一种平流层飞艇三维轨迹跟踪控制方法及系统技术方案

本发明专利技术涉及一种平流层飞艇三维轨迹跟踪控制方法及系统，方法包括：基于六个元素建立用于平流层飞艇三维轨迹跟踪控制问题的POMDP初始模型，并采用GPDM拟合方法将POMDP初始模型中的未知函数转换为拟合问题，采用在线规划算法更新所述POMDP模型的动作集；当迭代次数大于或等于迭代总次数，则根据更新后的动作集控制平流层飞艇飞行。本发明专利技术将POMDP初始模型中的未知函数转换为拟合问题，将问题归结为闭式数学问题，精度高、误差小，从本源上解决动力学模型参数摄动难点，有效解决学习效率低、控制结果随机振荡问题以及控制误差大的问题，缩短决策时间，一定程度上具有自主决策能力，实现提高对平流层飞艇轨迹的跟踪控制精度。现提高对平流层飞艇轨迹的跟踪控制精度。现提高对平流层飞艇轨迹的跟踪控制精度。

【技术实现步骤摘要】
一种平流层飞艇三维轨迹跟踪控制方法及系统


[0001]本专利技术涉及飞艇轨迹跟踪控制
，特别是涉及一种平流层飞艇三维轨迹跟踪控制方法及系统。

技术介绍

[0002]平流层飞艇是一种典型的轻于空气的飞行器，一般工作于平流层下层约18～22km高度处，相较于传统航空器和航天器，具有独特的区域长期驻留能力，在侦察预警、通信中继、移动互联网、环境探测等领域具有巨大应用潜力。可控飞行是平流层飞艇实现区域长期驻留能力的核心关键技术之一，有效的轨迹跟踪控制是可控飞行的重要内容。
[0003]平流层飞艇控制系统设计显著区别于飞机、导弹等传统飞行器，主要难点和挑战在于：大尺度柔性体动力学模型参数摄动严重、不确定性强；运动速度与环境风速在一个量级，受环境风场干扰影响大，且环境风场短周期变化性强；大惯量、长时延、欠驱动特征明显。工程实际中，传统基于动力学模型的控制策略，在状态反馈和参数辨识方面存在较大的控制误差。人工智能技术的发展，使得不依赖于动力学模型的控制方法受到重视，其中，利用智能体与环境交互经验的强化学习(Reinforcement Learn本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种平流层飞艇三维轨迹跟踪控制方法，其特征在于，所述方法包括：步骤S1：设置全局初始化参数；所述全局初始化参数包括：迭代总次数、初始化迭代次数k＝1和六个元素；所述六个元素包括状态空间S、动作空间A、观测空间Z、转移函数T、观测函数O和回报值函数R；步骤S2：基于六个元素建立用于平流层飞艇三维轨迹跟踪控制问题的POMDP初始模型，并采用GPDM拟合方法将POMDP初始模型中的未知函数转换为拟合问题，获得POMDP模型；所述POMDP模型为动作
‑
观测序列的概率密度分布函数；步骤S3：采用在线规划算法更新所述POMDP模型的动作集；步骤S4：判断迭代次数k是否小于迭代总次数；如果迭代次数k小于迭代总次数，则令k＝k+1，并返回“步骤S2”；如果迭代次数k大于或等于迭代总次数，则根据更新后的动作集控制平流层飞艇飞行。2.根据权利要求1所述的平流层飞艇三维轨迹跟踪控制方法，其特征在于，所述基于六个元素建立用于平流层飞艇三维轨迹跟踪控制问题的POMDP初始模型，并采用GPDM拟合方法将POMDP初始模型中的未知函数转换为拟合问题，获得POMDP模型，具体包括：步骤S21：基于六个元素建立用于平流层飞艇三维轨迹跟踪控制问题的POMDP初始模型；步骤S22：采用GPDM拟合方法将POMDP初始模型中的未知函数转换为两个未知权值系数集合B和C；所述未知函数包括转移函数T、观测函数O以及回报值函数R；步骤S23：按照设置的仿真时长和期望参数三维轨迹对两个未知权值系数集合B和C分别进行迭代拟合，确定拟合权值系数集合B
′
和C
′
；步骤S24：不考虑Markov特性，针对拟合权值系数集合C
′
，通过在拟合权值系数集合C
′
上指定各向同性的高斯先验，并进行边缘化处理，获得第一概率密度分布函数；步骤S25：考虑Markov特性，针对拟合权值系数集合B
′
，通过在拟合权值系数集合B
′
上指定各向同性的高斯先验，并进行边缘化处理，获得第二概率密度分布函数；步骤S26：采用根据贝叶斯规则，根据第一概率密度分布函数和第二概率密度分布函数确定动作
‑
观测序列的概率密度分布函数。3.根据权利要求1所述的平流层飞艇三维轨迹跟踪控制方法，其特征在于，所述采用在线规划算法更新所述POMDP模型的动作集，具体包括：步骤S31：设置局部初始化参数；所述局部初始化参数包括第t时刻的状态分布函数b
t
以及时域树深度d；步骤S32：根据所述时域树深度d对所述动作空间A进行划分，获得M个动作子集；步骤S33：从第i个动作子集中随机选择第t时刻的动作a
t
，基于转移函数T和第t时刻的动作a
t
进行预测，获得观测值和回报奖励值r
t
；步骤S34：根据第t时刻状态分布函数b
t
、动作a
t
、观测值和回报奖励值r
t
进行GPDM拟合处理，得到第t+1时刻的状态函数分布b
t+1
；步骤S35：利用R＝R+γr
t
计算累计回报奖励值；其中，γ表示折扣因子，R表示累计回报奖励值；步骤S36：判断所述累计回报奖励值R是否小于奖励设定值R*；如果所述累计回报奖励值R小于奖励设定值R*，则执行“步骤S37”；如果所述累计回报奖励值R大于或等于奖励设定
值R*，则令当前选择的动作作为第t时刻的实际动作，并令R*＝R，执行“步骤S37”；步骤S37：令b
t
＝b
t+1
，并判断i是否小于M；如果i小于M，则令i＝i+1，并返回“步骤S33”；如果i大于或等于M，则输出更新后的动作集。4.根据权利要求2所述的平流层飞艇三维轨迹跟踪控制方法，其特征在于，计算第一概率密度分布函数的具体公式为：其中，表示第一概率密度分布函数，W表示包含p+1阶比例因子的对角矩阵，N表示空间序列大小，p表示对角矩阵阶数，K
Y
表示核矩阵，Y表示联合观测空间，S表示状态空间，A表示动作空间，表示超参数。5.根据权利要求4所述的平流层飞艇三维轨迹跟踪控制方法，其特征在于，计算第二概率密度分布函数的具体公式为：其中，表示第二概率密度分布函数，表示超参数，p(s1)表示初始状态值为s1的概率，m、n分别表示序列大小，K
X
表示核矩阵，S
out
表示潜在空间中的不可观测状态。6.根据权利要求5所述的平流层飞艇三维轨迹跟踪控制方法，其特征在于，计算动作
‑
观测序列的概率密度分布函数的具体公式为：其中，表示动作
‑
观测序列的概率密度分布函数，表示超参数对应的条件概率密度分布函数...

【专利技术属性】
技术研发人员：杨希祥，刘多能，杨晓伟，王曰英，杨燕初，
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：