基于参数化方法的神经网络最小努力轨迹实时生成
最优化与控制
2023-11-21 v2
摘要
本文研究最小努力控制问题（MECPs）最优飞行轨迹的实时生成，这对航空航天飞行器的自主飞行具有根本重要性。尽管现有的最优控制方法（如间接法与直接法）可被改进以求解MECPs，但由于收敛性问题，实时获得解轨迹极具挑战。由于人工神经网络能在常数时间内给出输出，文献中已将其作为最优轨迹实时生成的替代方案。通常做法是用间接法或直接法的解训练神经网络，但这无法确保满足最优性的充分条件。因此，训练后的神经网络不能保证生成至少局部最优的轨迹。为解决此问题，本文提出一种参数化方法，将必要条件与充分条件一并嵌入一组参数化微分方程中。这使得通过求解若干初值问题即可生成至少局部最优的轨迹数据集。一旦神经网络由该数据集训练完成，便能在毫秒内生成最优轨迹，并保证所生成轨迹至少局部最优，文末通过两个航天工程中的常规MECPs予以演示。
引用
@article{arxiv.2311.06585,
title = {Parametrization Approach for Real-Time Generation of Minimum-Effort Trajectories via Neural Network},
author = {Han Wang and Zheng Chen},
journal= {arXiv preprint arXiv:2311.06585},
year = {2023}
}