10818

بررسي روش هاي يادگيري ماشين در طراحي كنترل فضاپيما

نيم سال دوم 1400

دكتر حسين بلندي

در اين سمينار سعي بر بررسي روش هاي يادگيري ماشين در طراحي كنترل‌كننده براي فضا‌پيما است. در ميان كاربرد هاي مختلف استفاده از الگوريتم هاي يادگيري ماشين مي‌توان به طراحي كنترل‌كننده براي پايداري مداري و وضعيتي ،آرايش پروازي و مسئله فرود فضاپيما‌ها روي سياره ها اشاره كرد. اكثر كار‌هاي انجام شده در اين زمينه در دو دسته؛ يادگيري تقويتي و يادگيري نظارت شده مطرح هستند. سيستم كنترل فضاپيما به عنوان يك عامل در الگوريتم يادگيري تقويتي در تعامل با محيط، سيگنال پاداش دريافت مي‌كند. در بعضي از وضعيت هاي سيستم كنترل به عنوان يك عامل‌، شايد هيچ دانشي براي انتخاب اكشن مناسب براي اعمال به محيط نداشته باشد كه با تعامل با محيط به سبب تلاش و خطا به عمل بهنيه براي وضعيت خاص خود خواهد رسيد. سياست انتخاب عمل بهينه بر اين اساس خواهد ‌بود كه سيستم با تكرارچنين عمل هاي انتخابي براي وضعيت سيستم در دراز مدت بيشترين پاداش را از محيط دريافت كند. در الگوريتم يادگيري نظارت شده بر اساس بهينه سازي تصادفي و يا بهينه سازي قطعي براي تعيين وزن هاي شبكه عصبي براي طراحي كنترل كننده براي فضاپيما مورد استفاده است. در اين سيمنار سعي براين است به بررسي كاربرد هاي مختلف الگوريتم هاي يادگيري ماشين به طور ويژه يادگيري تقويتي در طراحي كنترل‌كننده براي كاربرد هاي مختلف در فضاپيماها بپردازيم.

5/25/2022 12:00:00 AM

75100

1401/03/21

Survey of machine learning techniques in spacecraft control design

يادگيري ماشين , يادگيري تقويتي , يادگيري تحت نظارت , كنترل فضاپيما , شبكه عصبي

Machine learning , Reinforcement learning , Supervised Learnig , Spacecraft control , Neural network