-
题名基于分层深度强化学习的无人机混合路径规划
- 1
-
-
作者
吕超
李慕宸
欧家骏
-
机构
北京航空航天大学航空科学与工程学院
战略支援部队航天系统部装备部装备项目管理中心
北京航空航天大学无人系统研究院
-
出处
《北京航空航天大学学报》
北大核心
2025年第10期3451-3459,共9页
-
文摘
无人机应用中需要在非净空环境中实现自主安全飞行,其中障碍物存在部分已知、部分未知的特点,需在基于已知障碍物进行全局路径规划的同时,开展针对未知障碍物的自主避障。为实现障碍物半已知环境下的安全飞行,提出基于分层深度强化学习的混合路径规划方法。该方法将自主感知避障和趋向全局路径规划航迹点飞行2个无人机自主飞行中需要执行的子任务,利用分层模型有机结合,实现功能的有效复合。分层深度强化学习模型中,避障和导航2个子任务模型可分别单独训练,并通过2个训练后的模型对系统状态进行抽象,在此基础上训练顶层模型,实现对2个任务输出的有效调度。试验表明:所提分层深度强化学习方法可在趋向全局路径规划航迹点飞行和自主感知避障的子任务控制器基础上,实现功能扩展,完成更为复杂的任务,可在降低模型训练难度的同时,保持模型任务执行能力。
-
关键词
无人机
路径规划
自主避障
深度强化学习
分层模型
-
Keywords
UAV
path planning
autonomous obstacle avoidance
deep reinforcement learning
hierarchical model
-
分类号
V219
[航空宇航科学与技术—航空宇航推进理论与工程]
-
-
题名通道型偏振光谱仪望远镜组偏振效应分析与优化
被引量：2
- 2
-
-
作者
李作恩
鞠学平
胡春晖
颜昌翔
赵雪梅
杨斌
-
机构
中国科学院长春光学精密机械与物理研究所
中国科学院大学
中国科学院大学材料与光电研究中心
航天系统部装备部装备项目管理中心
长光禹辰信息技术与装备(青岛)有限公司
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2023年第12期1728-1735,共8页
-
基金
国家自然科学基金青年科学基金(No.62105331)。
-
文摘
为了满足高精度偏振探测要求,通道型偏振光谱仪在设计时需要考虑望远镜组偏振效应的影响,并对其进行相应的分析和优化。首先,分析望远镜组偏振效应的影响因素,采用坐标变换和穆勒矩阵连乘法建立了考虑膜系偏振效应的望远镜组穆勒矩阵模型,并带入通道型偏振光谱仪偏振解调模型。接着,通过同时控制S光和P光的透过率和相位延迟,设计相应的低偏振效应膜系。最后,运用偏振光线追迹的方法对镀有不同膜系的望远镜组进行偏振效应仿真。仿真结果表明,在580 nm和750 nm波长处,低偏振效应膜系与高偏振效应膜系的偏振探测精度变化不明显。而在420 nm波长处,低偏振效应膜系相较于常用膜系的边缘视场偏振探测精度提高了3.22%。低偏振效应膜系可以有效降低通道型偏振光谱仪望远镜组偏振效应,提高仪器的偏振探测精度。
-
关键词
偏振光谱相机
偏振效应
斯托克斯矢量
穆勒矩阵
-
Keywords
polarization spectrum camera
polarization effect
stokes vector
muller matrix
-
分类号
O436.3
[机械工程—光学工程]
-
-
题名基于多普勒耦合估计的弹道目标测距方法
被引量：4
- 3
-
-
作者
于秋野
徐锦程
何睿
唐匀龙
-
机构
中国电子科技集团公司第三十八研究所
中国人民解放军
中国人民解放军战略支援部队航天系统部装备部装备项目管理中心
-
出处
《雷达科学与技术》
北大核心
2022年第3期305-310,共6页
-
文摘
反导预警与空间监视雷达通常采用高频段、大脉宽探测远距离目标,此时距离多普勒耦合对于雷达精确测距有较大影响。同时,距离多普勒耦合的准确修正是稳定跟踪目标的必要条件,然而传统的处理方法不能适用于弹道目标等高机动目标的准确处理。本文提出了基于多普勒耦合估计的弹道目标高精度测距方法:首先采用旁路速度-加速度估计方法求解目标的径向速度,对目标测量距离进行距离多普勒耦合修正,再进行IMM-UKF滤波完成目标距离估计。该方法具有以下优势:利用当前帧的测量数据,同时考虑了目标径向加速度对于耦合的影响,提高了距离和速度的估计精度;相比跟踪时增加测速波形的方法,节约了雷达的资源,同时避免了速度测量与航迹误关联的问题;距离和速度的精确估计能够提升航迹关联成功率。仿真实验中与传统的距离多普勒耦合处理方法进行了比较,实验结果显示该方法大幅提高了雷达测距的精度。
-
关键词
距离多普勒耦合
速度估计
交互多模型
不敏卡尔曼滤波
-
Keywords
range Doppler coupling
speed estimate
interacting multiple model
unscented Kalman filter(UKF)
-
分类号
TN959
[电子电信—信号与信息处理]
TJ761.3
[兵器科学与技术—武器系统与运用工程]
-
