机构名称：
¥ 1.0
以及深空探索和可持续生存，都需要这样的能力[6]。从轨迹规划到预测诊断，集成到人工智能解决方案中的算法减少了涉及复杂计算和基本员工监督的急性和慢性工作流程[7]。其结果是能够创建一个可以在很少的人为干预下完成任何不同任务类型的系统，这还提高了燃料使用效率和许多循环的可行性。这项研究的理由源于这样一种想法，即人工智能在解决当今太空探索问题方面具有巨大潜力。太空探索要求前往火星和月球等遥远的世界，或者更远的地方需要使用可重复使用的火箭和可靠的航天器着陆技术[8]。这些系统有助于优化轨迹，准确控制推力，甚至在不利的运行条件下检测出有利的着陆区[9]。通过监督学习，特别是强化学习，可以实现预测诊断，这不仅可以延长火箭的“使用寿命”，还可以减少维护需求[10]。因此，本研究将着手确定先进人工智能的实施在多大程度上通过提高效率、着陆精度以及系统可靠性来增强火箭系统的性能。因此，通过这些指标，该研究旨在支持以下发现：人工智能的整合如何迅速将空间技术和工程转变为更安全、更适合更先进任务的手段[11]。2. 研究问题和范围正如已经指出的那样，太空探索的进步意味着火箭发射和着陆机制的复杂性增加；对火箭更高精度的需求，以及火箭成功着陆至关重要[2],[7]。相比之下，传统的火箭系统在实时程序决策所需的大量干预和空间数据的随机性方面存在缺陷
优化太空探索
主要关键词
相关文件推荐
