本发明专利技术公开了一种飞行器的避障飞行控制方法、装置及系统。该避障飞行控制装置包括数据获取单元、轨迹规划单元以及控制飞行单元。该避障轨迹规划系统包括避障飞行控制模块以及数据存储模块。通过根据伪谱法仿真获得的数据为样本，对预设的深度神经网络进行训练以获取预设的避障轨迹规划模型，使用该避障轨迹规划模型生成优化轨迹，并根据该优化轨迹控制飞行器飞行，该避障飞行控制方法、装置及系统提升了避障轨迹规划的速度，从而提升了飞行器的避障飞行控制的实时性。避障飞行控制的实时性。避障飞行控制的实时性。
【技术实现步骤摘要】
一种飞行器的避障飞行控制方法、装置及系统
[0001]本专利技术涉及飞行器的避障飞行控制领域，涉及一种飞行器的避障飞行控制方法、装置及系统。
技术介绍
[0002]高超声速飞行器是一类可在临近空间范围内长时间以高超声速(Ma>5)机动飞行的飞行器，具有飞行速度快、隐蔽性好、突防能力强、作战效能高等特点,在民用和军用领域都有巨大的潜在应用价值。高超声速飞行器的避障轨迹规划问题是具有高复杂度的非线性规划与控制问题。
[0003]在现有技术中，针对高超声速飞行器的轨迹规划任务，早期学者提出了间接法和直接法，近年来出现了遗传算法、粒子群算法等生物智能优化算法。其中，间接法利用庞特里亚金极小值原理将最优控制问题转换为哈密顿边值问题，具有高精度和最优解满足一阶最优性条件的优点，但是通过庞特里亚金极小值原理推导得到最优解的过程比较繁琐；直接法的特点是离散化轨迹规划问题，将原来的轨迹规划问题转化为非线性规划问题；生物智能优化算法在飞行器轨迹优化设计领域也得到越来越多的应用。
[0004]但是，现有技术仍存在下述缺陷：生物智能优化算法采用完全不同于传统规划算法的方式，对一些复杂问题具有独特优势，但应用于在线规划问题求解时还存在泛化能力较差，计算速度较慢的问题，从而导致应用于避障飞行控制时的实时性较差，进而导致控制效果较差。
[0005]因此，当前需要一种飞行器的避障飞行控制方法、装置及系统，从而克服现有技术中存在的上述缺陷。
技术实现思路
[0006]针对现存的上述技术问题，本专利技术的目的在于提供一种飞行器的避障飞行控制方法、装置及系统，从而提升飞行器的避障飞行控制的实时性。
[0007]本专利技术提供了一种飞行器的避障飞行控制方法，该避障飞行控制方法包括：获取飞行器的飞行轨迹规划数据组；将所述飞行轨迹规划数据组输入预设的避障轨迹规划模型中，从而获得优化轨迹；所述避障轨迹规划模型是通过根据伪谱法仿真获得的数据为样本，对预设的深度神经网络进行训练而得；根据所述优化轨迹，控制飞行器进行避障飞行。
[0008]在一个实施例中，将所述飞行轨迹规划数据组输入预设的避障轨迹规划模型中，从而获得优化轨迹，具体包括：从所述飞行轨迹规划数据组获取飞行器的第一始末状态量组以及威胁区数据组；将所述第一始末状态量组以及所述威胁区数据组输入预设的避障轨迹规划模型中，从而获得优化轨迹。
[0009]在一个实施例中，所述避障轨迹规划模型的训练过程包括：获取预设的仿真模拟数据组、约束条件组以及目标函数；通过伪谱法，根据所述仿真模拟数据组、约束条件组以及目标函数，生成最优样本数据组；根据所述样本数据组，训练预设的深度神经网络，从而
获得避障轨迹规划模型。
[0010]在一个实施例中，在根据所述优化轨迹，控制飞行器进行避障飞行之后，所述避障飞行控制方法还包括：根据所述飞行器的实际飞行情况生成实时飞行轨迹；将所述优化轨迹和所述实时飞行轨迹发送给用户。
[0011]本专利技术还提供了一种飞行器的避障飞行控制装置，所述避障飞行控制装置包括数据获取单元、轨迹规划单元以及控制飞行单元，其中，所述数据获取单元用于获取飞行器的飞行轨迹规划数据组；所述轨迹规划单元用于将所述飞行轨迹规划数据组输入预设的避障轨迹规划模型中，从而获得优化轨迹；所述避障轨迹规划模型是通过根据伪谱法仿真获得的数据为样本，对预设的深度神经网络进行训练而得；所述控制飞行单元用于根据所述优化轨迹，控制飞行器进行避障飞行。
[0012]在一个实施例中，所述轨迹规划单元具体用于：从所述飞行轨迹规划数据组获取飞行器的第一始末状态量组以及威胁区数据组；将所述第一始末状态量组以及所述威胁区数据组输入预设的避障轨迹规划模型中，从而获得优化轨迹。
[0013]在一个实施例中，所述避障轨迹规划模型的训练过程包括：获取预设的仿真模拟数据组、约束条件组以及目标函数；通过伪谱法，根据所述仿真模拟数据组、约束条件组以及目标函数，生成最优样本数据组；根据所述样本数据组，训练预设的深度神经网络，从而获得避障轨迹规划模型。
[0014]在一个实施例中，所述避障飞行控制装置还包括轨迹展示单元，所述轨迹展示单元用于：根据所述飞行器的实际飞行情况生成实时飞行轨迹；将所述优化轨迹和所述实时飞行轨迹发送给用户。
[0015]本专利技术还提供了一种飞行器的避障轨迹规划系统，所述避障轨迹规划系统包括避障飞行控制模块以及数据存储模块，所述避障飞行控制模块和所述数据存储模块通信连接，所述数据存储模块用于存储所有数据，所述避障飞行控制模块用于根据所述数据存储模块中的所有数据，执行如前所述的飞行器的避障飞行控制方法。
[0016]在一个实施例中，所述避障轨迹规划系统还包括用户交互模块，所述用户交互模块包括触摸/不可触摸显示屏、输入键盘、指示灯、麦克风或扬声器。
[0017]相比于现有技术，本专利技术实施例具有如下有益效果：
[0018]本专利技术提供了一种飞行器的避障飞行控制方法、装置及系统，通过根据伪谱法仿真获得的数据为样本，对预设的深度神经网络进行训练以获取预设的避障轨迹规划模型，使用该避障轨迹规划模型生成优化轨迹，并根据该优化轨迹控制飞行器飞行，该避障飞行控制方法、装置及系统提升了避障轨迹规划的速度，从而提升了飞行器的避障飞行控制的实时性。
[0019]进一步地，本专利技术提供的一种飞行器的避障飞行控制方法、装置及系统还通过根据所述飞行器的实际飞行情况生成实时飞行轨迹，并将所述优化轨迹和所述实时飞行轨迹发送给用户，从而提升飞行器的避障飞行控制的交互性。
附图说明
[0020]下文将结合说明书附图对本专利技术进行进一步的描述说明，其中：
[0021]图1示出了根据本专利技术的一种飞行器的避障飞行控制方法的一个实施例的流程
图；
[0022]图2示出了根据本专利技术的一种飞行器的避障飞行控制方法的另一实施例的流程图；
[0023]图3示出了根据本专利技术的一种飞行器的避障飞行控制装置的一个实施例的结构图；
[0024]图4示出了根据本专利技术的一种飞行器的避障飞行控制系统的一个实施例的结构图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]具体实施例一
[0027]本专利技术实施例首先描述了一种飞行器的避障飞行控制方法。图1示出了根据本专利技术的一种飞行器的避障飞行控制方法的一个实施例的流程图。如图1所示，该方法包括如下步骤：
[0028]S1:获取飞行器的飞行轨迹规划数据组。
[0029]为了能够对飞行器进行避障轨迹规划，首先需要获取飞行器的轨迹规划数据组以获知飞行器的各种初始状态数据以及威胁区数据，从而为后续的轨迹规划分析提供数据支持。本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种飞行器的避障飞行控制方法，其特征在于，该避障飞行控制方法包括：获取飞行器的飞行轨迹规划数据组；将所述飞行轨迹规划数据组输入预设的避障轨迹规划模型中，从而获得优化轨迹；所述避障轨迹规划模型是通过根据伪谱法仿真获得的数据为样本，对预设的深度神经网络进行训练而得；根据所述优化轨迹，控制飞行器进行避障飞行。2.根据权利要求1所述的飞行器的避障飞行控制方法，其特征在于，将所述飞行轨迹规划数据组输入预设的避障轨迹规划模型中，从而获得优化轨迹，具体包括：从所述飞行轨迹规划数据组获取飞行器的第一始末状态量组以及威胁区数据组；将所述第一始末状态量组以及所述威胁区数据组输入预设的避障轨迹规划模型中，从而获得优化轨迹。3.根据权利要求2所述的飞行器的避障飞行控制方法，其特征在于，所述避障轨迹规划模型的训练过程包括：获取预设的仿真模拟数据组、约束条件组以及目标函数；通过伪谱法，根据所述仿真模拟数据组、约束条件组以及目标函数，生成最优样本数据组；根据所述样本数据组，训练预设的深度神经网络，从而获得避障轨迹规划模型。4.根据权利要求3所述的飞行器的避障飞行控制方法，其特征在于，在根据所述优化轨迹，控制飞行器进行避障飞行之后，所述避障飞行控制方法还包括：根据所述飞行器的实际飞行情况生成实时飞行轨迹；将所述优化轨迹和所述实时飞行轨迹发送给用户。5.一种飞行器的避障飞行控制装置，其特征在于，所述避障飞行控制装置包括数据获取单元、轨迹规划单元以及控制飞行单元，其中，所述数据获取单元用于获取飞行器的飞行轨迹规划数据组；所述轨迹规划单元用于将所述飞行轨迹规划数据组输入预设的避障轨迹规划模型中，从而获得优化轨迹；所述避障轨迹规划模型是通...
【专利技术属性】
技术研发人员：梁海朝，王剑颖，李明儒，张亮，李智，伍元培，罗云皓，车浩晖，
申请(专利权)人：中山大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。