买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学(深圳)

摘要：本发明提出一种未知复杂环境下无拖曳卫星控制方法。首先采用主成分分析法提取不同传感器输入，并将相关性变量转换为一组具有线性不相关性变量，通过计算可实现多源数据的特征提取，从而达到降低数据维度的目的；随后将环境数据和卫星状态数据构成信息数据库，并利用Q学习算法在未知复杂环境学习状态‑动作值函数，再结合贪心策略更新Q值，从而得到Q学习模型；最后利用专家知识库并将迁移学习与Q学习相结合，得到实际的控制指令，并将信息反馈给执行机构，从而实现未知复杂环境下无拖曳卫星控制。

主权项：1.一种未知复杂环境下无拖曳卫星控制方法，其特征在于：所述方法包括以下步骤：步骤一：针对多传感器输入，采用主成分分析法提取多源数据特征，从而达到降低数据维度的目的；根据提取的数据特征，构建包含环境和卫星状态的信息数据库；步骤一中，根据星敏感器、激光陀螺和电容传感器输出定义特征向量矩阵，根据协方差矩阵求解特征值和特征向量，并提取已排序的特征值和特征向量；步骤二：在未知复杂环境下利用Q学习算法学习状态-动作值函数，再结合贪心策略更新Q值，从而得到Q学习模型；步骤二中，状态-动作值函数Q采用贪心策略形成奖赏值，通过迭代筛选与环境的交互信息，更改策略集，最终趋于最优动作集；步骤三：基于专家知识库建立包含控制策略、经验模型的知识库；步骤四：计算任务相似度，选择相似度最大的数据集，建立空间任务与知识库的动作映射关系，从数据集中选出与当前目标任务状态最相似的状态，并将选出状态中的动作映射为目标任务的动作并修正动作选择策略；步骤四中，根据目标任务与专家知识库任务的相似度，迁移专家知识库信息，修正动作选择策略；根据源任务与目标任务相似度计算、环境感知信息与专家知识库环境信息映射关系和最大相似度筛选流程，实现动作策略修正；步骤五：令迁移学习与Q学习结合得到实际的控制指令，并将信息反馈给执行机构，从而实现未知复杂环境下无拖曳卫星控制；步骤五中，根据Q学习方法得到的最新Q值修正迁移学习模型，从而得到当前环境下的最优控制指令，并将控制指令分配给执行机构；依据不同被控对象选择不同执行机构，即针对卫星和检验质量分别选择微牛推力器和静电执行机构。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(深圳) 一种未知复杂环境下无拖曳卫星控制方法