基于集成神经网络的飞行器滑翔段飞行范围在线预示方法技术

基于集成神经网络的飞行器滑翔段飞行范围在线预示方法，属于飞行器飞行技术领域。方法如下：飞行器起飞前，在预定标准轨迹上选取样本点并随机均分为多组；计算弹道落点经度和弹道落点纬度；形成输入为弹道计算初值、输出为弹道落点经纬度最大值和最小值的样本库；对于每组样本点，分别训练得到飞行范围预示神经网络；输入飞行器当前飞行状态，采用飞行范围预示神经网络进行飞行范围预示，将预示结果进行集成神经网络预示，继而得到飞行预示结果。本发明专利技术提高了预示的准确性，考虑了飞行器滑翔段强非线性动力学过程，可根据当前飞行器状态获得最大飞行范围，采用神经网络线下训练以及线上使用的方式，实时计算飞行范围，具有良好的工程实用性。的工程实用性。的工程实用性。

【技术实现步骤摘要】
基于集成神经网络的飞行器滑翔段飞行范围在线预示方法


[0001]本专利技术涉及一种基于集成神经网络的飞行器滑翔段飞行范围在线预示方法，属于飞行器飞行


技术介绍

[0002]飞行器滑翔段动力学过程具有较强的非线性特性。传统基于近似线性化模型的飞行范围在线预示方法计算精度较低，基于非线性模型的飞行范围预示方法计算时间较长，无法满足在线计算的要求。因此，急需开发一种新的飞行范围在线预示方法。

技术实现思路

[0003]为解决
技术介绍
中存在的问题，本专利技术提供一种基于集成神经网络的飞行器滑翔段飞行范围在线预示方法。
[0004]实现上述目的，本专利技术采取下述技术方案：一种基于集成神经网络的飞行器滑翔段飞行范围在线预示方法，所述方法包括如下步骤：
[0005]S1：飞行器起飞前，在预定的标准轨迹上选取多个飞行状态量的样本点，并将所述多个样本点随机均分为多组；
[0006]S2：计算弹道落点经度和弹道落点纬度；
[0007]S3：对于每组样本点，分别求出其对应的弹道落点经度的最大值、弹道落点经度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集成神经网络的飞行器滑翔段飞行范围在线预示方法，其特征在于：所述方法包括如下步骤：S1：飞行器起飞前，在预定的标准轨迹上选取多个飞行状态量的样本点，并将所述多个样本点随机均分为多组；S2：计算弹道落点经度和弹道落点纬度；S3：对于每组样本点，分别求出其对应的弹道落点经度的最大值、弹道落点经度的最小值、弹道落点纬度的最大值以及弹道落点纬度的最小值，并将上述两个最大值与对应的最小值作为范围，形成输入为弹道计算初值、输出为弹道落点经纬度最大值和最小值的样本库；S4：对于每组样本点，分别训练得到飞行范围预示神经网络；S5：飞行器在线飞行时，输入飞行器当前飞行状态，采用S4所得的训练的各个飞行范围预示神经网络进行飞行范围预示，将预示结果进行集成神经网络预示，继而得到飞行预示结果。2.根据权利要求1所述的一种基于集成神经网络的飞行器滑翔段飞行范围在线预示方法，其特征在于：S2所述弹道落点经度和弹道落点纬度的计算过程如下：S201：设置飞行器的飞行器质量m、阻力系数C
D
、升力系数C
L
、参考面积S以及大气密度ρ的参数，并将飞行器的全程攻角α以及倾侧角σ参数初始化；S202：设置弹道计算初始点：即：初始化飞行器的状态量，包括：地心距r＝r0、经度θ＝θ0、纬度φ＝φ0、速度V＝V0、航迹角γ＝γ0以及航向角ψ＝ψ0；S203：采用非线性动力学模型仿真下一步状态：式(1)中：r是飞行器飞行时的地心距；V是飞行器的飞行速度；γ是飞行器飞行时的航迹角；
θ是飞行器飞行时的经度；ψ是飞行器飞行时的航向角；φ是飞行器飞行时的纬度；D是飞行器飞行时的阻力；m是飞行器的质量；g0是地球表面重力加速度；r
e
是地球的半径；ω
e
是地球自转的角速度；L是飞行器飞行时的升力；σ是飞行器飞行时的倾侧角；S204：判断是否满足以下收敛条件：即：判断地心距是否小于地球半径；若地心距小于地球半径，则弹道计算结束，输出计算结果的经度θ以及纬...

【专利技术属性】
技术研发人员：韦常柱，魏金鹏，程杰，浦甲伦，王瑞鸣，
申请(专利权)人：哈尔滨逐宇航天科技有限责任公司，
类型：发明
国别省市：