一种无人机超机动飞行性能仿真训练系统及方法技术方案

本发明专利技术公开了一种无人机超机动飞行性能仿真训练系统，包括计算模块、存储模块、神经网络计算模块、机动飞行控制器、飞行仿真显示模块和多输入模块；多输入模块，用于基于X‑Plane飞行环境，采集多组特定机动动作时间序列；存储模块，用于对该序列进行存储；神经网络计算模块，用于基于深度神经网络架构对该序列进行拟合与训练，生成机动动作深度神经网络；机动飞行控制器，用于根据当前的飞行状态，并基于机动动作深度神经网络在线生成机动动作指令；飞行仿真显示模块，用于通过X‑plane飞行仿真软件实时显示无人机仿真飞行。本发明专利技术具有复杂风场条件下自适应机动仿真飞行和仿真演示、以及机动动作指令实时性和可靠性高等优点。

【技术实现步骤摘要】
一种无人机超机动飞行性能仿真训练系统及方法
本专利技术涉及无人机
，具体涉及一种无人机超机动飞行性能仿真训练系统及方法。
技术介绍
目前，无人机的主要军事用途包括侦察、靶机、空中中继、地面打击、干扰以及电子对抗等。随着技术的发展和新军事斗争的需要，无人机直接参与空中格斗也开始提上日程。而且，由于没有了飞行员的身体条件限制，无人机可以实现有人机无法实现的超高机动动作，在空中格斗中能够具有明显优势。现有无人机控制大多停留在平稳飞行阶段，只能在有限的滚动和俯仰姿态下飞行，不能发挥无人机的机动性能。随着应用范围的拓展和军事领域的竞争，机动飞行已经成为未来无人机技术发展的关键点。历史上对无人机的研究侧重于稳定飞行的实现，对无人机机动飞行的研究较少。已有的研究涉及到了各种机型的仿真飞行、实际飞行测试、控制算法实现等方面，但是对机动动作的定义、描述不够明确，自主机动飞行控制的工程实现也没有具有代表意义的解决方案。
技术实现思路
本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种复杂风场条件下自适应仿真飞本文档来自技高网...

【技术保护点】
1.一种无人机超机动飞行性能仿真训练系统，其特征在于，包括计算模块、存储模块、神经网络计算模块、机动飞行控制器、飞行仿真显示模块和多输入模块；/n所述多输入模块，用于基于X-Plane飞行环境，采用操纵杆或遥控器采集多组特定机动动作时间序列；/n所述存储模块，用于对该序列进行存储；/n所述神经网络计算模块，用于基于深度神经网络架构对该序列进行拟合与训练，生成机动动作深度神经网络；/n所述机动飞行控制器，用于根据当前的飞行状态，并基于机动动作深度神经网络在线生成机动动作指令；/n所述飞行仿真显示模块，用于通过X-plane飞行仿真软件实时显示无人机仿真飞行。/n

【技术特征摘要】
1.一种无人机超机动飞行性能仿真训练系统，其特征在于，包括计算模块、存储模块、神经网络计算模块、机动飞行控制器、飞行仿真显示模块和多输入模块；
所述多输入模块，用于基于X-Plane飞行环境，采用操纵杆或遥控器采集多组特定机动动作时间序列；
所述存储模块，用于对该序列进行存储；
所述神经网络计算模块，用于基于深度神经网络架构对该序列进行拟合与训练，生成机动动作深度神经网络；
所述机动飞行控制器，用于根据当前的飞行状态，并基于机动动作深度神经网络在线生成机动动作指令；
所述飞行仿真显示模块，用于通过X-plane飞行仿真软件实时显示无人机仿真飞行。


2.根据权利要求1所述的无人机超机动飞行性能仿真训练系统，其特征在于，所述神经网络计算模块还包括神经网络补偿单元，用于建立三层的神经网络结构，来修正模型误差以及环境干扰；三层神经网络包括一层输入层，一层隐层以及一层输出层，并将各层神经网络输出反馈到控制量中，最终控制率设计为：其中δc为动态逆的控制量质量，为神经网络补偿结果，v为鲁棒项，通过调整神经网络参数，以实现飞行器的稳定飞行。


3.根据权利要求2所述的无人机超机动飞行性能仿真训练系统，其特征在于，所述神经网络计算模块采用CM1K神经网络芯片及开发系统；该网络芯片采用1024个硬件计算单元实现，通过专用的总线组成菊花链式的结构，不同硬件计算单元之间快速进行竞争学习，根据距离判定新到达输入的最近单元，并且自动网络权重的更新与单元状态更新，以实现知识的存储与调整，最终实现神经网络的训练。


4.根据权利要求3所述的无人机超机动飞行性能仿真训练系统，其特征在于，所述CM1K神经网络芯片的智慧层模块...

【专利技术属性】
技术研发人员：喻煌超，赵述龙，王祥科，曹粟，肖乃经，张纪阳，张人山，习业勋，吕飞，王欢，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43