针对现有基于深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法的再入制导方法计算精度较差,对强扰动条件适应性不足等问题,在DDPG算法训练框架的基础上,提出一种基于长短期记忆-DDPG(long short term memory-DDPG,LST...针对现有基于深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法的再入制导方法计算精度较差,对强扰动条件适应性不足等问题,在DDPG算法训练框架的基础上,提出一种基于长短期记忆-DDPG(long short term memory-DDPG,LSTM-DDPG)的再入制导方法。该方法采用纵、侧向制导解耦设计思想,在纵向制导方面,首先针对再入制导问题构建强化学习所需的状态、动作空间;其次,确定决策点和制导周期内的指令计算策略,并设计考虑综合性能的奖励函数;然后,引入LSTM网络构建强化学习训练网络,进而通过在线更新策略提升算法的多任务适用性;侧向制导则采用基于横程误差的动态倾侧反转方法,获得倾侧角符号。以美国超音速通用飞行器(common aero vehicle-hypersonic,CAV-H)再入滑翔为例进行仿真,结果表明:与传统数值预测-校正方法相比,所提制导方法具有相当的终端精度和更高的计算效率优势;与现有基于DDPG算法的再入制导方法相比,所提制导方法具有相当的计算效率以及更高的终端精度和鲁棒性。展开更多
为解决因地下水相关因素未考虑充分而导致的模型对地下水位预测不准确的问题,提出观测井的空间位置距离聚类方法、水文地质属性聚类方法和距离-属性混合聚类方法,验证观测井间连通性在地下水位预测中的重要性。设计4种模型并分别对济南...为解决因地下水相关因素未考虑充分而导致的模型对地下水位预测不准确的问题,提出观测井的空间位置距离聚类方法、水文地质属性聚类方法和距离-属性混合聚类方法,验证观测井间连通性在地下水位预测中的重要性。设计4种模型并分别对济南岩溶水域的地下水位进行模拟和预测并与实际观测值对比。预测结果表明:考虑岩溶含水层连通性特征的联合模型ConvLSTM(convolution-long short term memory)要优于传统的长短期记忆网络模型(long short term memory, LSTM)。其中考虑距离-属性混合聚类结果的同类别井(连通性强)的模型(mix-multivariate-convolution-long short term memory, M-MV-ConvLSTM)预测结果精度最高、误差最小,其平均均方根误差约为0.457,纳什效率系数约为0.216,预测准确度高于传统的LSTM预测模型。研究成果可为岩溶水域的实时地下水位预测提供借鉴。展开更多
文摘针对现有基于深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法的再入制导方法计算精度较差,对强扰动条件适应性不足等问题,在DDPG算法训练框架的基础上,提出一种基于长短期记忆-DDPG(long short term memory-DDPG,LSTM-DDPG)的再入制导方法。该方法采用纵、侧向制导解耦设计思想,在纵向制导方面,首先针对再入制导问题构建强化学习所需的状态、动作空间;其次,确定决策点和制导周期内的指令计算策略,并设计考虑综合性能的奖励函数;然后,引入LSTM网络构建强化学习训练网络,进而通过在线更新策略提升算法的多任务适用性;侧向制导则采用基于横程误差的动态倾侧反转方法,获得倾侧角符号。以美国超音速通用飞行器(common aero vehicle-hypersonic,CAV-H)再入滑翔为例进行仿真,结果表明:与传统数值预测-校正方法相比,所提制导方法具有相当的终端精度和更高的计算效率优势;与现有基于DDPG算法的再入制导方法相比,所提制导方法具有相当的计算效率以及更高的终端精度和鲁棒性。
文摘为解决因地下水相关因素未考虑充分而导致的模型对地下水位预测不准确的问题,提出观测井的空间位置距离聚类方法、水文地质属性聚类方法和距离-属性混合聚类方法,验证观测井间连通性在地下水位预测中的重要性。设计4种模型并分别对济南岩溶水域的地下水位进行模拟和预测并与实际观测值对比。预测结果表明:考虑岩溶含水层连通性特征的联合模型ConvLSTM(convolution-long short term memory)要优于传统的长短期记忆网络模型(long short term memory, LSTM)。其中考虑距离-属性混合聚类结果的同类别井(连通性强)的模型(mix-multivariate-convolution-long short term memory, M-MV-ConvLSTM)预测结果精度最高、误差最小,其平均均方根误差约为0.457,纳什效率系数约为0.216,预测准确度高于传统的LSTM预测模型。研究成果可为岩溶水域的实时地下水位预测提供借鉴。
