>
Fa   |   Ar   |   En
   طراحی مسیر بهینه مانورهای پهلوگیری خودکاربراساس یادگیری تقویتیq و شبکه‌بندی مکعبی  
   
نویسنده شفیعی نژاد ایمان ,صیامی عراقی محمد ,سخاوت بنیس علیرضا ,میرزایی علی ,فزونی تلوکی ایمان
منبع فناوري در مهندسي هوافضا - 1401 - دوره : 5 - شماره : 2 - صفحه:1 -9
چکیده    در این مقاله با بهره‌گیری از الگوریتم یادگیری کیو، طراحی مسیر بهینه مانور‌های فضایی خودکار برای یک ربات فضایی محاسبه و انجام شده است. افزایش روزافزون تعداد ماهواره‌های ارسال شده برای قرار گیری در مدارهای مختلف حول زمین، طراحی و ساخت سرویس‌های پشتیبان فضایی را مورد توجه محققین قرار داده است. در این راست، ابا توجه به پیشرفت‌های انجام گرفته در علوم رباتیک بهره‌گیری از ربات‌های فضایی خودکار به جهت تعمیر و سرویس‌دهی به ماهواره‌های آسیب دیده گزینه‌ای مناسب تلقی می‌شود. هدایت، کنترل و ناوبری یک ربات فضایی در فاز‌های پهلوگیری و اتصال به ماهواره سرویس‌گیرنده 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 شبیه‌سازی‌های کامپیوتری مورد بررسی قرار گرفته است. نتایج این تحقیق بیانگر دقت بالا الگوریتم یادگیری کیو است.
کلیدواژه یادگیری تقویتی، یادگیری کیو، بهینه سازی مسیر حرکت، سرویس درون مداری
آدرس وزارت علوم تحقیقات و فناوری، پژوهشگاه هوافضا, ایران, دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران, دانشکده فنی و مهندسی, گروه مهندسی هو افضا, ایران, دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران, دانشکده فنی و مهندسی, گروه مهندسی هوافضا, ایران, دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران, دانشکده فنی و مهندسی, گروه مهندسی هوافضا, ایران, دانشگاه آزاد اسلامی واحد قائم شهر, ایران
پست الکترونیکی taloukifi@gmail.com
 
   optimal path planning for autonomous space maneuvers based on reinforcement q-learning and cubic network  
   
Authors shafieenejad i. ,siami araghi m. ,sekhavat benis a. ,mirzaee a. ,fozouni taloki i.
Abstract    this paper proposes a method based on the reinforcement qlearning to solve the problem of fully autonomous optimal path planning of a space robot by increasing the number of available satellites in earth orbits, designation, and implementation of satellite orbital servicing stations considered by researchers. nowadays, by considering the advancement in robotics science, space robots could be chosen as a part of solution for maintaining the damaged satellites in earth’s orbits. guidance, control, and navigation of space robots throughout docking and joint maneuvers need a high degree of precision. in this paper, reinforcement qlearning algorithm functionality in path planning is analyzed through various computational simulations. the finding results from computational simulations demonstrate the usefulness of the mentioned approach.
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved