-
公开(公告)号：CN118732589B
公开(公告)日：2024-11-15
申请号：CN202411223841.9
申请日：2024-09-03
Applicant: 大连理工大学
IPC: G05B19/042
Abstract: 本发明属于高超声速飞行器控制技术领域，涉及一种知识与数据混合驱动高超声速变形飞行器智能控制方法。首先，建立基于知识的飞行动力学模型，并实现面向控制的模型转化。然后，设计基于神经网络补偿的基准控制律，为离线数据的训练和在线智能控制提供基本的控制架构。再利用离线部分的训练考虑不同变形模态、不同模型不确定性、多源扰动影响下的离线数据在基准控制框架下，作为数据样本开展训练。最后设计基于元学习的在线控制器设计方案，在充分利用离线训练的数据知识基础上，分别设计基于元学习的控制参数在线整定、基于先验知识的未知干扰补偿、以及基于元学习智能控制的在线应用。本发明能够解决高超声速变形飞行器在复杂干扰下的控制难题。
-
公开(公告)号：CN116382071B
公开(公告)日：2023-12-22
申请号：CN202310081892.1
申请日：2023-02-08
Applicant: 大连理工大学
Abstract: 本发明属于飞行器控制技术领域，涉及一种深度学习网络修正补偿的气动参数智能辨识方法。本发明首先考虑神经网络的智能参数辨识方法，根据地面试验数据离线训练深度学习网络。其次根据离线训练好的网络映射力/力矩系数并与系数的观测值作差，进行递推最小二乘增量辨识补偿。再根据真实飞行状态采集的数据离线修正深度学习网络，进而使得修正后的神经网络映射力/力矩系数更贴近真实值。在保证参数估计精度的同时，保障参数估计的快速性。最后，通过某型飞机模型开展了智能参数辨识及对比分析工作，结果表明离线训练/在线补偿/离线修正的辨识吻合较好，且与传统辨识方法相比计算效率高，具有广阔的应用前景。
-
公开(公告)号：CN114912202A
公开(公告)日：2022-08-16
申请号：CN202210566517.1
申请日：2022-05-24
Applicant: 大连理工大学
IPC: G06F30/15 , G06F30/28 , G06F17/13 , G06F17/16 , G06F113/08 , G06F119/14
Abstract: 本发明属于飞机控制技术领域，涉及一种宽速域吸气式动力飞行器机体推进一体化耦合控制方法。本发明从飞行力学/发动机热力循环耦合角度建立一体化动力学模型，利用控制微分方程的扰动线性化列出状态空间方程，采用极点配置方法，给出宽速域飞行器在大范围马赫数下的一体化耦合反馈控制策略。本发明在应对飞/推耦合效应方面，明显地提升了飞行器的控制品质和操纵稳定性，有更小的超调量，更快的响应速度，以及快速收敛的特性，具有广阔的应用前景。
-
公开(公告)号：CN118707858A
公开(公告)日：2024-09-27
申请号：CN202411207224.X
申请日：2024-08-30
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明属于航空航天飞行器控制领域，涉及一种弱模型依赖的高超声速变形飞行器智能控制方法。本发明首先建立面向控制的高超声速变形飞行器动力学模型，用于智能控制的准备工作。之后，设计弱模型依赖的积分强化学习算法，构建智能控制的基本框架，降低对变形飞行器的模型依赖程度。进一步，设计面向策略梯度的自适应学习律，通过策略梯度更新控制律中的关键部分，结合数据堆栈的更新思想，减轻在线更新的数据压力，提升控制系统的更新速度。该方法是一种降低控制方法对模型的依赖程度的智能控制方法，且具有广阔的应用前景。
-
-
Patent Agency Ranking
公开(公告)号：CN118707858B
公开(公告)日：2024-12-13
申请号：CN202411207224.X
申请日：2024-08-30
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明属于航空航天飞行器控制领域，涉及一种弱模型依赖的高超声速变形飞行器智能控制方法。本发明首先建立面向控制的高超声速变形飞行器动力学模型，用于智能控制的准备工作。之后，设计弱模型依赖的积分强化学习算法，构建智能控制的基本框架，降低对变形飞行器的模型依赖程度。进一步，设计面向策略梯度的自适应学习律，通过策略梯度更新控制律中的关键部分，结合数据堆栈的更新思想，减轻在线更新的数据压力，提升控制系统的更新速度。该方法是一种降低控制方法对模型的依赖程度的智能控制方法，且具有广阔的应用前景。
-
公开(公告)号：CN118732589A
公开(公告)日：2024-10-01
申请号：CN202411223841.9
申请日：2024-09-03
Applicant: 大连理工大学
IPC: G05B19/042
Abstract: 本发明属于高超声速飞行器控制技术领域，涉及一种知识与数据混合驱动高超声速变形飞行器智能控制方法。首先，建立基于知识的飞行动力学模型，并实现面向控制的模型转化。然后，设计基于神经网络补偿的基准控制律，为离线数据的训练和在线智能控制提供基本的控制架构。再利用离线部分的训练考虑不同变形模态、不同模型不确定性、多源扰动影响下的离线数据在基准控制框架下，作为数据样本开展训练。最后设计基于元学习的在线控制器设计方案，在充分利用离线训练的数据知识基础上，分别设计基于元学习的控制参数在线整定、基于先验知识的未知干扰补偿、以及基于元学习智能控制的在线应用。本发明能够解决高超声速变形飞行器在复杂干扰下的控制难题。
-
公开(公告)号：CN114721266B
公开(公告)日：2023-05-05
申请号：CN202210324369.2
申请日：2022-03-30
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明属于飞行器控制技术领域，涉及一种飞机舵面结构性缺失故障下自适应干扰抑制的重构控制方法。本发明首先考虑飞机舵面结构性缺失的影响，确定建立动力学模型的输入和输出，在此基础上采用实时辨识，通过飞行数据得到故障后的气动数据，接着对力和力矩进行重新配平，最后采用自适应干扰抑制方法进行控制。相比传统的预设控制器，本发明的控制方法在飞机发生舵面结构缺失故障时，提升了飞机的控制品质和操纵稳定性；相比于传统的控制方法，有更小的超调量，更快的响应速度，以及快速收敛的特性，避免了传统控制方法在飞机发生故障时控制效果变差的情况，有更好的控制性能，具有广阔的应用前景。
-
公开(公告)号：CN114721266A
公开(公告)日：2022-07-08
申请号：CN202210324369.2
申请日：2022-03-30
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明属于飞行器控制技术领域，涉及一种飞机舵面结构性缺失故障下自适应干扰抑制的重构控制方法。本发明首先考虑飞机舵面结构性缺失的影响，确定建立动力学模型的输入和输出，在此基础上采用实时辨识，通过飞行数据得到故障后的气动数据，接着对力和力矩进行重新配平，最后采用自适应干扰抑制方法进行控制。相比传统的预设控制器，本发明的控制方法在飞机发生舵面结构缺失故障时，提升了飞机的控制品质和操纵稳定性；相比于传统的控制方法，有更小的超调量，更快的响应速度，以及快速收敛的特性，避免了传统控制方法在飞机发生故障时控制效果变差的情况，有更好的控制性能，具有广阔的应用前景。
-
公开(公告)号：CN114781067B
公开(公告)日：2024-08-20
申请号：CN202210479166.0
申请日：2022-05-05
Applicant: 大连理工大学
IPC: G06F30/15 , G06F30/20 , G06F119/14 , G06F119/20
Abstract: 本发明属于飞行器轨迹设计技术领域，涉及一种基于航程微分运动模型的ASV分离轨迹设计方法。本发明针对背负式两级入轨空天飞行飞行器达到分离窗口前的分离轨迹设计问题，首先考虑到空天飞行器分离所需要的分离窗口特性，以分离法向过载为零的终端约束，提出了使空天飞行器按抛物线形状的轨迹进行爬升的策略。后对抛物线分离轨迹策略分析研究，提出了一种可以根据已知轨迹形状下，基于航程微分动力学模型的剖面设计策略，并通过Matlab进行仿真实验验证了所设计的策略的可行性。本发明的方法能够在基本保证原有精度的同时对算法运行效率有很大的提升，为空天飞行器分离轨迹设计问题提供一种新的可能有效，具有广阔应用前景。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.016 seconds)
