XiaoMi-AI文件搜索系统
World File Search System机动设计
敏捷固定翼无人机的机动设计和运动规划
本论文的总体目标是利用敏捷固定翼无人机的所有机动能力来实现自主飞行。主要主题是机动设计、控制和运动规划。论文首先讨论了初步主题：动态飞行器模型、反馈控制器和优化框架，所有这些都将在论文的以下部分中使用。接下来，我们进行了一项调查，以评估横向滑移和螺旋桨电流在固定翼无人机的极限机动中的重要性。如果在设计机动时未考虑这两种现象中的一种或另一种，我们会根据性能损失来确定成本。
敏捷固定翼无人机的机动设计和运动规划
本论文的总体目标是充分利用敏捷固定翼无人机的所有机动能力，实现自主飞行。主要主题是机动设计、控制和运动规划。论文首先讨论了一些初步主题：飞机动力学模型、反馈控制器和优化框架，这些都将在论文的后续部分中使用。接下来，进行调查以评估侧滑和螺旋桨电流在固定翼无人机极限机动中的重要性。如果在设计机动时没有考虑这两种现象中的任何一种，我们就会确定性能损失的成本。
征文通知 第 34 届 AIAA/AAS ...
● 太空飞行的动力系统理论 ● 太空飞行的机器学习和人工智能 ● 地球轨道和行星任务研究 ● 轨迹机动设计和优化 ● 行星际任务设计 ● 小行星和小天体任务 ● 轨道动力学和碎片 ● 轨道确定和估计 ● 空间态势感知（与 GNC 联合轨道） ● 地月天体动力学、任务和操作 ● 姿态动力学、确定和控制 ● 卫星星座、编队和相对运动 ● 卫星会合和近距离操作 ● 空间组装、制造和空间机器人 ● 特别会议：空间机动和物流 将根据扩展摘要的质量、工作和/或想法的原创性以及对拟议主题的预期兴趣来接受手稿。基于实验结果或当前数据或报告正在进行的任务的提交也会引起人们的兴趣。鼓励来自工业界、政府和学术界的贡献。我们还鼓励提交包含多学科研究和国际合作的论文。会议前必须提交完整的手稿。英语是会议的工作语言。更多最新信息可在会议网站 https://www.aiaa.org/scitech/ 上找到。该网站还链接到摘要和手稿提交流程，可通过演示文稿和论文链接访问。
使用强化学习设计多体系统中低推力进入周期性轨道的方法
I. 引言随着火星立方体一号 (MarCO) 任务的成功和小型化技术的进步，小型卫星不再局限于在低地球轨道 (LEO) 运行。相反，通过低推力小型卫星进行深空探索、技术演示和有针对性的科学任务可能很快就会成为现实。事实上，即将到来的任务，如月球冰立方、LunaH-map 和 NEA Scout，将把小型卫星作为次要有效载荷搭载在 Artemis 1 上，部署到多体重力环境内的各种位置[1-3]。然而，混沌多体系统中航天器的轨迹和机动设计本质上是一个高维问题，而且由于结合了与低推力小型卫星相关的约束而变得更加复杂：有限的推进能力、运行调度约束以及固定但不确定的初始条件。虽然存在多种基于最优控制和动态系统理论 (DST) 的数值方法，用于在多体系统的近似动力学模型中构建低推力轨迹和机动剖面，但自主和稳健设计策略的开发需要一种替代方法。强化学习 (RL) 是天体动力学界越来越感兴趣的一类用于实现轨迹和机动设计的自主性的算法。RL 算法通常涉及代理与环境交互，通过对动态状态采取行动来最大化奖励函数。代理会探索环境，直到确定了决定每个状态下最佳动作的策略。如果制定得当，这些算法可以探索许多状态-动作对以确定最佳动作，同时限制对次优动作的探索。RL 方法已用于天体动力学中各种应用和动力学模型的轨迹和机动设计。例如，Dachwald 探索使用人工神经网络和进化算法设计配备低推力航天器到水星的转移 [ 4 ]。Das-Stuart、Howell 和 Folta 近期提出的方法利用 RL 和基本动力学结构来设计圆形限制三体问题 (CR3BP) 中周期轨道之间的复杂转移轨迹 [ 5 ]。此外，Scorsoglio、Furfaro、Linares 和 Massari 还使用演员-评论家深度强化学习 (DRL) 方法来开发地月空间近直线轨道航天器的对接机动 [ 6 ]。最近，Miller 和 Linares 应用著名的近端策略优化 (PPO) 算法来设计地月系统中遥远逆行轨道之间的转移，通过 CR3BP 进行建模 [ 7 ]。这些研究的成功为天体动力学界继续探索和扩展 RL 在多体轨迹设计策略中的应用奠定了宝贵的基础。具体来说，本文以这些先前的研究为基础，重点关注实施基于 RL 的轨迹设计方法的一个重要组成部分：制定一个奖励函数，该函数既反映了设计目标，也反映了影响恢复机动轮廓操作可行性的约束。该分析是在低推力 SmallSat 的轨迹设计背景下进行的，以快速访问位于与 CR3BP 中的周期轨道相关的稳定流形上的附近参考轨迹。