view in publisher's site

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

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.

کنترل بهینه زمان واقعی از طریق شبکه‌های عصبی عمیق: بررسی مشکلات فرود

تحقیقات اخیر مزایای یادگیری عمیق را نشان داده‌است، مجموعه‌ای از تکنیک‌های یادگیری ماشینی که قادر به یادگیری معماری‌های عمیق برای مدل‌سازی درک و عمل روباتیک هستند. از نظر سیستم هدایت و کنترل فضاپیما، این امر نشان می‌دهد که ممکن است در حال حاضر معماری‌های عمیقی برای هدایت تمام یا بخشی از سیستم تصمیم‌گیری روی عرشه در نظر گرفته شوند. در این مقاله، این ادعا با جزئیات بیشتر مورد بررسی قرار گرفته‌است، آموزش شبکه‌های عصبی مصنوعی عمیق برای نمایش عمل کنترل بهینه در طول فرود دقیق و فرض اطلاعات حالت کامل. برای این منظور می توان شبکه‌های عمیق را آموزش داد و فرورفتگی‌های حاصل، که توسط شبکه‌های آموزش‌دیده هدایت می‌شوند، به شبکه‌های بهینه شبیه‌سازی شده نزدیک هستند. این نتایج امکان طراحی یک سیستم کنترل بهینه همزمان روی عرشه را فراهم می‌کند که قادر به مقابله با مجموعه بزرگی از حالات اولیه ممکن است در حالی که هنوز پاسخ بهینه را تولید می‌کند.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Electrical and Electronic Engineering
  • ترجمه مقاله Electrical and Electronic Engineering
  • مقاله مهندسی برق و الکترونیک
  • ترجمه مقاله مهندسی برق و الکترونیک
  • مقاله Applied Mathematics
  • ترجمه مقاله Applied Mathematics
  • مقاله ریاضیات کاربردی
  • ترجمه مقاله ریاضیات کاربردی
  • مقاله Control and Systems Engineering
  • ترجمه مقاله Control and Systems Engineering
  • مقاله مهندسی کنترل و سیستم‌ها
  • ترجمه مقاله مهندسی کنترل و سیستم‌ها
  • مقاله Aerospace Engineering
  • ترجمه مقاله Aerospace Engineering
  • مقاله مهندسی هوافضا
  • ترجمه مقاله مهندسی هوافضا
  • مقاله Space and Planetary Science
  • ترجمه مقاله Space and Planetary Science
  • مقاله علوم فضایی و سیاره‌ای
  • ترجمه مقاله علوم فضایی و سیاره‌ای
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.