摘要
本发明提供一种基于人工智能的电推进器轨迹跟踪控制方法及系统,涉及人工智能技术领域,包括获取电推进器传感器采集的实时运行数据,构建一个数据驱动的电推进器动力学模型,与预先构建的物理模型进行融合,得到电推进器轨迹预测模型,根据轨迹跟踪误差和控制输入设置目标函数,引入软约束机制,对最优控制问题进行求解,得到一个初始最优控制序列;构建自适应强化学习模块,设计奖励函数,通过策略迭代算法得到最优控制策略调整量;在每个控制周期内,将得到的初始最优控制序列与强化学习模块学习到的最优控制策略调整量进行组合,得到综合控制序列,将综合控制序列的第一个元素作为当前时刻的实际控制指令,驱动电推进器运行。
技术关键词
推进器
轨迹预测模型
轨迹跟踪控制方法
序列
强化学习模型
模型预测控制算法
分层策略
迭代算法
模型误差
控制策略
轨迹跟踪控制系统
统计特征
递归最小二乘算法
计算机程序指令
深度学习算法
融合先验知识
交换状态信息
系统为您推荐了相关专利信息
神经网络模型
神经网络预测模型
SSA算法
时间序列特征
注意力
检索策略
文本分类模型
图谱
BERT模型
实体识别模型
节能灯控制方法
光照强度数据
时间段
光强
构建预测模型
减排策略
排放量
线性回归模型
流式数据处理技术
可视化单元