-
公开(公告)号：CN120010534A
公开(公告)日：2025-05-16
申请号：CN202411971458.1
申请日：2024-12-30
Applicant: 北京航天自动控制研究所
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明提供了一种基于单框架控制力矩陀螺伺服的飞行器姿态控制方法，包括：设计单框架控制力矩陀螺SGCMG操纵率，根据力矩指令得到框架角速率；根据力矩指令和框架角速率，得到单框架控制力矩陀螺作用在飞行器上的力矩；根据力矩指令得到框架角速率和单框架控制力矩陀螺作用在飞行器上的力矩，构建飞行器姿态动力学模型和姿态运动学方程模型；根据飞行器姿态动力学模型和姿态运动学方程模型，设计控制律参数并得到姿态控制律方程。本发明针对高速飞行器执行机构需承受长时耐高温、偏航/滚动通道控制力矩不足的问题，采用单框架控制力矩陀螺SGCMG作为内部执行机构，对飞行器姿态控制系统进行设计，实现了高机动飞行器姿态稳定与姿态机动。
-
公开(公告)号：CN114200950B
公开(公告)日：2023-06-02
申请号：CN202111248696.6
申请日：2021-10-26
Applicant: 北京航天自动控制研究所
IPC: G05D1/08
Abstract: 本发明公开了飞行姿态控制方法，属于机器学习技术领域，方法包括：构建飞行姿态控制律的学习所需的探索环境；根据所述探索环境输出的姿态角、姿态角速度，以及期望姿态角指令，构建所述飞行姿态控制律的学习所需的输入信号；将从所述飞行姿态控制律得到的舵机理论输出指令输入至舵机限幅单元，获取所述舵机限幅单元的输出结果，并将所述输出结果输入至所述探索环境；构建奖励回报单元，所述奖励回报单元反馈所述探索环境的姿态角的当前时刻奖励至所述飞行姿态控制律，并通过最大化总奖励优化所述飞行姿态控制律的学习；对所述飞行姿态控制律进行学习，获取最终的飞行姿态控制律，基于所述飞行姿态控制律对飞行姿态进行控制。
-
公开(公告)号：CN114167747B
公开(公告)日：2024-04-09
申请号：CN202111247260.5
申请日：2021-10-26
Applicant: 北京航天自动控制研究所
IPC: G05B17/02
Abstract: 本发明公开了一种飞行控制算法一体化训练平台的构建方法，属于机器学习技术领域，能够保证飞行控制算法训练，以及验证设计的通用性和易用性，进而提高了飞行控制算法一体化训练和验证设计的效率。方法包括：构建视景仿真模型；所述视景仿真模型展示飞行控制算法的一体化训练过程中的飞行状态信息；构建执行所述飞行控制算法的控制器与可视化飞行仿真环境之间数据交互的机器学习框架模块，并通过所述机器学习框架模块由所述可视化飞行仿真环境向所述控制器发送飞行状态信息，由所述控制器向所述可视化飞行仿真环境发送控制指令。
-
公开(公告)号：CN117826591A
公开(公告)日：2024-04-05
申请号：CN202311808632.6
申请日：2023-12-26
Applicant: 北京航天自动控制研究所
IPC: G05B13/04
Abstract: 本发明一种基于长短期记忆网络的控制律自动设计方法，借鉴深度学习中网络架构搜索方法经验，利用循环神经网络在时序关联性发掘方面的优势，将控制律结构设计问题转化为有向无环图拓扑关系自动搜索问题，实现飞行控制律控制结构的自动生成，并基于遗传算法实现给定控制律结构下参数的自动整定，目的在于克服当前控制律自动优化只能针对已知控制器结构利用启发式算法对控制器参数进行自动整定的局限，降低了人工设计工作量，提升了复杂设计输入条件下的控制效果。
-
公开(公告)号：CN114167748A
公开(公告)日：2022-03-11
申请号：CN202111247331.1
申请日：2021-10-26
Applicant: 北京航天自动控制研究所
IPC: G05B17/02
Abstract: 本发明公开了一种飞行控制算法一体化训练平台，属于机器学习技术领域，能够保证飞行控制算法训练，以及验证设计的通用性和易用性，进而提高了飞行控制算法一体化训练和验证设计的效率。平台包括：控制器、机器学习框架模块和可视化飞行仿真环境；其中：所述可视化飞行仿真环境包括动力学模型、视景仿真模型和调用接口；所述可视化飞行仿真环境通过所述调用接口与所述机器学习框架模块相连接；所述机器学习框架模块用于实现所述控制器和所述可视化飞行仿真环境之间的数据交互；所述视景仿真模型用于展示飞行控制算法的一体化训练过程中的飞行状态信息；所述动力学模型与所述视景仿真模型之间建立通讯连接。
-
Patent Agency Ranking
公开(公告)号：CN114167747A
公开(公告)日：2022-03-11
申请号：CN202111247260.5
申请日：2021-10-26
Applicant: 北京航天自动控制研究所
IPC: G05B17/02
Abstract: 本发明公开了一种飞行控制算法一体化训练平台的构建方法，属于机器学习技术领域，能够保证飞行控制算法训练，以及验证设计的通用性和易用性，进而提高了飞行控制算法一体化训练和验证设计的效率。方法包括：构建视景仿真模型；所述视景仿真模型展示飞行控制算法的一体化训练过程中的飞行状态信息；构建执行所述飞行控制算法的控制器与可视化飞行仿真环境之间数据交互的机器学习框架模块，并通过所述机器学习框架模块由所述可视化飞行仿真环境向所述控制器发送飞行状态信息，由所述控制器向所述可视化飞行仿真环境发送控制指令。
-
公开(公告)号：CN108647168B
公开(公告)日：2020-08-14
申请号：CN201810384293.6
申请日：2018-04-26
Applicant: 北京航天自动控制研究所 , 中国运载火箭技术研究院
Abstract: 本发明涉及一种基于CPCI的模拟量采集控制系统及方法，属于航空航天测试及发射控制技术领域。本发明采用基于FPGA的SOPC设计方法，用一块FPGA实现多核数据处理与并行计算，极大程度上提高了数据运算效率与处理能力；通过内部总线将软核处理器与传统FPGA逻辑资源进行内部互联，总线片内封闭，具备高可靠性高与更强的环境适应性。
-
公开(公告)号：CN120046653A
公开(公告)日：2025-05-27
申请号：CN202411917060.X
申请日：2024-12-24
Applicant: 北京航天自动控制研究所
IPC: G06N3/0442 , G06N3/092
Abstract: 本发明公开了一种神经网络控制律高效自主学习方法。针对在运用深度强化学习算法实现复杂飞行器控制律自学习的过程中，超参数设定高度依赖于人工经验进而造成设计难度大，且不一定对于任务最优的问题，本发明引入图像识别领域网络架构搜索思想，提出基于神经网络架构轻量化搜索策略的飞行器控制律自学习方法。该方法在将神经网络架构设计问题转化为图拓扑生成问题的基础上，结合LSTM循环神经网络的图拓扑生成算法、基于权重共享的深度强化学习参数轻量化训练与评估机制，以及基于策略梯度的图拓扑生成器参数学习算法，实现了深度强化学习训练算法中神经网络架构超参数的自动优化，进而完成了控制律的自学习。
-
公开(公告)号：CN117872731A
公开(公告)日：2024-04-12
申请号：CN202311623119.X
申请日：2023-11-30
Applicant: 北京航天自动控制研究所
IPC: G05B13/04
Abstract: 本申请提供一种飞行器减载制导方法、设备、存储介质，该方法包括：在飞行器飞行状态的坐标系下，建立飞行器减载制导律的训练环境；获取训练环境赋予的当前时刻的状态量；根据当前时刻的状态量和强化学习神经网络模型，采样得到当前时刻的动作输出量；根据当前时刻的动作输出量，确定训练环境赋予的奖励值和下一时刻的状态量；基于当前时刻的状态量，当前时刻的动作输出量，奖励值和下一时刻的状态量，形成训练样本；根据训练样本，对强化学习神经网络模型进行训练，得到飞行器上升段的减载制导律。本申请提供的方法可以解决飞行器上升段在未知风场下的减载制导问题。
-
公开(公告)号：CN114167748B
公开(公告)日：2024-04-09
申请号：CN202111247331.1
申请日：2021-10-26
Applicant: 北京航天自动控制研究所
IPC: G05B17/02
Abstract: 本发明公开了一种飞行控制算法一体化训练平台，属于机器学习技术领域，能够保证飞行控制算法训练，以及验证设计的通用性和易用性，进而提高了飞行控制算法一体化训练和验证设计的效率。平台包括：控制器、机器学习框架模块和可视化飞行仿真环境；其中：所述可视化飞行仿真环境包括动力学模型、视景仿真模型和调用接口；所述可视化飞行仿真环境通过所述调用接口与所述机器学习框架模块相连接；所述机器学习框架模块用于实现所述控制器和所述可视化飞行仿真环境之间的数据交互；所述视景仿真模型用于展示飞行控制算法的一体化训练过程中的飞行状态信息；所述动力学模型与所述视景仿真模型之间建立通讯连接。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.028 seconds)
