文章详情
| 稿件标题： | 基于深度卷积神经网络的多飞行器构型保持研究 |
| 稿件作者： | 槐泽鹏，王洪波，龚旻 |
| DOI： | 10.11809/bqzbgcxb2021.02.003 |
| 科学编辑： | 刘超越 博士（ 中国运载火箭技术研究院工程师） |
| 栏目名称： | 装备理论与装备技术 |
| 关键词： | 深度卷积神经网络；多飞行器协同；构型保持；智能-校正 |
| 文章摘要： | 基于深度卷积神经网络设计了“智能-校正”算法以快速生成制导指令；深度学习模型是由卷积层、全连接层、批量归一化层和残差网络（ResNet）组合成的一个19层深度神经网络，飞行器状态变量转化为类似于图像像素矩阵的二维矩阵，通过sgd优化和权重衰减正则项将神经网络的训练误差降低至约0.025°；之后针对飞行器运动存在制导指令泛化误差累积的问题又设计了校正环节；最后经多组仿真证明了“智能-校正”算法兼顾了速度和精度，不仅成功实现了构型保持，而且将解算速度提升了约6倍，同时解决了泛化误差累积带来的影响。 |
| 稿件基金： | 国家自然科学基金面上项目（61873012） |
| 引用本文格式： | 槐泽鹏，王洪波，龚旻.基于深度卷积神经网络的多飞行器构型保持研究［J］.兵器装备工程学报，2021,42(02):15-22. HUAI Zepeng, WANG Hongbo, GONG Min.Research on Keeping the Formation for Multiple Aircrafts Based on Deep Convolutional Neural Networks［J］.Journal of Ordnance Equipment Engineering,2021,42(02):15-22. |
| 刊期名称： | 2021年02期 |
| 出版时间： | 2021年2月 |
| 上线时间： | 2021年2月28日 |
| 浏览次数： | 2935 |
| 下载次数： | 679 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |