文献

J-GLOBAL ID：202202267455054162   整理番号：22A0924330

宇宙飛行体の姿勢追跡操作のためのニューラルネットワークベースの強化学習制御【JST・京大機械翻訳】

Neural network-based reinforcement learning control for combined spacecraft attitude tracking maneuvers

著者 (4件)： Liu Yuhan (School of Astronautics, Harbin Institute of Technology, Harbin 150001, China) ,  Ma Guangfu (School of Astronautics, Harbin Institute of Technology, Harbin 150001, China) ,  Lyu Yueyong (School of Astronautics, Harbin Institute of Technology, Harbin 150001, China) ,  Wang Pengyu (School of Astronautics, Harbin Institute of Technology, Harbin 150001, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 484  ページ： 67-78  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,完全に未知の動力学を有する複合宇宙探査機操縦操作のために,新規強化学習ベースの姿勢追跡制御戦略を提案した。組合せ宇宙飛行体姿勢制御の文脈における1つの主要な問題は,正確な動的モデルが,オンラインで同定するために高度に非線形で,複雑で,高価であり,制御設計に実用的でないということである。この問題に取り組むために,著者らは,モデルフリー方法でシステム入力/出力測定データから直接制御戦略を獲得するためにQ学習アルゴリズムの利点を取り上げて,このように,オンライン慣性パラメータ同定手順を避けた。より具体的には,最初に,姿勢追跡を,システム動的モデルが制御設計においてまだ必要とされる,議論されたシステムを導入することによって,規制問題として定式化した。次に,モデルフリー制御戦略を達成するために,オンライン政策反復(PI)Q学習手順を,生成測定データを利用することによってBellman最適性方程式を解くために誘導した。理論解析において,Q値関数と制御戦略の反復シーケンスが最適ものに収束できることを証明した。さらに,提案した制御戦略の安定性と単調性保証の厳密な証明も提供した。さらに,オンライン実装の目的で,オフポリシー学習方式を採用して,データ収集位相の後,ニューラルネットワーク構造による最適Q値関数近似を見つけた。数値シミュレーションにより,提案戦略の有効性を検証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  関数 ,  シミュレーション ,  *学習 ,  *ニューラルネットワーク ,  関数近似 ,  ダイナミックモデル ,  Q値 ,  位相 ,  データ収集 ,  定式化 ,  *強化学習
準シソーラス用語： 数値シミュレーション ,  Q学習 ,  オンライン ,  制御戦略 , 【Automatic Indexing@JST】

著者キーワード (4件)： 組合せ宇宙飛行体 ,  姿勢追跡 ,  強化学習 ,  Q学習

分類 (2件)： 人工知能  (JE08000Z) ,  システム設計・解析  (IA02030D)

タイトルに関連する用語 (6件)： 宇宙飛行体 ,  姿勢 ,  追跡 ,  ニューラルネットワーク ,  強化 ,  学習制御