预测飞行路径透视显示方法研究

为实现圆形预测飞行路径透视显示方法在纵向上满足"以飞行员为中心"的要求,同时克服扰动灵敏度大的缺点,采用了基于q反馈的改进型透视路径显示方法。将圆形预测飞行路径显示方法应用于纵向通道的设计,指出了控制系统—飞机本体在中频段不满足K/s特性,并且较大的γ反馈也会导致系统抗干扰性差,不满足人工控制理论的相关要求。为了改善系统的K/s特性和抗干扰性,采用q反馈回路替代原来的γ反馈回路。对比分析和仿真表明,改进型比传统型的显示方法有效地克服了纵向圆形预测显示方法扰动灵敏度大的缺点,极大地改善了人机闭环系统的性能。

基于状态聚类的多站点CSPS系统的协同控制方法

单站点传送带给料加工站(Conveyor-serviced production station,CSPS)系统中,可运用强化学习对状态–行动空间进行有效探索,以搜索近似最优的前视距离控制策略.但是多站点CSPS系统的协同控制问题中,系统状态空间的大小会随着站点个数的增加和缓存库容量的增加而成指数形式(或几何级数)增长,从而导致维数灾,影响学习算法的收敛速度和优化效果.为此,本文在站点局域信息交互机制的基础上引入状态聚类的方法,以减小每个站点学习空间的大小和复杂性.首先,将多个站点看作相对独立的学习主体,且各自仅考虑邻近下游站点的缓存库的状态并纳入其性能值学习过程;其次,将原状态空间划分成多个不相交的子集,每个子集用一个抽象状态表示,然后,建立基于状态聚类的多站点反馈式Q学习算法.通过该方法,可在抽象状态空间上对各站点的前视距离策略进行优化学习,以寻求整个系统的生产率最大.仿真实验结果说明,与一般的多站点反馈式Q学习方法相比,基于状态聚类的多站点反馈式Q学习方法不仅具有收敛速度快的优点,而且还在一定程度上提高了系统生产率.