张峻巍

张峻巍

中国科学院大学博士在读

Sitemap

A list of all the posts and pages found on the site. For you robots out there is an XML version available for digesting as well.

Pages

Posts

Future Blog Post

less than 1 minute read

Published:

This post will show up by default. To disable scheduling of future posts, edit config.yml and set future: false.

Blog Post number 4

less than 1 minute read

Published:

This is a sample blog post. Lorem ipsum I can’t remember the rest of lorem ipsum and don’t have an internet connection right now. Testing testing testing this blog post. Blog posts are cool.

Blog Post number 3

less than 1 minute read

Published:

This is a sample blog post. Lorem ipsum I can’t remember the rest of lorem ipsum and don’t have an internet connection right now. Testing testing testing this blog post. Blog posts are cool.

Blog Post number 2

less than 1 minute read

Published:

This is a sample blog post. Lorem ipsum I can’t remember the rest of lorem ipsum and don’t have an internet connection right now. Testing testing testing this blog post. Blog posts are cool.

Blog Post number 1

less than 1 minute read

Published:

This is a sample blog post. Lorem ipsum I can’t remember the rest of lorem ipsum and don’t have an internet connection right now. Testing testing testing this blog post. Blog posts are cool.

publications

research

面向智能能力增长的航天器软件体系架构研究

在航天器研发过程中，项目团队也会面临着接口设计多样化、协议不统一难以重用的问题，工程项目面对“高、多、快、好”的需求，这需要航天器引入智能技术，并需要打造一个能够支持智能能力持续构建的系统架构平台。航天器智能能力增长的软件体系架构主要包括应用层架构设计和智能层架构设计，其中，应用层重点解决航天器的可重用性和可扩展性，智能层重点解决航天器在系统级别自主层面的构建，为航天器智能能力进一步构建提供足够的支持。

支持航天器目标驱动的空间数据交互研究

航天器的自主能力需要依靠航天器的空间数据交互提供支持。若实现航天器的智能自主运行，以达到“自适应科学探测”，就会对数据交互提出更高的要求。为支持航天器的智能能力逐步构建，指令的控制模式需要从传统的“行为驱动”模式，提升为以指令实现的效果和目标为基本单元的“目标驱动”模式。上述转换的实现，一方面指令需要在“微观”到“宏观”等多层级均具有表达和描述能力，另一方面指令需要具备多层级之间表达和描述的转换能力。上述工作可以为航天器智能能力的构建提供空间数据交互的基础。

基于分层强化学习的航天器星载自主任务决策算法

深空环境未知和不确定性使得传统算法难以收敛并应用，本课题提出一种基于分层强化学习的星载任务决策方法，以应对深空探测中遇到的未知和复杂环境。该算法以航天器遥测数据作为输入，采用双层决策架构构建模型，输出航天器需要执行的任务级指令。顶层决策者负责识别和选择任务类别，采用基于模型的强化学习方法，构建深空航天器运行环境仿真数学模型，模拟深空探测进行决策。低层执行者采用模型无关的强化学习方法，根据每个任务的特点，定制化训练模型，根据参数性质不同，采用DQN或者DDPG方法，专注决策任务的具体参数。此外，本研究将奖励函数泛化设计，设计若干可调节的奖励函数参数并加入到模型的状态信息中，并设计辅助网络，使得模型能自适应调整任务目标并影响航天器的自主决策，提高航天器的自主性。实验证明，通过分层设计思想，设计的星载自主任务决策方法在实际生产环境中能够满足实际需求，且具备较强的适应性和自主性。

基于分层任务网络-时间线的航天器星载自主任务调度方法

为了保证航天器在兼顾自主的同时具备较强的可靠性且满足深空中各项资源约束，本课题提出了一种基于分层任务网络-时间线(HTN-T)的星载任务调度方法。该方法以航天器任务级指令作为输入，采用分层任务网络（HTN）算法将任务级指令分解为可执行的指令,并在时间线上实现任务的横向与纵向扩展排序，最后设计了基于优先级的资源冲突消解策略，以此生成规划结果。实验证明，本算法能够满足航天器自适应科学探测对任务分解和时间编排能力的需要。

空间数据系统电子数据单(EDS)相关技术研究

本课题所要解决的问题是有关航天器空间数据系统中异构系统间的互联互通问题。探究了航天器电子数据单的应用方法，并以XTCE标准和SEDS标准为基础,使用工具包对基于各种标准的EDS工具链进行整合,提出了EDS工具链设计思路和EDS工具链架构模型，以软件开发的三层架构方法为基础，设计了通用的EDS工具链架构，并基于插件架构，以OSGI为技术基础开发了航天器电子数据单工具链管理系统。

支持航天器自适应科学探测的一种基于Actor-Critic的超启发式星载任务规划算法

为解决航天器应当对不同的算法的选择具有自适应性，本课题提出了一种以强化学习为基础的超启发式航天器自主任务规划算法。面对航天器上多种任务级指令，底层算法从全局搜索能力，解的优化质量，收敛速度和适用问题类型四个角度考虑，选择了四个元启发式算法（粒子群算法、灰狼优化算法、正余弦优化算法、树种优化算法）作为算子。顶层以Actor-Critic算法为基础，以基于LeNet的改进网络作为策略网络，并构建价值网络。为提高算法灵活性和适应性，从绝对因素和相对因素两个角度综合设计奖励函数，并结合具体工程背景和算法特性，建立对应的数学模型，设计合理的算法评价指标。实验证明，设计的基于强化学习的超启发式算法能够取得较为优异的适应性，并能够实现航天器的任务目标。本研究创新性地将超启发式算法结合强化学习方法应用到航天领域，能够满足航天相关任务需求和场景。

支持自适应科学探测的航天器智能层自主任务规划能力研究

航天器的智能层依靠航天器的自主能力提供系统级别自主的能力支持，主要包括航天器自主任务决策、规划和调度。深空探测任务自主能力通过在探测器上构建智能自主软硬件系统，根据对空间环境的感知和认识，利用计算机知识建模技术、人工智能理论方法，自主进行任务的决策、规划和调度，得到可达目标状态的合理活动序列，实现探测器无人参与情况下长时间自主安全运行。该技术不仅可以满足深空探测任务的复杂性和实时性要求，同时可以用于近地卫星的任务规划，提高探测任务可靠性和科学回报、减少费用，是空间探测领域亟待解决的一项关键技术。

talks

支持自适应科学探测的星载任务规划方法初探

Published:

摘要：本文以满足自适应科学探测的需求为背景，梳理并分析了目前常见的星载自主任务建模方法与规划算法的特征，提出了一种基于分层任务网络-时间线（HTN-T）的星载任务规划方法。该方法以任务级指令作为输入，采用分层任务网络算法将任务级指令分解为可执行的指令，并在时间线上实现任务的横向与纵向扩展、冲突消解及排序，以此生成规划结果，从而满足航天器自适应科学探测对任务分解和时间编排能力的需要。

基于航天器 XTCE 遥测的 XFDU 设计

Published:

摘要：本课题在可扩展体系架构、空间包协议、PUS 协议、XFDU、XTCE 等基础上，研究了地面端遥测格式自适应识别技术，并支持卫星遥测数据的按需组织下传及接受识别。遥测格式识别和解析可以支持航天器以事先未定义的格式下传遥测数据，可以处理星载设备临时组织的数据结构，突破传统遥测的局限性。有助于实现遥测数据的高效下传，提高数据的应用价值，为自适应科学探测提供自主数传支持。