实验室简介

宇航智能控制技术国家级重点实验室于2003年3月31日批准立项建设，依托于北京航天自动控制研究所。按照“自主创新、重点跨越、支撑发展、引领未来”的发展方针，落实“开放、流动、联合、竞争”的运行机制，紧密围绕国家创新驱动发展战略，开展制导与控制基础性、前沿性和探索性研究工作，打造具有影响力的科技创新团队，建设具有国际先进、国内领先的开放型研发平台和创新基地。拥有《航天控制》中国国家级科技期刊。

 

基金指南内容   

 

01  基于神经网络模型的增量在线学习的飞行器控制

1. 研究目标：

针对复杂环境下飞行器飞行过程中遇到的强非线性、未知干扰、强耦合等问题，以及强化学习算法泛化性的弊端，开展基于神经网络模型的在线调优飞行器控制方法研究。在通过强化学习建立的基础神经网络控制模型上，通过少量参数的在线调优，实现算法的在线自适应控制能力提升。

2. 研究内容：

（1）基于强化学习算法的飞行器控制算法设计；

（2）基于增量学习的神经络飞行控制网器参数在线调优。

3. 实施周期：2022年1月-2023年12月

4. 研究经费：20万元。

5. 考核指标：

（1）实现强化学习算法模型适应训练环境以外参数摄动范围20%以上；

（2）基于增量学习的神经网络控制器控制效果较原有强化学习算法控制性能提升20%以上；

6. 成果形式：

发表学术论文1篇，研究报告1份，相关算法的配套软件及使用说明1套。

7.技术对接人：

贾工：010-88528218

 

02   硬件友好型量化训练技术研究

1. 研究目标：

针对深度学习算法在嵌入式平台上实现在线训练的需求，开展使用低位宽定点数进行算法训练的研究，突破硬件友好型的量化训练技术，解决算法训练过程中计算量和数据量过大导致的计算效率低下、能耗过高的问题，为实现在嵌入式平台上完成高效训练奠定算法基础。

2. 研究内容：

（1）典型CNN模型的量化训练方法；      

（2）利用小批量高置信样本进行增量训练的技术；

（3）硬件资源受限条件下的训练过程优化技术；

3. 实施周期：2022年1月-2022年12月

4. 研究经费：20万元。

5. 考核指标：

（1）支持8bit、16bit定点数训练；

（2）与全精度浮点训练结果相比，精度损失不大于5%。

6. 成果形式：

硬件友好型量化训练软件1套、发表高质量论文1篇。

7.技术对接人：

王工：010-88528100

 

03    高速飞行器分布式自组织协同技术研究

1. 研究目标：

针对高速飞行器集群规划和协同控制需求，探索集群分布式自组织机理，研究多飞行器在协同搜索等典型任务中，由多个个体经自发协同行为组成强能力群体的方法，为高速飞行器集群的自主化和智能化提供新理论和新技术。

2. 研究内容：

（1）飞行器集群能力建模；

（2）飞行器分布式自组织算法；

（3）飞行器集群自组织典型任务仿真验证。

3. 实施周期：2022年1月-2022年12月

4. 研究经费：25万元。

5. 考核指标：

（1）协同节点数量不小于16个；

（2）多飞行器可根据不同任务需求自发组成不少于3种构型的集群。

6. 成果形式：

研究报告1份、发表学术论文1篇、飞行器集群自组织算法及仿真结果。

7.技术对接人：

姚工：010-88528116

 

基金申请条件及方式

01

本次基金申报截止于2022年1月21日，请各申请人按照《实验室基金课题申请书》要求完成填报，并将电子版通过邮箱发送，逾期

不予受理。

02

申请人须在相关领域有一定的技术基础, 不具有高级职称或者博士学位的，需填写推荐意见；不受理因学术不端、科研诚信不佳、重大失泄密等问题进入黑名单的申报人和申报单位。

03

实验室将统一组织专家对申请书进行审查。课题申请得到批准后，申请者应根据课题申请书和评审意见开展课题研究，并接受实验室的检查和监督。

 

联系方式

 

张老师：010-88528262/13381095707

电子邮箱：aerointlctrl@163.com