...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of guidance, control, and dynamics >Real-Time Optimal Control via Deep Neural Networks: Study on Landing Problems
【24h】

Real-Time Optimal Control via Deep Neural Networks: Study on Landing Problems

机译：通过深度神经网络的实时最优控制：着陆问题的研究

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Recent research has shown the benefits of deep learning, a set of machine learning techniques able to learn deep architectures, for modelling robotic perception and action. In terms of a spacecraft navigation and control system, this suggests that deep architectures may be considered now to drive all or part of the onboard decision-making system. In this paper, this claim is investigated in more detail, training deep artificial neural networks to represent the optimal control action during a pinpoint landing and assuming perfect state information. It is found possible to train deep networks for this purpose, and the resulting landings, driven by the trained networks, are close to simulated optimal ones. These results allow for the design of an onboard real-time optimal control system able to cope with large sets of possible initial states while still producing an optimal response.
机译：最近的研究表明，深度学习是一组能够学习深度架构的机器学习技术，可用于对机器人的感知和动作进行建模，其优势在于。就航天器导航和控制系统而言，这表明现在可以考虑采用深层架构来驱动全部或部分机载决策系统。在本文中，将对这一要求进行更详细的研究，训练深层人工神经网络以表示精确着陆期间的最佳控制动作，并假设状态信息为完美。已经发现可以为此目的训练深度网络，并且由训练后的网络驱动的最终着陆接近模拟的最佳着陆。这些结果允许设计一种车载实时最佳控制系统，该系统能够处理大量可能的初始状态，同时仍能产生最佳响应。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号