翼伞运动PID自适应控制方法技术

本发明专利技术提供一种翼伞运动PID自适应控制方法，包括如下步骤：步骤1、选择影响翼伞动力学性能的P个关键特征因素构建状态空间S，并将该状态空间划分为多个状态子空间；步骤2、利用深度强化学习方法获得每个状态子空间的有效PID参数；步骤3、选择与翼伞飞行的当前状态最相似的K个状态子空间，利用该K个状态子空间下的有效PID参数合成翼伞当前飞行状态下的PID控制参数，完成翼伞系统的运动控制。本发明专利技术利用深度强化学习方法辅助PID控制策略合成翼伞当前飞行状态下的PID控制参数，完成翼伞系统的运动控制，实现了深度强化学习与PID控制器的优势互补，规避了各自的缺点。规避了各自的缺点。规避了各自的缺点。

【技术实现步骤摘要】
翼伞运动PID自适应控制方法


[0001]本专利技术属于翼伞运动控制的
，具体涉及一种利用深度强化学习辅助的翼伞运动PID自适应控制方法。

技术介绍

[0002]如何实现翼伞系统精确、稳定的运动控制是一个技术难点，其原因在于：首先，翼伞系统是一个复杂的欠驱动系统，具有强耦合、非线性、大时滞、不确定性和非线性扰动等特点，并受多约束综合影响；其次，翼伞的主要操作方式是下拉左右后缘以实现转向，同直升机、四旋翼和固定翼无人机相比，其独有的冲压结构气动外形和伞绳操纵结构决定了其操纵性能有限，机动性能较差，受外界环境干扰明显。
[0003]PID控制器是最早出现的控制器类型，在工业过程控制中有着广泛的应用，也是目前翼伞运动控制中主要使用的控制器。PID控制器作为一种非基于模型控制方式的控制器，具有结构简单，调整方便的优点，具体表现在以下四个方面：一、PID算法蕴含了动态控制过程中过去、现在、将来的主要信息，而且其配置几乎最优；二、PID控制适应性好，有较强的鲁棒性，对各种工业应用场合，都可在不同的程度上应用；三、PID算法简单明了，各个控制参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种翼伞运动PID自适应控制方法，其特征在于，包括如下步骤：步骤1、选择影响翼伞动力学性能的P个关键特征因素构建状态空间S，并将该状态空间划分为多个状态子空间；步骤2、利用深度强化学习方法获得每个状态子空间的有效PID参数；步骤3、选择与翼伞飞行的当前状态最相似的K个状态子空间，利用该K个状态子空间下的有效PID参数合成翼伞当前飞行状态下的PID控制参数，完成翼伞系统的运动控制。2.根据权利要求1所述的翼伞运动PID自适应控制方法，其特征在于，步骤1中构建状态空间的方法为：选择影响翼伞动力学性能的P个关键特征因素构成状态空间选择影响翼伞动力学性能的P个关键特征因素构成状态空间3.根据权利要求1所述的翼伞运动PID自适应控制方法，其特征在于，步骤1中关键特征因素包括但不限于翼伞飞行环境中风场的风向角、风力、载重倍数。4.根据权利要求1所述的翼伞运动PID自适应控制方法，其特征在于，步骤1中划分状态子空间的方法为：将状态空间S划分为N个状态子空间，构成状态子空间集合将状态空间S的j(j＝1,2,3,...P)维取值范围划分为n
j
个子区间，则状态空间S划分的状态子空间数N＝n1*n2*n3*...*n
P
；在每个状态子空间中选择一个状态作为状态子空间内的代表状态。5.根据权利要求1所述的翼伞运动PID自适应控制方法，其特征在于，步骤2中采用Actor
‑
Critic深度强化学习方法获得每个状态子空间的有效PID参数。6.根据权利要求1所述的翼伞运动PID自适应控制方法，其特征在于，步骤2具体包括如下步骤：步骤2.1、假定已知L个状态子空间的代表状态和有效PID参数，其中，L≥1，令该L个状态子空间集合为G＝{S
iG
}
i＝1,2,3,...,L
，有效PID参数集合为{PID
iG
}
i＝1,2,3,...,L
；步骤2.2、利用Actor
‑
Critic深度强化学习为集合G中的每个状态子空间训练Actor模型和Critic模型；步骤2.3、对每个状态子空间进行如下操作：如果状态子空间已经设定了有效的PID参数，则结束步骤2.3；如果状态子空间未设定有效PID参数，则搜索相邻状态子空间，如相邻状态子空间没有设定有效PID参数，则结束...

【专利技术属性】
技术研发人员：贺喜，苏炳君，
申请(专利权)人：航宇救生装备有限公司，
类型：发明
国别省市：