申请/专利权人:中国空气动力研究与发展中心计算空气动力研究所
申请日:2024-05-14
公开(公告)日:2024-06-11
公开(公告)号:CN118170155A
主分类号:G05D1/46
分类号:G05D1/46
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.28#实质审查的生效;2024.06.11#公开
摘要:本发明公开了一种基于深度神经网络的高速滑翔式飞行器在线轨迹优化方法,涉及轨迹优化技术领域,其包括:将高速滑翔式飞行器动力学模型转换成最优控制问题;采用自适应伪谱法将最优控制问题转换成非线性规划问题;根据飞行器不同初始状态信息,生成最优轨迹数据集;将最优轨迹数据集划分成训练集和测试集,通过训练集训练离线的深度神经网络;将测试集中的状态变量输入训练好的深度神经网络,得到飞行器的控制变量,更新倾侧角和攻角控制指令,飞行器按照新生成的控制指令进行飞行;将导航系统实时测量的飞行器状态信息输入已训练好的深度神经网络,实现飞行器在线轨迹优化。本发明能够实时高效地对高速滑翔式飞行器进行在线轨迹优化。
主权项:1.一种基于深度神经网络的高速滑翔式飞行器在线轨迹优化方法,其特征在于,包括:建立高速滑翔式飞行器动力学模型,增加飞行过程的热流约束、过载约束、动压约束,加入飞行器的初始状态和末端状态约束,并将高速滑翔式飞行器动力学模型转换成最优控制问题;采用自适应伪谱法将最优控制问题转换成非线性规划问题;采用拉丁超立方采样生成均匀分布的飞行器初值状态信息;根据飞行器不同初始状态信息,采用非线性规划求解器求解非线性规划问题,生成最优轨迹数据集;最优轨迹数据集由飞行器的状态变量以及对应的控制变量构成;状态变量包括飞行器的高度、经度、纬度、速度、航向角和航迹角;控制变量包括飞行器的倾侧角和攻角;将最优轨迹数据集划分成训练集和测试集,将训练集中的状态变量作为深度神经网络的输入,将训练集中的控制变量作为深度神经网络的输出,训练离线的深度神经网络;将测试集中的状态变量输入训练好的深度神经网络,得到飞行器的控制变量,更新倾侧角和攻角控制指令,飞行器按照新生成的控制指令进行飞行;将导航系统实时测量的飞行器状态信息输入已训练好的深度神经网络,形成飞行器在线轨迹规划闭环,实现飞行器在线轨迹优化。
全文数据:
权利要求:
百度查询: 中国空气动力研究与发展中心计算空气动力研究所 基于深度神经网络的高速滑翔式飞行器在线轨迹优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。