-
题名不完全信息条件下的在轨服务轨迹规划方法
- 1
-
-
作者
周明泽
刘天喜
林福良
张清芳
王盈辉
-
机构
哈尔滨工业大学航天学院
微小型航天器快速设计与智能集群全国重点实验室
北京控制与电子技术研究所信息系统工程全国重点实验室
-
出处
《宇航学报》
北大核心
2025年第8期1543-1554,共12页
-
文摘
针对在轨服务任务中存在参数不确定性的问题,提出了一种基于神经网络动态调整规划周期与短时重复周期诱导式优化的轨迹规划方法。通过神经网络对时间信息进行实时学习与预测,动态调整轨迹规划的周期,以平衡计算效率与规划精度。结合滚动时域优化与异步优化策略,在局部时间窗口内重复修正轨迹参数,通过高频次短时局部优化抑制累积误差,确保航天器在复杂空间环境中的稳定运行和任务的成功执行。仿真结果表明,所提方法在存在不完全信息的情况下,能够更有效地控制航天器的轨迹,使其在复杂空间环境中保持稳定。蒙特卡洛仿真结果表明,所提方法的成功率为81.34%;在大部分样本中,算法能够处理对应的不完全信息,解决轨迹规划问题,展现出较高的可靠性和鲁棒性。
-
关键词
不完全信息
在轨服务
轨迹规划
神经网络
滚动时域优化
-
Keywords
Incomplete information
On-orbit servicing
Trajectory planning
Neural network
Receding horizon optimization
-
分类号
V529.1
[航空宇航科学与技术—人机与环境工程]
-
-
题名融合动态注意力的零样本与少样本遥感目标匹配
- 2
-
-
作者
赖平
朱洪椿
王盈辉
赵雨凡
王媛湲
-
机构
电子科技大学计算机科学与工程学院
北京控制与电子技术研究所信息系统工程全国重点实验室
-
出处
《指挥与控制学报》
北大核心
2025年第3期292-302,共11页
-
文摘
针对遥感图像中高价值军事目标在开放环境下的识别与匹配挑战,提出一种结合动态注意力机制与零/少样本学习的通用识别框架。引入基于动态注意力机制的改进方法,通过调整注意力窗口大小,更高效捕捉多尺度目标特征。面向军事监测中对高价值目标的识别需求,分别构建基于特征检索的零样本学习框架与原型学习驱动的少样本学习框架,显著提升开放域条件下的高价值遥感目标的匹配能力。实验结果表明,所提方法在遥感目标识别任务中的检测正确率和平均F1分数达到90.54%和47.97%。开放域目标匹配算法在零样本场景下,Rank-1准确率可达55.18%;在少样本场景下,算法正确率可达66.22%。
-
关键词
遥感图像
高价值目标
动态注意力机制
目标识别
开放域目标匹配
零样本学习
少样本学习
-
Keywords
remote sensing images
high-value target
dynamic attention mechanism
target recognition
open-domain target matching
zero-shot learning
few-shot learning
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
