机构名称：
¥ 1.0
，作为火箭发动机的潜在未来控制器。在模拟和实验中提出并分析了用于简化冷气推进器的基于神经网络的腔室压力控制器。控制器的目标是双重的：它可以跟踪具有不同设定点更改的轨迹，并且允许设置和控制各种稳态腔室压力。神经网络将进食线压力测量数据作为输入，并将阀位置计算为输出值。控制器的训练阶段是通过Ecosimpro/ESPSS模拟中的强化学习算法完成的，该算法通过相应的实验设置的数据验证。应用于允许直接从模拟转移到测试设施域随机化。在模拟和实验中评估控制器。发现，在物理可能的操作点范围内 - 控制器获得了不断高的奖励，这对应于低误差和良好的控制性能。在模拟中，控制器能够调整所有必需的设置点，稳态误差小于0。1个吧台，同时保留了一个小的过冲和最佳的安定时间。发现控制器还能够调节实际实验中所有所需的设定点。具有不同步骤的参考轨迹，在模拟和实验中测试了目标压力的线性和鼻窦变化。在两种情况下，控制器都能够成功遵循给定的轨迹。
acta astronautica
主要关键词
相关文件推荐
