一体化自动飞行机动控制方法技术

本发明专利技术属于智能飞行控制系统技术，提供一种一体化自动飞行机动控制方法，包括：步骤1：判断飞机当前飞行状态是否已经满足机动目标，若满足，则结束控制过程；否则进入步骤2；步骤2：初始化决策模型；步骤3：决策模型生成一条试图衔接初始状态和终止状态的操作指令序列；步骤4：按照操作指令序列运行飞机模型，获取飞行状态轨迹；步骤5：给飞行状态轨迹打分；步骤6：根据操作指令序列及其飞行状态轨迹得分更新决策模型；步骤7：若有计算时间剩余，则进入步骤3；否则进入步骤8；步骤8：决策模型将得分最高的操作指令序列中的第一个操作指令输出给飞行控制系统；步骤9：等待飞机执行完成操作指令，然后进入步骤1。

【技术实现步骤摘要】

本专利技术属于智能飞行控制系统技术，具体涉及一种基于机器学习的自动机动飞行控制方法。
技术介绍
在各类飞行任务中，飞机的机动能力对于达成任务目标起着至关重要的作用。传统飞行机动控制方法将机动控制过程分为参考轨迹生成(由制导律负责)和轨迹跟随(由控制律负责)两部分来实现。由于算法设计的通用性要求，现有参考轨迹生成算法一般是基于飞行员或专家的成文经验，将具体机动的轨迹生成算法编为带参数的程序或指令数据表格。在飞机接到机动命令时，算法按照给定参数调用程序或通过查表插值的方法生成参考轨迹，然后交由控制律完成轨迹跟随。现有飞行机动控制方法的缺点包括：1、各种机动动作的轨迹生成算法都必须由了解飞行操作过程的专家或飞行员离线编制，这使得飞机不具备在线完成未经研究编写过的机动任务的可能性；2、轨迹生成算法的参数变量不能过多(一般限制在2～3个参数)，否则会导致程序分支过多或数据表规模过大，难以编制；3、由于轨迹跟随算法(控制律)是结合具体飞机型号设计而成的，如果轨迹生成算法不考虑具体机型能否跟上参考轨迹的问题，则可能导致飞机跟不上生成的参考轨迹，进而无法完成机动任务；如果轨迹生成算法考虑了具体机型的能力要求，则算法的通用性就会很低，导致针对每种飞机都要重新设计一遍轨迹生成算法。机器学习可以通过计算机自动优化获得给定控制任务的可行操作序列。因此利用机器学习技术，可以有效降低飞行机动控制器的设计难度，并提高控制算法的通用性。
技术实现思路
专利技术目的：提供一种一体化自动飞行机动控制方法，利用机器学习算法，实现通用于各种飞机型号、各类机动任务和各种初始飞行状态的自动飞行机动控制器。技术方案：一体化自动飞行机动控制方法，包括：步骤1：接收机动命令后，判断飞机当前飞行状态是否已经满足机动目标，若满足，则结束控制过程；若不满足，则进入步骤2；步骤2：记录当前飞行状态为初始状态，机动命令规定的目标状态为终止状态，初始化决策模型；步骤3：决策模型随机或按特定程序生成一条试图衔接初始状态和终止状态的操作指令序列；步骤4：将生成的操作指令序列交给飞机模型按顺序执行，获取指令序列对应的飞行状态轨迹；步骤5：将飞行状态轨迹交给评价器进行评分，评价器根据是否达成飞行限制条件，给飞行状态轨迹打分；步骤6：根据所述操作指令序列及其对应的飞行状态轨迹的得分更新决策模型；步骤7：判断是否有计算时间剩余，若无时间剩余，则进入步骤8；若有时间剩余，则进入步骤3；步骤8：决策模型将得分最高的操作指令序列中的第一个操作指令输出给飞行控制系统；步骤9：等待飞机执行完成操作指令，然后进入步骤1。有益效果：利用计算机的高速运算能力自动求解可实现机动目标的指令操作序列，免除了对飞行机动具体操作过程的知识要求，降低了自动飞行机动控制器的设计难度，提高了机动飞行控制器的智能和通用度，促进了机动飞行控制器设计经验在不同机型上传递和积累。附图说明图1为本专利技术一体化自动飞行机动控制系统功能框图。图2为本专利技术自动飞行机动控制算法流程图。具体实施方式自动飞行机动控制系统由飞机模型、决策模型和评价器组成(见图1)。在给定计算时间、飞机初始状态和机动目标的情况下，该系统可以控制飞机自动求解并完成机动任务(见图2)。注意，飞行机动控制器并不取代控制律对飞机动的控制作用，而是在更高的层次上直接操纵带控制律的飞机。这样做的好处是飞行机动控制器可以继承带控制律飞机的操稳特性和飞行包线保护等功能。此处需要保证飞机模型在机动序列执行时段内的准确性，以防在仿真环境下生成的操作指令序列在真实环境中不能产生预期的飞行轨迹。自动飞行机动控制系统具体控制过程如下：步骤1：接收机动命令后，判断飞机当前飞行状态是否已经满足机动目标，若满足，则结束控制过程；若不满足，则进入步骤2；飞机在某一时刻的飞行状态可以表示为位置、速度、姿态、过载、角速度等变量组成的多维向量。飞行状态轨迹是指飞机状态在多个时间步长上的取值组成的序列。满足机动目标是指达到机动命令所规定的目标飞行状态，且不违反机动命令的过程要求(比如过载限制，姿态角限制，位置窗口限制等等)。步骤2：记录当前飞行状态为初始状态，机动命令规定的目标状态为终止状态，初始化决策模型；决策模型是对可以根据决策结果的得分自动优化决策指令或决策指令序列的算法的总称。典型的决策模型包括遗传算法[1]、强化学习[2]以及蒙特卡洛搜索树[3]等。[1]Fogel,D.B.Evolutionary computation:toward a new philosophy of machine intelligence,volume 1.John Wiley&Sons.2006.[2]Leslie P.K.,Michael L.L,and Andrew W.M.Reinforcement Learning:A Survey.Journal of Artificial Intelligence Research 1996,4:237-285.[3]S.Gelly,D.Silver,Combining online and offline knowledge in UCT[C],ICML'07,2007.步骤3：决策模型随机或按特定程序生成一条试图衔接初始状态和终止状态的操作指令序列；操作指令是指发出过载、角速度、或舵面偏转等指令并等待其执行一段时间的过程。例如，可以将匀速推杆0.1度然后等待0.1秒编号为1号动作，将拉杆0.1度并等待0.1秒编号为2号动作，将不进行任何操作而等待0.1秒编号为3号动作，则飞行员的连续的纵向飞行操作就可表示为1，2，3号动作的组合，这种组合可以用1、2、3编码为数字指令序列。随机生成操作指令序列是指按照随机抽样的方式多次选取多个指令号码，组成操作指令序列的方法；按照特定程序生成操作指令序列是指按照非均匀概率分布或某种固定规则多次选取多个指令号码，组成操作指令序列的方法。步骤4：将生成的操作指令序列交给飞机模型按顺序执行，获取指令序列对应的飞行状态轨迹；如步骤3所述，如果人类飞行员的机动操作过程可以被抽象为由有限多个标准动作组成的指令序列，那么在飞机和大气状态相同的条件下，从同一个初始飞行状态开始，飞机执行相同的指令序列，都应获得相同或相似的飞行状态轨迹。在所有可能的轨迹中，如果有一条轨迹可以完美地达成机动目标，那么称此轨迹为最优轨迹，并称其对应的操作指令序列为最优操作指令序列。决策模型可以利用计算机的高速计算能力在短时间内检验多组操作指令序列对应的飞行状态轨迹。在极端情况下，如果将所有指令组合都试一遍，则必能试出最优轨迹。在套用机器学习算法和一定经验(概率分布或规则)的情况下，决策模型可以不必遍历所有可能指令组合，而更快地搜出最优或可行轨迹。步骤5：将飞行状态轨迹交给评价器进行评分，评价器根据是否达成飞行限制条件，给飞行状态轨迹打分；飞行限制条件是包括是否达成机动目标(比如，对筋斗机动而言，达成机动目标就是指将俯仰角增加360度)和是否符合飞行安全限制(比如，飞行状态轨迹中的任何一点都不能撞击障碍物或地面，不能超出飞机的速度、过载包线，不能突破姿态角保护范围等等)等要求在内的飞行品质评定因素的统称。步骤6：根据所述操作指令序列及其对应的飞行本文档来自技高网...

【技术保护点】
一体化自动飞行机动控制方法，其特征在于，包括：步骤1：接收机动命令后，判断飞机当前飞行状态是否已经满足机动目标，若满足，则结束控制过程；若不满足，则进入步骤2；步骤2：记录当前飞行状态为初始状态，机动命令规定的目标状态为终止状态，初始化决策模型；步骤3：决策模型随机或按特定程序生成一条试图衔接初始状态和终止状态的操作指令序列；步骤4：将生成的操作指令序列交给飞机模型按顺序执行，获取指令序列对应的飞行状态轨迹；步骤5：将飞行状态轨迹交给评价器进行评分，评价器根据是否达成飞行限制条件，给飞行状态轨迹打分；步骤6：根据所述操作指令序列及其对应的飞行状态轨迹的得分更新决策模型；步骤7：判断是否有计算时间剩余，若无时间剩余，则进入步骤8；若有时间剩余，则进入步骤3；步骤8：决策模型将得分最高的操作指令序列中的第一个操作指令输出给飞行控制系统；步骤9：等待飞机执行完成操作指令，然后进入步骤1。

【技术特征摘要】
1.一体化自动飞行机动控制方法，其特征在于，包括：步骤1：接收机动命令后，判断飞机当前飞行状态是否已经满足机动目标，若满足，则结束控制过程；若不满足，则进入步骤2；步骤2：记录当前飞行状态为初始状态，机动命令规定的目标状态为终止状态，初始化决策模型；步骤3：决策模型随机或按特定程序生成一条试图衔接初始状态和终止状态的操作指令序列；步骤4：将生成的操作指令序列交给飞机模型按顺序执行，获取指令序列对...

【专利技术属性】
技术研发人员：王维嘉，朱雪耀，闻子侠，潘文俊，
申请(专利权)人：中国航空工业集团公司西安飞行自动控制研究所，
类型：发明
国别省市：陕西;61