导读:本文包含了深度控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:深度,神经网络,卷积,协议,航天器,组合,系统。
深度控制论文文献综述
康国华,金晨迪,郭玉洁,乔思元[1]（2019）在《基于深度学习的组合体航天器模型预测控制》一文中研究指出利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明:该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10~(-4)量级。(本文来源于《宇航学报》期刊2019年11期）
阮伟,黄光平,陈亮,杨柳[2]（2019）在《工业控制系统私有协议深度解析方法》一文中研究指出本文通过对未知工控协议进行深度解析,总结私有工控协议解析基本方法,从而达到对工业控制系统进行行为审计和入侵检测等目的。(本文来源于《电子技术与软件工程》期刊2019年22期）
陈浩,董廷旭,李勇,文星跃[3]（2019）在《涪江上游下切深度、速率及它们对下切过程控制因素的约束》一文中研究指出【目的】对涪江上游下切过程的控制因素进行分析,有助于揭示青藏高原东缘地区流域地貌演化对内、外力因素的响应机制。【方法】以ArcGIS水文分析模块为技术平台,以涪江上游干流河道为中心线提取宽度为10km的条带剖面,据此将涪江上游流经区域划分为岷山山脉区、川西高原区、盆地周缘低丘平坝区等3个地貌单元。分别计算不同地貌单元河流的切割深度和切割速率,以此为基础,将侵蚀基准面下降、气候转湿等外力因素对涪江下切过程的控制作用约束为一个常量。【结果】虽然不同地貌单元隆升速率存在较大差异,但内、外力因素对整个涪江上游河段下切过程的贡献比值较为一致,即涪江上游干流河道对流经区域地表的切割,大致28%为构造隆升所贡献,72%为侵蚀基准面下降、气候转湿等外力因素所贡献。【结论】应用条带剖面提取法对涪江上游下切深度及内、外力因素对涪江下切过程的贡献比值进行标定,可为河流地貌发育机制的定量研究提供方法参考。(本文来源于《重庆师范大学学报(自然科学版)》期刊2019年06期）
历天宝[4]（2019）在《多矢量推进水下航行器深度分组控制数学建模分析》一文中研究指出传统水下航行器控制模型分析算法缺少对矢量动力参数的模型分析计算逻辑,因此造成控制模型分组参量关系分析不足,导致水下航行器控制动力输出量出现偏差的问题。因此,提出多矢量推进水下航行器深度分组控制数学建模分析。通过引入非线性适量运动算法,对水下航行器矢量推进下的运动进行数学模型建立分析;得到运动参数后,引入动力分组控制算法,根据计算得到的运动参数,对水下航行器进行深度分组控制模型的建立计算,从而得到准确的控制参量。最后,通过设计的仿真实验对上述分析结果进行准确性验证,证明提出方法的可行性。(本文来源于《舰船科学技术》期刊2019年22期）
李博,陈永清,李毅心,张同建[5]（2019）在《内部控制下企业诚信风险控制的深度思考》一文中研究指出我国企业诚信风险在日渐增大,而内部控制是企业诚信风险治理的基本策略。在内部控制的基础上,企业诚信风险控制应做深度的思考,密切关注到我国政治、经济、文化环境的特征及变化,而不能仅仅局限于内部控制本身。(本文来源于《价值工程》期刊2019年32期）
李鹤宇,赵志龙,顾蕾,郭丽琴,曾贲[6]（2019）在《基于深度强化学习的机械臂控制方法》一文中研究指出深度强化学习在环境中不断探索尝试,通过奖励函数对神经网络参数进行调节。实际的生产线无法作为算法的试错环境,不能提供足够的数据,构建一个机械臂仿真环境,包括机械臂与物体两部分,根据目标设置状态变量与奖励机制,在模型中对深度确定性策略梯度算法(Deep Deterministic Policy Gradient, DDPG)进行训练,实现通过深度强化学习算法控制机械臂,将抓手移动至物体下方,改进控制算法的适应性,缩短调试时间。实验结果表明,深度学习算法能够在更短的时间内达到收敛,实现对机械臂的控制。(本文来源于《系统仿真学报》期刊2019年11期）
李培峰,鲍泓,徐成[7]（2019）在《基于深度学习的智能驾驶控制的研究进展》一文中研究指出智能驾驶是智能科学研究领域最热门的技术之一,其涉及的技术非常复杂。作为智能驾驶系统叁大结构层的基础,控制层在智能驾驶行为中起着重要作用,如何使智能驾驶行为的控制像驾驶员一样始终是最重要的研究方向。首先介绍了智能驾驶控制的研究背景和研究现状,分析了智能驾驶系统;然后对一些传统方法进行简单回顾,如模糊PID和自适应巡航;接着介绍了深加固学习和神经网络的方法,并介绍了其在智能驾驶控制中的应用;最后探讨了控制方法的未来发展方向。(本文来源于《中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集》期刊2019-11-07）
叶梓峰,王永华,万频,杨贺淞,黄沛濠[8]（2019）在《基于优先记忆库结合竞争深度Q网络的动态功率控制》一文中研究指出针对认知无线电多用户的动态功率控制策略问题,提出了一种基于优先记忆库(Prioritized Experience Replay,PER)结合竞争深度Q网络(Dueling Deep Q Network,Dueling DQN)的功率控制方法。在不知道主用户的控制策略及发射功率情况下,次用户以下垫式接入到主用户信道进行传输任务。微基站收集到的接收信号强度信息作为环境状态信息输入到竞争深度Q网络中,经过训练和学习后,得到次用户的动态功率控制策略。实验结果表明,次用户经过深度强化学习后能够找到最优的功率控制策略,并且在环境参数发生变化时也能快速调整自身的行为和控制策略,提高了频谱利用率和网络能效。(本文来源于《电讯技术》期刊2019年10期）
刘桂生,石卫兵,高峥,吕剑虹[9]（2019）在《基于仿人智能控制算法的330MW机组深度调峰控制研究》一文中研究指出针对汽轮机DEH系统和机组协调控制系统在中低负荷段存在的非线性和时滞问题,提出了基于仿人智能控制算法的330MW亚临界机组协调系统控制策略,与其它先进控制策略如预测控制策略相比,该智能控制策略具有设计简单、易于实现且无需被控过程数学模型的优点。在国电江苏谏壁发电有限公司330MW亚临界机组实际应用表明,智能协调优化控制系统提高了机组负荷的调节性能,有效抑制了主要参数的波动,明显提高了机组的运行稳定性。(本文来源于《汽轮机技术》期刊2019年05期）
白雪宁[10]（2019）在《基于分层深度强化学习的机械臂控制方法研究》一文中研究指出针对现阶段机械臂控制困难、学习效率低的问题,基于分层深度强化学习,提出了通过以非线性微分方程表示的动态运动基元的协调配合来提高机械臂的学习效率和动态适应性的方法。此外,还提出了元控制器和子控制器的概念,分别用于策略的学习与目标任务的实现,从而实现层级概念和深度强化学习的结合。通过到达指定目标的仿真实验,验证了基于动态运动基元的分层强化学习方法的有效性。(本文来源于《自动化与仪器仪表》期刊2019年10期）
深度控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文通过对未知工控协议进行深度解析,总结私有工控协议解析基本方法,从而达到对工业控制系统进行行为审计和入侵检测等目的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
深度控制论文参考文献
[1].康国华,金晨迪,郭玉洁,乔思元.基于深度学习的组合体航天器模型预测控制[J].宇航学报.2019
[2].阮伟,黄光平,陈亮,杨柳.工业控制系统私有协议深度解析方法[J].电子技术与软件工程.2019
[3].陈浩,董廷旭,李勇,文星跃.涪江上游下切深度、速率及它们对下切过程控制因素的约束[J].重庆师范大学学报(自然科学版).2019
[4].历天宝.多矢量推进水下航行器深度分组控制数学建模分析[J].舰船科学技术.2019
[5].李博,陈永清,李毅心,张同建.内部控制下企业诚信风险控制的深度思考[J].价值工程.2019
[6].李鹤宇,赵志龙,顾蕾,郭丽琴,曾贲.基于深度强化学习的机械臂控制方法[J].系统仿真学报.2019
[7].李培峰,鲍泓,徐成.基于深度学习的智能驾驶控制的研究进展[C].中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集.2019
[8].叶梓峰,王永华,万频,杨贺淞,黄沛濠.基于优先记忆库结合竞争深度Q网络的动态功率控制[J].电讯技术.2019
[9].刘桂生,石卫兵,高峥,吕剑虹.基于仿人智能控制算法的330MW机组深度调峰控制研究[J].汽轮机技术.2019
[10].白雪宁.基于分层深度强化学习的机械臂控制方法研究[J].自动化与仪器仪表.2019
论文知识图
