相关实验视频
Updated: Jul 8, 2026
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
11.1K
通过基于模拟的深度学习模型预测和优化安全气囊着陆系统的冲击反应
Xinyi Shen1, Caishan Liu2,3
1College of Engineering, Peking University, Beijing, 100871, China.
Scientific reports
|October 8, 2025
概括
这项研究引入了一种快速的深度学习模型,用于使用安全气囊系统预测航天器着陆加速. 基于模拟的方法增强了安全分析,并优化了复杂系统的着陆性能.
科学领域:
- 航空航天工程 航空航天工程
- 计算科学 计算科学
- 机器学习 机器学习
背景情况:
- 航天器安全气囊着陆系统对于宇航员和设备安全至关重要,但复杂的系统分析和设计.
- 准确预测撞击加速对于确保着陆安全和系统可靠性至关重要.
研究的目的:
- 开发一种基于模拟的快速深度学习模型,用于预测软着陆期间航天器撞击加速.
- 加强复杂的安全气囊着陆系统的分析和设计.
主要方法:
- 构建了一个有限元模型,以生成着陆速度,安全气囊参数和加速度的数据集.
- 开发了一种基于马尔科夫决策过程原则的新型卷积神经网络 (CNN) 架构.
- 训练CNN模型同时预测三个加速度配置文件,使用初始着陆速度,安全气囊压力和通风值作为输入.
主要成果:
- 该CNN模型准确预测了撞击加速,与有限元模型结果有很好的一致性.
- 实现了预测速度,比传统的有限元分析快[公式:查看文本]倍.
- 优化通货膨胀和通风方案,使用CNN和非主导排序遗传算法方法来减少峰值加速.
结论:
- 拟议的深度学习方法为复杂的动态系统 (如航天器安全气囊着陆系统) 的性能分析和优化提供了巨大的潜力.
- 这种方法可以通过实现更快,更准确的撞击预测和系统优化来提高航天器着陆的安全性和效率.
