-
公开(公告)号:CN115374933A
公开(公告)日:2022-11-22
申请号:CN202210729574.7
申请日:2022-06-24
Applicant: 北京理工大学
IPC: G06N3/08
Abstract: 本发明涉及一种多节点探测器着陆行为智能规划及决策方法,属于航天器控制和人工智能技术领域。本发明利用多智能体强化学习来端到端地完成探测器着陆行为规划决策,采用“集中训练分布执行”的训练范式,智能体以局部观测作为Actor网络的输入,以全局观测作为Critic网络的输入,达到了智能体之间信息交互的目的。同时,本发明将基于模型的元学习方法融入本发明方法中,在Actor和Critic网络中嵌入GRU模块实现历史经验的存储与利用,使智能体在面对不确定环境时具有更好的鲁棒性,最终使获得的策略能够指导探测器各节点应对不确知的小行星环境,显著降低了探测器着陆时发生反弹、滚转、倾覆的概率。
-
公开(公告)号:CN116822127A
公开(公告)日:2023-09-29
申请号:CN202310301824.1
申请日:2023-03-27
Applicant: 北京理工大学
IPC: G06F30/20 , G06F111/04 , G06F119/12
Abstract: 本发明涉及一种多节点探测器柔性附着重规划方法,属于航空航天与人工智能交叉技术领域。针对小行星探测活动中,由于对小行星环境认知不足、探测器各节点及节点子系统内部可能出现故障等因素,执行起初规划的任务序列可能会产生的系统约束冲突问题,面向多节点探测器柔性附着任务需求,本方法建立了多节点探测器柔性着陆重规划问题模型,创建了重规划的分层约束图模型,提出了基于分层约束图的分层时延满足验证机制和分层邻域重规划搜索算法的重规划方法,从而满足多节点探测器柔性着陆对自主重规划的需求。本方法为多节点探测器成功着陆以及后续小行星资源采集、行星漫步等进一步探索任务奠定了技术基础。
-