申请/专利权人：上海海事大学

申请日：2021-03-16

公开（公告）日：2023-09-12

公开（公告）号：CN112800684B

主分类号：G06F30/27

分类号：G06F30/27;G06F16/36;G06N3/04;G06N3/08;G06F111/08

优先权：

专利状态码：有效-授权

法律状态：2023.09.12#授权;2021.06.01#实质审查的生效;2021.05.14#公开

摘要：本发明公开了一种基于在线稀疏化核学习的欠驱动VTOL系统最优控制方法，包括：基于在线稀疏化核学习ALD算法对VTOL数据进行稀疏化，以降低计算负担；基于稀疏化KHDP算法设计VTOL非线性系统最优控制，采用三层BP神经网络模块设计模型模块和动作模块。最后对KHDP算法进行计算机仿真研究，证明该算法对VTOL飞行航向系统可以进行有效的控制，并使性能指标函数达到最优。把强化学习与稀疏化核学习相结合，提出VTOL系统的KHDP算法，是当前人工智能领域重要的研究内容。VTOL通过传感器获得实时在线数据，利用观测或分析系统行为而进行强化学习，从输入‑输出数据构造递推算法对系统未知参数进行辨识，寻找系统最优化策略，设计自适应动态优化算法，从而实现欠驱动VTOL系统的最优解。

主权项：1.一种基于在线稀疏化核学习的欠驱动VTOL系统最优控制方法，其特征在于，该方法包括：基于在线稀疏化核学习ALD算法对VTOL数据进行稀疏化，以降低计算负担；欠驱动VTOL飞行系统的动态方程的表达式为： 其中，是VTOL中心位置，θ是VTOL飞行系统的航向角；T是来自VTOL底部的推力；l是VTOL的滚动力矩；VTOL的质量m＝68.6吨；g＝9.8ms是重力加速度；ε0＝0.5是滚动力矩和侧面加速度的相关系数；Ix＝123是系统参数，根据所述欠驱动VTOL飞行系统的动态方程，令是系统变量，两个控制输入变量为u＝[Tl]T，将所述欠驱动VTOL飞行系统的动态方程转换为： 基于稀疏化KHDP算法设计VTOL非线性系统最优控制，最优控制的目标设计控制率uk，最小化以下无限时间状态值函数： 其中，0＜γ≤1是折扣因子，U是效用函数，选择二次型形式，得到其表达式为： 其中，和分别为正定矩阵，设定Q和R分别为单位矩阵，根据Bellman最优性原理，最优性能函数Q*xk满足哈密顿-雅可比-贝尔曼方程： 得到最优控制率为：

全文数据：

权利要求：

百度查询： 上海海事大学 一种基于在线稀疏化核学习的欠驱动VTOL系统最优控制方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD