申请/专利权人：北京航天自动控制研究所

申请日：2023-12-26

公开（公告）日：2024-04-05

公开（公告）号：CN117826591A

主分类号：G05B13/04

分类号：G05B13/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：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。

主权项：1.一种基于长短期记忆网络的控制律自动设计方法，其特征在于，包括：通过bode图方式分析被控对象幅频特性，并根据刚体、弹性稳定条件，得到基本控制器形式和滤波器个数，将控制器结构转化为Nl层典型单元级联的形式；按照基本控制器和滤波器两部分，拆分出每个级联层中可供选择的结构模块，形成级联控制器可行搜索空间；根据得到的级联控制器可行搜索空间，建立基于长短期记忆网络LSTM的结构生成器，完成串级控制器每层结构的循环生成；同时设定长短期记忆网络LSTM隐层神经网络数量，并根据级联控制器每层可选结构数量明确长短期记忆网络LSTM结构生成器输出分类个数；对可行搜索空间组合成的任意控制器结构，设计统一可行的参数整定方法，分别给出基本控制器和滤波器部分的参数整定算法，确定待整定参数数量、参数可能的取值范围，构建能评价任意结构下控制器参数好坏的适应度函数；结合步得到的基于长短期记忆网络LSTM的结构生成器和参数整定方法，建立内外环分步优化的一体化训练学习架构，分别对外环的长短期记忆网络LSTM结构生成器参数和内环的控制律参数进行训练，完成级联控制器结构和参数的一体化自动生成；提取自动生成的适应度分数最高的级联控制器，通过bode图方式分析加入控制器后的幅频特性，完成时域仿真及数据分析，分析是否满足设计要求，如果不能满足则调整超参数设置重新设计，直至满足设计要求。

全文数据：

权利要求：

百度查询： 北京航天自动控制研究所 一种基于长短期记忆网络的控制律自动设计方法

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