10.16708/j.cnki.1000-758X.2019.0003
基于深度学习的航天器组合体惯性参数在轨智能辨识
针对在轨服务过程形成新组合体的动力学参数未知的问题,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的智能参数辨识算法,实现在外力作用下,线动量和角动量不守恒条件下的航天器组合体多参数辨识.利用卷积神经网络权值共享的特点,设计4层卷积神经网络,通过短时间内对大量特定存储形式的状态数据的训练,实现航天器组合体多参数快速高精度辨识.利用数学仿真试验对算法的可行性进行验证,结果表明:在24 s内,质量与质心位置收敛;1190 s内,惯量参数收敛,辨识精度在3%以内.说明所提方法在外界随机干扰力和力矩影响下能准确快速辨识出航天器组合体质量、质心位置和惯量矩阵.
深度学习、组合航天器、惯性参数、在轨辨识、卷积神经网络
39
V44(航天仪表、航天器设备、航天器制导与控制)
空间智能控制技术重点实验室开放基金资助项目ZDSYS-2017-01,KGJZDSYS-2018-07
2019-06-03(万方平台首次上网日期,不代表论文的发表时间)
共12页
1-12