操作过程进行大量、多方位的试验验证。同数学仿真相比，该系统可使被测人控交会对接控制律和相关操作过程得到更真实有效的验证，而与全实物仿真系统相比又具有研制费用低、简单易行等优点。
-
公开(公告)号：CN111814823A
公开(公告)日：2020-10-23
申请号：CN202010457152.X
申请日：2020-05-26
Applicant: 北京控制工程研究所
Abstract: 本发明涉及一种基于场景模板生成的迁移学习方法，包括设计场景模板、构建场景模板、训练模板生成网络及基于场景模板迁移策略网络。通过场景模板的概念建立了不同场景的统一模板，构建了不同场景之间的共同特征，通过共同特征建立了不同场景之间的联系，从而实现通过强化学习得到的策略网络在差异较大的环境之间的迁移。
-
Patent Agency Ranking
公开(公告)号：CN111942621B
公开(公告)日：2022-03-04
申请号：CN202010693554.X
申请日：2020-07-17
Applicant: 北京控制工程研究所
Abstract: 一种基于多任务学习的在轨自主加注控制方法及系统，属于空间技术领域。本发明方法包括：构建任务表达网络G和任务执行网络H，在在轨加注虚拟环境中使用强化学习方法训练与微调任务表达网络G和任务执行网络H，直到两个网络的参数收敛，形成多任务策略网络F；在一种基于多任务学习的在轨自主加注控制系统中，将真实机械臂运动状态复位，使用多任务策略网络F对真实机械臂进行控制，使真实机械臂执行相应动作，完成在轨加注操作任务。针对多种操作任务独立学习引起的自主性不足问题，将深度强化学习和多任务学习方法相结合，实现了多种操作任务策略网络的统一表达和学习，相比于人工设计任务状态判断与切换，提升了自主性与鲁棒性。
-
公开(公告)号：CN111942621A
公开(公告)日：2020-11-17
申请号：CN202010693554.X
申请日：2020-07-17
Applicant: 北京控制工程研究所
Abstract: 一种基于多任务学习的在轨自主加注控制方法及系统，属于空间技术领域。本发明方法包括：构建任务表达网络G和任务执行网络H，在在轨加注虚拟环境中使用强化学习方法训练与微调任务表达网络G和任务执行网络H，直到两个网络的参数收敛，形成多任务策略网络F；在一种基于多任务学习的在轨自主加注控制系统中，将真实机械臂运动状态复位，使用多任务策略网络F对真实机械臂进行控制，使真实机械臂执行相应动作，完成在轨加注操作任务。针对多种操作任务独立学习引起的自主性不足问题，将深度强化学习和多任务学习方法相结合，实现了多种操作任务策略网络的统一表达和学习，相比于人工设计任务状态判断与切换，提升了自主性与鲁棒性。
-
公开(公告)号：CN101794527A
公开(公告)日：2010-08-04
申请号：CN200910243276.1
申请日：2009-12-30
Applicant: 北京控制工程研究所
IPC: G09B19/16
Abstract: 人控交会对接半物理仿真试验系统，由试验总控单元、三自由度姿态转台、六自由度姿态位置转台、动力学及转台控制单元、人控电视摄像机、人控电视摄像机靶标、激光雷达、激光雷达合作目标、人控指令单元、人控位置手柄、人控姿态手柄、被测人控交会对接控制单元和人控电视摄像机图像显示器等组成，能够对人控交会对接的控制律和相关操作过程进行大量、多方位的试验验证。同数学仿真相比，该系统可使被测人控交会对接控制律和相关操作过程得到更真实有效的验证，而与全实物仿真系统相比又具有研制费用低、简单易行等优点。
-
公开(公告)号：CN111844034A
公开(公告)日：2020-10-30
申请号：CN202010693535.7
申请日：2020-07-17
Applicant: 北京控制工程研究所
IPC: B25J9/16
Abstract: 基于深度强化学习的端到端在轨自主加注控制系统及方法，包括基于深度强化学习的端到端在轨加注控制系统和神经网络结构；控制系统包括：基于深度神经网络的特征提取系统、基于深度强化学习的自学习轨迹规划系统和机械臂关节控制系统；神经网络结构包括：基于深度神经网络的特征提取系统网络和基于深度强化学习的自学习轨迹规划系统网络；特征提取系统网络主要由深度卷积神经网络组成；轨迹规划系统网络由策略网络和评价网络构成；整个系统在虚拟环境下利用深度强化学习的基本方法进行训练，且可基于特征迁移至真实的物理环境下。本发明不但解决了困扰当前空间操作的环境的非结构化、遥操作的大时延等难题，并且具有实际的工程应用价值。
-
公开(公告)号：CN104501835A
公开(公告)日：2015-04-08
申请号：CN201410783930.9
申请日：2014-12-16
Applicant: 北京控制工程研究所
IPC: G01C25/00
CPC classification number: G01C25/005
Abstract: 一种面向空间应用异构IMU初始对准的地面试验系统及方法，将多套不同体制的异构IMU同时安装在三轴转台上，驱动转台实现IMU所在飞行器的机动过程，使用转台框架角、转台相对于天东北地理坐标系的姿态，天东北地理坐标系相对于瞬时凝固惯性系的姿态，由远程终端计算出飞行器的惯性姿态。在对GNC控制器完成校时后，将惯性姿态实时发送给GNC控制器。GNC控制器采集IMU的输出数据，同时获取惯性姿态数据，运行星上对准程序，进行对准计算，保证GNC控制器获得的数据与实际在轨飞行过程一致。使用外部光学精瞄标定子系统获得对准参数真值，评估星上系统的对准结果。本发明模拟对准过程的真实性高，可适应对多种对准方法的地面试验，工程实现容易。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
