سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

طراحی مسیر بهینه مانورهای پهلوگیری خودکاربراساس یادگیری تقویتیQ و شبکه بندی مکعبی

Publish Year: 1401
Type: Journal paper
Language: Persian
View: 233

This Paper With 11 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_JTAE-6-2_001

Index date: 23 October 2022

طراحی مسیر بهینه مانورهای پهلوگیری خودکاربراساس یادگیری تقویتیQ و شبکه بندی مکعبی abstract

در این مقاله با بهره گیری از الگوریتم یادگیری کیو، طراحی مسیر بهینه مانور های فضایی خودکار برای یک ربات فضایی محاسبه و انجام شده است. افزایش روزافزون تعداد ماهواره های ارسال شده برای قرار گیری در مدارهای مختلف حول زمین، طراحی و ساخت سرویس های پشتیبان فضایی را مورد توجه محققین قرار داده است. در این راست، ابا توجه به پیشرفت های انجام گرفته در علوم رباتیک بهره گیری از ربات های فضایی خودکار به جهت تعمیر و سرویس دهی به ماهواره های آسیب دیده گزینه ای مناسب تلقی می شود. هدایت، کنترل و ناوبری یک ربات فضایی در فاز های پهلوگیری و اتصال به ماهواره سرویس گیرنده نیازمند دقت بالایی است. به همین جهت در این مقاله با رویکرد سنجش نحوه کارکرد الگوریتم یادگیری کیو در مانورهای فضایی پهلوگیری و اتصال در فضا به وسیله شبیه سازی های کامپیوتری مورد بررسی قرار گرفته است. نتایج این تحقیق بیانگر دقت بالا الگوریتم یادگیری کیو است.

طراحی مسیر بهینه مانورهای پهلوگیری خودکاربراساس یادگیری تقویتیQ و شبکه بندی مکعبی Keywords:

طراحی مسیر بهینه مانورهای پهلوگیری خودکاربراساس یادگیری تقویتیQ و شبکه بندی مکعبی authors

محمد صیامی عراقی

دانشجوی کارشناسی ارشد،گروه مهندسی هوافضا، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران

ایمان شفیعی نژاد

استادیار، پژوهشگاه هوافضا، وزارت علوم تحقیقات و فناوری، تهران ،ایران

علیرضا سخاوت بنیس

گروه مهندسی هوافضا، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران.

علی میرزایی

گروه مهندسی هوافضا، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران.

ایمان فزونی تلوکی

دانشگاه آزاد اسلامی واحد قائم شهر، ایران.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
Satellite Database | Union of Concerned Scientists Available: https://www. ucsusa. ...
A. Ellery, J. Kreisel, and B. Sommer, "The case for ...
M. Tafazoli, "A study of on-orbit spacecraft failures," Acta Astronautica, ...
F. Sellmaier, T. Boge, J. Spurmann, S. Gully, T. Rupp, ...
E. Stoll, U. Walter, J. Artigas, C. Preusche, P. Kremer, ...
Y. Wang, Z. Ma, Y. Yang, Z. Wang, and L. ...
S. Willis, D. Izzo, and D. Hennes, "Reinforcement learning for ...
M. Hatem and F. Abdessemed, "Simulation of the Navigation of ...
W. Adiprawita, A. S. Ahmad, J. Sembiring, and B. R. ...
H. Wicaksono, K. Anam, P. Prihastono, I. A. Sulistijono, and ...
L. Khriji, F. Touati, K. Benhmed, and A. Al-Yahmedi, "Mobile ...
Y. Duan, "Fuzzy reinforcement learning and its application in robot ...
J. R. Wertz and R. Bell, "Autonomous rendezvous and docking ...
C. J. Dennehy and J. R. Carpenter, "A summary of ...
R. S. Sutton and A. G. Barto, Reinforcement learning: An ...
G. Pollock, J. Gangestad, and J. Longuski, "Analysis of Lorentz ...
نمایش کامل مراجع