一种飞行器控制系统元梯度强化学习设计方法

    公开(公告)号:CN117369268A

    公开(公告)日:2024-01-09

    申请号:CN202311441930.6

    申请日:2023-11-01

    Abstract: 一种飞行器控制系统元梯度强化学习设计方法,属于飞行器控制技术领域。本发明所述方法步骤如下:步骤1:构建飞行器姿态动力学与运动学模型,与姿态指令作差形成姿态控制误差模型;步骤2:对于飞行器俯仰、偏航和滚转三个通道,分别设计自抗扰控制律,并定义自抗扰控制律中待设计的参数;步骤3:定义状态量、动作量与回报函数,设定回报函数中待调节的系数值,并采用DDPG强化学习方法调节自抗扰控制律中参数;步骤4:采用数值微分近似求解元梯度,优化设计回报函数的系数,使得采用步骤3强化学习后,最终获得的回报函数最大化,待回报函数优化设计完成后,再进行DDPG强化学习,获得自抗扰控制律中参数。本发明用于飞行器控制系统强化学习设计。

    一种再入滑翔飞行器最优超螺旋滑模控制方法

    公开(公告)号:CN117492478A

    公开(公告)日:2024-02-02

    申请号:CN202311496956.0

    申请日:2023-11-10

    Abstract: 一种再入滑翔飞行器最优超螺旋滑模控制方法,属于飞行器控制技术领域。方法如下;S1:构建姿态控制误差模型;S2:构建线性滑模变量,并定义与线性滑模变量相关的性能指标函数;S3:基于线性滑模变量与性能指标函数获得再入滑翔飞行器的控制量。本发明在采用具备强抗扰能力的超螺旋控制律保证飞行稳定的前提下,定义可考虑全程控制偏差与控制能量消耗的性能指标函数,并采用Actor‑Critic在线迭代求解的方式,获得最优控制量,可大幅降低再入滑翔飞行过程中的累积控制误差,并优化控制所需能量。

Patent Agency Ranking