AI4CE - 利用强化学习自动生成太空任务设计概念
机构名称:
¥ 1.0

假设以 MBSE 为中心的设计成为新的现实,在此基础上,考虑到人工智能 (AI) 领域的成就,用基于 AI 的助手支持早期系统设计似乎是下一个合乎逻辑的步骤。并行工程人工智能 (AI4CE) 研究项目提供了独特的可能性,将并行工程 (CE)、基于模型的系统工程 (MBSE) 和创新系统创建的形式结合起来。它通过一个交互式过程实现了知识库和本体的使用,设计团队定义系统需求并从生成的设计中受益。AI4CE 补充了专用于 MBSE 的概念系统设计过程,并利用了这种共生带来的优势:从模型中获取信息和约束,根据这些信息生成系统设计并将其直接引入同一模型。使用深度强化学习 (DRL),该 AI 系统根据数据库中的可用组件构建概念设计。 AI 从该数据库中选择哪些确切组件的决定取决于给定的系统要求和 AI 的训练策略 - 即设计经验。首次测试可以证明这种方法的可行性,未来的研究重点是扩展其功能并将其集成到 CE 流程中。

AI4CE - 利用强化学习自动生成太空任务设计概念

AI4CE - 利用强化学习自动生成太空任务设计概念PDF文件第1页

AI4CE - 利用强化学习自动生成太空任务设计概念PDF文件第2页

AI4CE - 利用强化学习自动生成太空任务设计概念PDF文件第3页

AI4CE - 利用强化学习自动生成太空任务设计概念PDF文件第4页

AI4CE - 利用强化学习自动生成太空任务设计概念PDF文件第5页

相关文件推荐

使用强化学习
2023 年
¥1.0
NUSES 太空任务
2023 年
¥1.0
ARIEL 太空任务
2021 年
¥3.0
太空任务行动
2019 年
¥2.0
太空探索学习包
2022 年
¥4.0
NUSES 太空任务
2022 年
¥2.0
组建太空任务
2024 年
¥1.0