LEARNING
基于Koopman信息图的数据驱动系绳空间系统建模与控制
Ao Jin, Yifeng Ma, Panfeng Huang, Fan Zhang
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了Koopman图动力学框架，通过结合Koopman算子的全局线性演化与图神经网络的局部拓扑先验来学习结构动力学。基于该表示，开发了用于系绳空间系统的模型预测控制策略，在柔性系绳和空间网的地面实验中展示了高精度建模能力，并实现了无需重新训练的空间迁移。
关键词
Koopman operatorgraph neural networksmodel predictive controltethered space systemsdata-driven modeling
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018