智能空間操控理論與應(yīng)用

第1章 引言
1.1 人工智能概述
1.1.1 人工智能的定義
1.1.2 人工智能的研究范疇
1.1.3 人工智能歷史進展
1.1.4 各國人工智能發(fā)展趨勢
1.2 人工智能的研究分支
1.2.1 專家系統(tǒng)
1.2.2 機器學習
1.2.3 圖像識別
1.2.4 自然語言處理
1.2.5 機器人學
1.3 應(yīng)用案例簡介
1.3.1 AlphaGo簡介
1.3.2 Siri簡介
1.3.3 無人駕駛汽車
1.3.4 城市大腦
1.3.5 智能物流機器人
1.4 人工智能與航天發(fā)展
1.4.1 基于人工智能的航天新科研手段
1.4.2 人工智能的航天應(yīng)用
1.4.3 人工智能與航天軍事
參考文獻
第2章 空間非合作目標參數(shù)智能識別
2.1 空間非合作目標特征辨識概述
2.2 基于機器學習圖像信息的空間非合作目標位姿參數(shù)識別
2.2.1 空間非合作目標位姿測量技術(shù)
2.2.2 空間非合作目標位姿估計方法
2.3 基于AI識別光流信息的空間非合作目標載荷識別
2.4 空間非合作目標的運動參數(shù)濾波估計與智能識別
2.4.1 基于深度混合神經(jīng)網(wǎng)絡(luò)的空間非合作目標參數(shù)識別
2.4.2 空間非合作目標三維重建識別自由翻滾空間非合作目標
2.5 本章小結(jié)
參考文獻
第3章 故障檢測、隔離與恢復(fù)
3.1 航天器FDIR技術(shù)
3.1.1 FDIR概念
3.1.2 航天器故障特點
3.1.3 航天器FDIR技術(shù)內(nèi)涵
3.2 航天器FDIR技術(shù)中的人工智能方法
3.2.1 基于知識的FDIR智能算法
3.2.2 基于淺層機器學習的數(shù)據(jù)驅(qū)動FDIR智能算法
3.2.3 基于深度機器學習的數(shù)據(jù)驅(qū)動FDIR智能算法
3.2.4 基于遷移機器學習的數(shù)據(jù)驅(qū)動FDIR智能算法
3.3 航天器故障診斷的人工智能方法應(yīng)用案例
3.3.1 基于卷積神經(jīng)網(wǎng)絡(luò)的航天器飛輪軸承故障診斷方法
3.3.2 基于遷移學習的航天器姿態(tài)控制系統(tǒng)故障診斷方法
3.4 本章小結(jié)
參考文獻
第4章 空間任務(wù)規(guī)劃與碎片清除
4.1 空間任務(wù)規(guī)劃概念
4.2 空間任務(wù)規(guī)劃發(fā)展
4.3 空間碎片清除任務(wù)規(guī)劃
4.3.1 面向空間碎片清除的任務(wù)規(guī)劃問題描述
4.3.2 基于智能仿生學算法的優(yōu)化求解
4.3.3 基于強化學習算法的優(yōu)化求解
4.3.4 基于深度強化學習算法的優(yōu)化求解
4.4 智能方法在碎片清除任務(wù)規(guī)劃中的應(yīng)用案例
4.4.1 基于APSO和IGA的碎片清除任務(wù)規(guī)劃方法
4.4.2 基于強化學習的碎片清除任務(wù)規(guī)劃方法
4.5 本章小結(jié)
參考文獻
第5章 航天測控、遙操作與空間靶場
5.1 人工智能在航天測控中的應(yīng)用
5.1.1 基于人工智能的測控資源優(yōu)化調(diào)度
5.1.2 人工智能在軌道預(yù)報與優(yōu)化中的應(yīng)用
5.2 遙操作系統(tǒng)
5.2.1 空間機器人遙操作系統(tǒng)
5.2.2 虛擬現(xiàn)實技術(shù)在遙操作中的應(yīng)用
5.2.3 人工智能技術(shù)在遙操作中的應(yīng)用
5.2.4 典型案例
5.3 太空靶場
5.3.1 賽博空間與網(wǎng)絡(luò)靶場
5.3.2 太空靶場技術(shù)
5.3.3 人工智能在太空靶場中的應(yīng)用
5.4 本章小結(jié)
參考文獻
第6章 群體智能與多航天器編隊
6.1 群體智能
6.1.1 概念簡介
6.1.2 群體智能的社會性
6.1.3 粒子群研究的當前進展
6.2 多航天器系統(tǒng)
6.2.1 多航天器系統(tǒng)概述
6.2.2 自主任務(wù)、資源分配技術(shù)
6.2.3 自主任務(wù)規(guī)劃技術(shù)
6.2.4 自主協(xié)商技術(shù)
6.3 同構(gòu)與異構(gòu)多智能體系統(tǒng)博弈技術(shù)
6.3.1 博弈論簡述
6.3.2 多智能體合作博弈技術(shù)
6.3.3 多智能體非合作博弈技術(shù)
6.4 本章小結(jié)
參考文獻
第7章 載人航天與月球探測
7.1 載人航天與月球探測發(fā)展趨勢
7.2 智能機器人運動規(guī)劃
7.2.1 智能機器人運動規(guī)劃概述
7.2.2 機器人運動規(guī)劃基本算法
7.2.3 人工智能與機器人運動規(guī)劃算法
7.3 載人航天與空間智能機器人發(fā)展
7.3.1 艙內(nèi)智能機器人
7.3.2 輔助工作機器人
7.3.3 生活陪伴機器人
7.4 載人航天與智能可穿戴裝備發(fā)展
7.4.1 智能可穿戴裝備概念
7.4.2 智能可穿戴裝備特點
7.4.3 外骨骼可穿戴智能裝備
7.4.4 基于智能可穿戴裝備的載人航天訓(xùn)練
7.5 月球探測與月面智能機器人概念
7.5.1 月面巡視機器人
7.5.2 月面挖掘機器人
7.5.3 月面搭建機器人
7.5.4 月面搬運機器人
7.5.5 月面服務(wù)機器人
7.5.6 月面群體智能機器人
7.6 本章小結(jié)
參考文獻
第8章 深空探測與天文觀測
8.1 機器學習與深空飛行
8.1.1 深空飛行軌道設(shè)計
8.1.2 深空探測器姿態(tài)控制
8.1.3 天體著陸制導(dǎo)控制
8.2 圖像識別與目標檢測
8.2.1 傳統(tǒng)圖像識別
8.2.2 智能圖像識別
8.2.3 目標檢測
8.3 大數(shù)據(jù)處理與天文觀測
8.3.1 天文觀測手段及數(shù)據(jù)庫類型
8.3.2 大數(shù)據(jù)處理方法
8.3.3 典型數(shù)據(jù)挖掘算法