买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】基于智能自适应优化算法的高超声速飞行器再入段轨迹优化控制器_浙江大学_201911149108.6 

申请/专利权人:浙江大学

申请日:2019-11-21

公开(公告)日:2021-07-13

公开(公告)号:CN111103795B

主分类号:G05B13/04(20060101)

分类号:G05B13/04(20060101)

优先权:

专利状态码:失效-未缴年费专利权终止

法律状态:2022.11.01#未缴年费专利权终止;2020.05.29#实质审查的生效;2020.05.05#公开

摘要:本发明公开了一种基于智能自适应优化算法的高超声速飞行器再入段轨迹优化控制器,该控制器由飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器、飞行器水平飞行距离传感器、飞行器微控制单元MCU、飞行器攻角控制器构成。高超声速飞行器到达再入段空域后,各传感器开启,获得飞行器海拔高度、速度、飞行航道倾角和飞行水平距离信息,MCU根据所获得的信息自动执行内部智能自适应优化算法,得到水平飞行距离最长的轨迹优化控制策略,并将其转换为控制指令发送给攻角控制器执行。本发明能够快速地得到轨迹优化控制策略,使高超声速飞行器获得更长的水平飞行距离。

主权项:1.一种基于智能自适应优化算法的高超声速飞行器再入段轨迹优化控制器,其特征在于,它主要由飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器、飞行器水平飞行距离传感器、高超声速飞行器MCU、飞行器攻角控制器构成;所述飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器、飞行器水平航程传感器和飞行器攻角控制器均通过数据总线与高超声速飞行器MCU相连;所述的高超声速飞行器MCU包括信息采集模块、初始化模块、系统状态求解模块、收敛性判断模块、智能自适应优化算法模块、控制指令输出模块。高超声速飞行器再入段轨迹优化问题可以描述为: 其中t表示时间,xt表示高超声速飞行器的状态变量,x1t表示飞行器海拔高度、x2t表示飞行器速度、x3t表示飞行器飞行航道倾角、x4t表示飞行器水平飞行距离,ut表示高超声速飞行器的攻角控制量,为本问题的控制变量;表示状态变量xt的一阶导数,Fxt,ut,t是根据高超声速飞行器再入段三维空间运动方程建立的微分方程组数学模型;t0表示再入段轨迹优化开始的时间点,h0表示优化开始时刻飞行器的初始海拔高度,v0表示优化开始时刻飞行器的初始速度,γ0表示优化开始时刻飞行器的初始飞行航道角,r0表示优化开始时刻飞行器的初始水平飞行距离,tf表示再入段轨迹优化结束时间点,hf表示优化结束时刻飞行器的海拔高度,vf表示优化结束时刻飞行器的速度,γf表示优化结束时刻飞行器的飞行航道角;J[ut]表示高超声速飞行器轨迹优化的目标函数即优化结束时刻飞行器的水平飞行距离,G[ut,xt,t]是高超声速飞行器再入段过程的约束条件,umin和umax表示攻角控制范围的下限值和上限值;所述基于智能自适应优化算法的高超声速飞行器再入段轨迹优化控制器的运行过程如下:步骤1:在高超声速飞行器MCU中输入对应于该飞行器的气动系数模型、飞行器性能约束条件、指定优化目标;步骤2:高超声速飞行器到达再入段后,开启飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器和飞行器水平飞行距离传感器,得到高超声速飞行器当前的海拔高度、速度、飞行航道倾角和飞行水平距离状态信息;步骤3:飞行器MCU根据设定的海拔高度、速度、飞行航道倾角要求执行内部智能自适应优化算法,得到使高超声速飞行器水平飞行距离最长的轨迹优化控制策略;步骤4:高超声速飞行器MCU将获得的轨迹优化控制策略发送给控制策略输出模块,并转换为控制指令发送给飞行器攻角控制器执行;所述步骤3包括以下子步骤:步骤3.1:信息采集模块获取步骤2得到的高超声速飞行器当前的海拔高度、速度、飞行航道倾角和飞行水平距离状态信息;步骤3.2:采用控制变量参数化方法对系统模型的控制变量进行离散。初始化各项参数,设置轨迹优化过程时间的分段数NE,在全局范围内随机生成数量为N的初始细胞种群,设置细胞伸缩间隔的常量r1和r2,细胞可见度的常量v1和v2,最大迭代次数max_iters,初始迭代次数k=0;步骤3.3:通过系统状态求解模块获得第k次迭代种群个体i的目标函数值记录种群的平均目标值及最优目标值更新第k次迭代的种群最优解步骤3.4:执行收敛性判断模块,若当前迭代次数k达到最大迭代次数max_iters,则停止迭代,以当前种群最优解作为最优控制策略的离散解,经控制指令输出模块输出;否则,迭代次数k加1,执行步骤3.5;步骤3.5:执行智能自适应优化算法模块,利用模糊C均值算法将种群分为C1、C2、C3、C4四类,各类中的个体通过生成反射reflection及可见性visibility来更新细胞状态并独立地进行搜索,其中C1、C4类在全局范围内搜索最优解,C2、C3类在最优解的邻域内寻优,同时各类根据个体的适应度自适应调整权重分布,执行完此步后跳转至步骤3.3。

全文数据:

权利要求:

百度查询: 浙江大学 基于智能自适应优化算法的高超声速飞行器再入段轨迹优化控制器

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。