卫星系统软件测试的数据比对方法、装置、设备及介质

    公开(公告)号:CN116361167A

    公开(公告)日:2023-06-30

    申请号:CN202310299429.4

    申请日:2023-03-24

    IPC分类号: G06F11/36 G06F18/22

    摘要: 本发明涉及卫星自动测试技术领域,特别涉及一种卫星系统软件测试的数据比对方法、装置、设备及介质。其中,方法应用于地面测试软件,包括:获取星上变量文档;基于星上变量文档,从控制分系统中实时获取待比对的目标数据;实时获取仿真系统的仿真数据;基于目标数据和仿真数据,确定比对结果。本方案,可以直接获取控制分系统中的目标数据,相较于传统的从遥测包中获取目标数据,可以避免遥测包中遥测数据更新频率太慢引发的数据对比精度不够的问题;另外,可以自动对全部的目标数据进行比对,相较于传统的人工比对方法,可以提高卫星系统软件测试的数据比对精度和速度。

    星载火点敏感器安装矩阵的几何定标方法及装置

    公开(公告)号:CN116295871A

    公开(公告)日:2023-06-23

    申请号:CN202310436574.2

    申请日:2023-04-21

    IPC分类号: G01J5/90

    摘要: 本发明提供了一种星载火点敏感器安装矩阵的几何定标方法及装置,方法包括:基于多个已知目标的实际经纬度信息、卫星的运行轨道信息以及火点敏感器在卫星上的理论安装矩阵,依次生成每个已知目标的定标任务;获取每个已知目标在火点敏感器视场中的实测方位矢量;基于每个已知目标的实际经纬度信息、理论安装矩阵以及火点敏感器计算实测方位矢量时卫星的轨道位置和实时姿态,计算每个已知目标在火点敏感器坐标系下的理论矢量;基于任意三个已知目标对应的实测方位矢量和理论矢量,计算系统偏差矩阵;利用系统偏差矩阵对理论安装矩阵进行补偿,得到火点敏感器的实际安装矩阵。该方法能够对火点敏感器的安装矩阵进行校正,提高火点位置的检测精度。

    一种空间精细操作的分层任务规划方法及系统

    公开(公告)号:CN114781789A

    公开(公告)日:2022-07-22

    申请号:CN202210233572.9

    申请日:2022-03-10

    IPC分类号: G06Q10/06 G06N3/04 G06N3/08

    摘要: 本发明公开了一种空间精细操作的分层任务规划方法及系统,属于空间技术领域。针对策略网络学习多任务时梯度估计方差大、算法收敛性不佳问题,构建基于动力学估计器和Monte Carlo树搜索的高层策略规划,具体包括如下三个步骤:离线数据采集、异步高/低层策略优化、模型评估。本发明提高算法收敛性,有助于节省在轨服务空间操作的星载计算资源,满足实际工程需求。

    一种基于时序关系的卫星背板部件识别方法

    公开(公告)号:CN115294464A

    公开(公告)日:2022-11-04

    申请号:CN202210759365.7

    申请日:2022-06-29

    摘要: 一种基于时序关系的卫星背板部件识别方法,属于空间技术领域。本发明包括对采集到的图像做序列化处理、序列图像的图像特征模型和时序特征模型的构建、图像特征模型和时序特征模型的训练,最终实现基于时序关系的卫星背板部件识别方法。相比于一般的基于卷积神经网络的卫星背板部件识别方法,本发明的方法提高了提取出的特征对变化环境以及变化阈值的鲁棒性,有助于提高在运动过程中,模型对手眼相机采集到的卫星背板图像的识别率,具有实际工程意义。

    一种基于目标采样的模仿学习方法

    公开(公告)号:CN114819060A

    公开(公告)日:2022-07-29

    申请号:CN202210333460.0

    申请日:2022-03-30

    IPC分类号: G06N3/04 G06N3/08 B25J9/16

    摘要: 一种基于目标采样的模仿学习方法,属于人工智能技术领域。本发明包括网络结构设计、参考轨迹生成及学习算法。通过把一个复杂任务的目标转换为一系列容易训练的子目标,并借助于模仿学习,大大降低复杂任务采用强化学习训练的难度,有效解决了强化学习中具有稀疏reward特征的任务难以训练的问题。

    一种基于概率的策略迁移方法
    7.
    发明公开

    公开(公告)号:CN114781645A

    公开(公告)日:2022-07-22

    申请号:CN202210255129.1

    申请日:2022-03-15

    IPC分类号: G06N20/00 G06N3/08

    摘要: 一种基于概率的策略迁移方法,属于人工智能技术领域。机器人操作等连续控制任务的环境受高动态、不确定等影响,实际上很难利用虚拟环境逼近真实环境。本发明方法包括:通过Monte Carlo dropout构建概率的Q函数估计器,并与策略梯度优化进行结合,使得算法具备辨识环境不确定性的能力。具体通过虚拟环境训练数据采集、不确定性分解与推断、策略梯度优化、真实环境运行性能评估,实现了环境不确定性的分解与度量,改善了策略学习效率与策略运行性能。

    一种空间精细操作的多任务强化学习基准平台设计方法

    公开(公告)号:CN114692485A

    公开(公告)日:2022-07-01

    申请号:CN202210233764.X

    申请日:2022-03-10

    IPC分类号: G06F30/27

    摘要: 本发明公开了一种空间精细操作的多任务强化学习基准平台设计方法,属于空间技术领域。本发明方法包括:搭建多任务空间操作的训练环境,构建多模态观测信息的提取基准,建立多任务空间操作学习的评价基准,将干扰变量总数、干扰变量摄动方差、接触动力学摄动方差等引入策略优化,可更好应对空间环境的多源干扰与非结构化特点。针对真实环境数据采样的高成本、低安全问题,本发明实现了机器人设置与真实环境相近的虚拟环境,利用虚拟环境数据采样代替真实环境数据采样,有利于提升算法的可复用性。

    基于深度强化学习的端到端在轨自主加注控制系统及方法

    公开(公告)号:CN111844034B

    公开(公告)日:2022-03-04

    申请号:CN202010693535.7

    申请日:2020-07-17

    IPC分类号: B25J9/16

    摘要: 基于深度强化学习的端到端在轨自主加注控制系统及方法,包括基于深度强化学习的端到端在轨加注控制系统和神经网络结构;控制系统包括:基于深度神经网络的特征提取系统、基于深度强化学习的自学习轨迹规划系统和机械臂关节控制系统;神经网络结构包括:基于深度神经网络的特征提取系统网络和基于深度强化学习的自学习轨迹规划系统网络;特征提取系统网络主要由深度卷积神经网络组成;轨迹规划系统网络由策略网络和评价网络构成;整个系统在虚拟环境下利用深度强化学习的基本方法进行训练,且可基于特征迁移至真实的物理环境下。本发明不但解决了困扰当前空间操作的环境的非结构化、遥操作的大时延等难题,并且具有实际的工程应用价值。