一种基于决策树的飞行器动力系统故障在线辨识方法

    公开(公告)号:CN111221345B

    公开(公告)日:2023-04-14

    申请号:CN202010076008.1

    申请日:2020-01-23

    Abstract: 本发明涉及一种基于决策树的飞行器推力故障在线辨识方法,适用于飞行器飞行过程中典型动力系统推力故障在线辨识领域。针对控制系统飞行运动信息(如飞行位置、速度、加速度、转速、姿态角、角速度等)进行数据融合生成,并生成决策树,采用训练好的决策树对主发动机故障进行辨识,能够有效实现对故障类型的实时准确建模判别。考虑飞行器质心运动、扰心运动、结构干扰、气动力及力矩等因素,建立更加真实可信仿真模型,生成可信的数据样本,生成决策树,本发明可对飞行器推力故障进行实时在线辨识,可准确辨识出发动机故障。

    一种基于滚动时域的最优跟踪制导方法

    公开(公告)号:CN115291526A

    公开(公告)日:2022-11-04

    申请号:CN202211207671.6

    申请日:2022-09-30

    Abstract: 一种基于滚动时域的最优跟踪制导方法,属于飞行器制导与控制领域,解决了解决飞行器非线性最优在线弹道跟踪问题。最优跟踪制导方法包括:基于运动学模型进行轨迹跟踪,获得状态量偏差、控制矢量偏差;利用状态量偏差、控制矢量偏差,对运动学模型线性化;基于线性化后的运动学模型,在满足终端约束的情况下,求解最优控制目标函数使其最小,即获得制导指令。本发明通过小扰动线性化处理,将轨迹跟踪问题构建为一个凸二次规划问题,以轨迹跟踪误差最小为性能质保,能够实时生成最优跟踪指令,提升轨迹跟踪精度。

    一种基于LSTM神经网络的飞行器推力故障在线辨识方法

    公开(公告)号:CN111258302B

    公开(公告)日:2021-10-01

    申请号:CN202010076009.6

    申请日:2020-01-23

    Abstract: 本发明涉及一种基于LSTM神经网络的飞行器推力故障在线辨识方法,适用于飞行器飞行过程中典型动力系统推力故障在线辨识领域。针对控制系统飞行运动信息进行数据融合生成,并训练LSTM神经网络,采用训练好的LSTM神经网络对主发动机故障进行辨识,能够有效实现对故障类型的实时准确建模判别。考虑飞行器质心运动、扰心运动、结构干扰、气动力及力矩等因素,建立更加真实可信仿真模型,生成可信的数据样本,对LSTM神经网络进行训练,本发明可对飞行器推力故障进行实时在线辨识,可准确辨识出哪台发动机故障,以及故障程度。本发明搭建轻量级的神经网络,运算简单,辨识速度快。

    基于惯性耦合特性的飞行器姿态补偿控制方法

    公开(公告)号:CN104155986B

    公开(公告)日:2015-05-20

    申请号:CN201410392003.4

    申请日:2014-08-11

    Abstract: 本发明公开了一种基于惯性耦合特性的飞行器姿态补偿控制方法,所述方法包括:根据如下公式计算得到滚动通道的滚动舵的舵面偏转角δx;使用所述滚动舵的舵面偏转角δx对所述滚动舵的舵面偏转指令值进行补偿后,得到补偿后的滚动舵的舵面偏转指令值;将补偿后的滚动舵的舵面偏转指令值输入到所述滚动舵的伺服机构,由所述滚动舵的伺服机构相应控制所述飞行器的姿态;其中,公式为:本发明的技术方案中,对于飞行器的一个姿态运动通道,将其他通道对该通道的惯性耦合特性的交联影响,量化为该通道的空气舵的舵面偏转角;从而可以根据量化出的舵面偏转角对飞行器进行补偿控制后,使得对飞行器的控制更为准备,可靠。

    飞行器的多通道姿态控制器

    公开(公告)号:CN104155988A

    公开(公告)日:2014-11-19

    申请号:CN201410394876.9

    申请日:2014-08-12

    Abstract: 本发明公开了一种飞行器的多通道姿态控制器,所述控制器包括执行机构和惯性平台,还包括:解算单元用于根据惯性平台的测量信息计算出飞行器滚动、偏航、俯仰三个通道的当前角速度、当前气流角后反馈输出;外回路控制单元用于根据三个通道的当前气流角、接收的气流角控制值,计算出三个通道的角速度调整值;对于偏航(俯仰)通道,将其角速度调整值与由交联支路引起的偏航(俯仰)角速度相加得其角速度控制值,并将滚动通道的角速度调整值作为该通道的角速度控制值;内回路控制单元用于根据三个通道的当前角速度和角速度控制值生成舵面偏转指令向执行机构输出。本发明通过补偿三个通道的角速度控制值使多通道姿态控制器获得更强的通道解耦效果。

    飞行器姿态运动通道间运动耦合特性的交联影响评估方法

    公开(公告)号:CN104134008A

    公开(公告)日:2014-11-05

    申请号:CN201410389937.2

    申请日:2014-08-08

    Abstract: 本发明公开了一种飞行器姿态运动通道间运动耦合特性的交联影响评估方法,所述方法包括:确定飞行器的俯仰、偏航通道的气流角,以及滚动通道的角速度;根据确定出的气流角、角速度,计算出交联等效角速度,作为评估出的滚动通道的角速度对俯仰通道的气流角的耦合特性的交联影响。本发明的技术方案中,对于飞行器的俯仰通道,将偏航、滚动通道的角速度、气流角对该通道的运动耦合特性的交联影响,量化为该通道的各交联等效角速度;可以评估出综合因素对该通道的气流角的运动耦合特性的交联影响,更准确地获悉通道间基于运动耦合特性的交联影响。从而可以有助于根据量化的交联影响对飞行器进行补偿控制后,使得对飞行器的控制更为准确、可靠。

    一种低成本类火箭可回收试验飞行器

    公开(公告)号:CN115556966B

    公开(公告)日:2025-05-02

    申请号:CN202211287350.1

    申请日:2022-10-20

    Abstract: 本发明提出了一种低成本的可回收火箭型试验飞行器,用于实现各类运载火箭回收算法、运载火箭智能控制算法的飞行试验验证。飞行器自身结构设计简单坚固易修改,采用推力可调节的航空涡喷发动机可实现火箭下落时的稳定着陆控制。飞行器通过动力系统和执行机构可实现全部六自由度的位置及姿态运动。飞行器配备的控制系统算力较强,通过箭载飞控机与算力强大的数据处理计算机配合,可实现中等规模深度学习算法IP核的搭载和多核并行算法的搭载试验。飞行器飞控软件内部设有容错制导律,可在飞行器试验算法失控时,可切换至容错制导律实现飞行器安全飞行。同时,飞行器头部的应急回收装置可保证执行机构失效时飞行器的安全着陆。

    一种基于强化学习的经验回放缓存池飞行器数据处理方法

    公开(公告)号:CN115828099A

    公开(公告)日:2023-03-21

    申请号:CN202211551857.3

    申请日:2022-12-05

    Abstract: 本公开涉及一种基于强化学习的经验回放缓存池飞行器数据处理方法,包括:获取飞行器姿态控制多维数据的经验回放缓存池中的样本数据集;将所述样本数据集输入至强化学习神经网络进行计算得到该样本数据集的累计奖励值;判断所述累计奖励值与预设阈值之间的大小关系,当所述累计奖励值与预设阈值满足第一大小关系时将所述样本输入至所述经验回放缓存池中的第一样本池;当所述累计奖励值与预设阈值满足第二大小关系时将所述样本输入至所述经验回放缓存池中的第二样本池;当进行经验回放采样时,在所述第一样本池和所述第二样本池之间进行采样。通过上述方法可以保护稀有样本的比例有利于强化学习的准确性。

Patent Agency Ranking