论文摘要
服务航天器与非合作目标构成组合体航天器后,实际测量的角速度信号往往掺杂了较大噪声,这会严重影响后续控制的精度,但由于非合作目标惯性张量未知,导致无法根据模型信息对其有效降噪.针对上述问题,本文基于深度学习方法提出一种无需预先构建模型、完全由数据驱动的组合体航天器角速度信号降噪方法.首先给出采用深度学习方法对角速度进行降噪所需训练数据的生成过程;然后构建组合体航天器角速度信号降噪的深度网络模型,并提出该模型的优化方法和参数初始化方法;最后用测试数据对本文方法和小波降噪方法的降噪效果进行了比较,结果表明本文方法与小波降噪方法相比具有更好的降噪性能.
论文目录
文章来源
类型: 期刊论文
作者: 初未萌,邬树楠,刘宇飞,吴志刚
关键词: 深度学习,组合体航天器,非合作目标,信号降噪
来源: 动力学与控制学报 2019年06期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑
专业: 航空航天科学与工程
单位: 大连理工大学航空航天学院,大连理工大学工业装备结构分析国家重点实验室,中国空间技术研究院钱学森空间技术实验室
基金: 国家自然科学基金资助项目(11502040),大连市高层次人才创新支持计划项目(2017RQ001)~~
分类号: V448.2
页码: 584-592
总页数: 9
文件大小: 4016K
下载量: 88