Análisis del rango de tiempo de impacto deseado utilizando una red neuronal profunda
Autores: Wang, Jiang; Liu, Chang; Liu, Zichao; Huang, Peng
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Análisis del rango de tiempo de impacto deseado utilizando una red neuronal profunda
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Aeroespacial
Palabras clave
Propone
Tiempo de impacto
Modelo de estimación
Red neuronal profunda
Rango de tiempo de impacto deseado
Precisión computacional
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 40
Citaciones: Sin citaciones
Este documento propone un modelo de estimación de la región factible del tiempo de impacto deseado basado en una red neuronal profunda. Primero, se deriva una ley de guía de múltiples restricciones específica y se analizan las desviaciones de comando terminal causadas por métodos de cálculo convencionales. En segundo lugar, se emplea un método de búsqueda binaria para determinar el rango de tiempo de impacto deseado, y se recopilan muestras bajo diversas condiciones. A continuación, se analizan los parámetros relacionados con el rango de tiempo de impacto deseado por su sensibilidad para identificar su influencia, mejorando así la precisión computacional y reduciendo el tamaño de la muestra. Finalmente, se valida la precisión del método propuesto a través de simulaciones. En comparación con los enfoques convencionales, el modelo basado en DNN demuestra una mayor precisión y proporciona un soporte robusto para el compromiso simultáneo de múltiples objetivos.
Descripción
Este documento propone un modelo de estimación de la región factible del tiempo de impacto deseado basado en una red neuronal profunda. Primero, se deriva una ley de guía de múltiples restricciones específica y se analizan las desviaciones de comando terminal causadas por métodos de cálculo convencionales. En segundo lugar, se emplea un método de búsqueda binaria para determinar el rango de tiempo de impacto deseado, y se recopilan muestras bajo diversas condiciones. A continuación, se analizan los parámetros relacionados con el rango de tiempo de impacto deseado por su sensibilidad para identificar su influencia, mejorando así la precisión computacional y reduciendo el tamaño de la muestra. Finalmente, se valida la precisión del método propuesto a través de simulaciones. En comparación con los enfoques convencionales, el modelo basado en DNN demuestra una mayor precisión y proporciona un soporte robusto para el compromiso simultáneo de múltiples objetivos.