【技术实现步骤摘要】
本专利技术涉及飞行器控制，特别是涉及一种基于深度森林算法的高速飞行器智能控制方法。
技术介绍
1、高速飞行器普遍采用机身-发动机一体化设计，这种设计思想在为飞行器提供充足动力、提高升阻比以及减少燃料负载的同时，也会带来空气动力学与推进系统之间的强耦合问题。若飞行器产生过大攻角，无法维持吸气式发动机充足的进气量，会出现发动机推力骤减甚至熄火的问题。当发动机推力骤减或消失后，由于气动力的作用，会在飞行器前部产生一个抬头附加力矩。该力矩会改变飞行器的静稳定性甚至加剧飞行器的静不稳定性，造成飞行器控制系统的失效。因此，在设计高速飞行器控制系统过程中，需要特别关注瞬态性能与稳态性能。
2、同时，由于高速飞行器的飞行工况复杂，不同飞行条件下能够满足进气约束的响应性能是不同的，因此需要在不同飞行工况下设计不同的性能函数参数，但这在实际中难以实时操作。
技术实现思路
1、为了克服现有技术的不足，本专利技术的目的是提供一种基于深度森林算法的高速飞行器智能控制方法。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种基于深度森林算法的高速飞行器智能控制方法，包括：
4、利用鲁棒一致收敛观测器，对高速飞行器动力学模型中的不确定性扰动以及通道间耦合进行精确跟踪并滤除；
5、利用预定性能控制算法，设计姿态跟踪误差性能约束函数，将姿态跟踪误差约束至一个设定范围内；
6、基于超螺旋算法，根据所述高速飞行器动力学模型和所述姿态跟踪误差性
7、利用nsga-iii优化算法与变异系数法，综合考虑高速飞行器的姿态跟踪误差累积值、控制指令抖振量、攻角量和控制器控制能量设计多目标优化算法，并根据所述多目标优化算法从所述高速飞行器姿态控制器中获取训练样本数据；
8、基于深度森林算法，利用所述训练样本数据预测得到优化场景参数与性能参数之间的逻辑关系，并根据所述逻辑关系构建性能指标策略库，以实现飞行器性能参数实时在线提取；同时，将训练好的性能指标策略库引入到高速飞行器姿态控制器中，并设计性能优化智能滑模控制方法，以在大空域、宽速域下，实现满足进气约束与跟踪性能约束的吸气式高超声速飞行器的最优控制。
9、优选地，所述高速飞行器动力学模型的表达式为：式中，θ＝[θ,ψ,γ]t为飞行器姿态角向量，其中θ为俯仰角，ψ为偏航角，γ为滚转角；ω＝[ωx,ωy,ωz]t为飞行器姿态角速率向量，其中，ωx为滚转角速率，ωy为偏航角速率，ωz为俯仰角速率；u＝[δx,δy,δz]t是控制输入，其中，δx为滚转舵，δy为偏航舵，δz为俯仰舵；y＝θ表示系统输出，dθ＝[dθ,dψ,dγ]t和表示由模型不确定或未知外界干扰组成的总干扰，其中，dθ为外环集总扰动，dθ为俯仰角子系统扰动，dψ为偏航角子系统扰动，dγ为滚转角子系统扰动，dω为内环集总扰动，dωx为滚转角速度子系统扰动，为偏航角速度子系统扰动，dωz为俯仰角速度子系统扰动；gθ∈r3×3、fω∈r3×1、gω∈r3×3均为系统矩阵；其中
10、其中，v为飞行速度，q为动压，s为参考面积，l为升力，β为侧滑角，jx为对弹体系x轴的转动惯量，jy为对弹体系y轴的转动惯量，jz为对弹体系z轴的转动惯量，与分别为滚转力矩系数关于滚转角速度ωx与滚转舵δx的偏导数，与分别为偏航力矩系数关于侧滑角β、偏航角速度ωy、偏航舵δy的偏导数，与分别为俯仰力矩系数关于攻角α、俯仰角速度ωz、升降舵δz的偏导数。
11、优选地，所述姿态跟踪误差性能约束函数的表达式为：其中，其中，ρθ为所述姿态跟踪误差性能约束函数，a0为性能约束函数方向参数，a1为第一系数，a2为第二系数，a3为第三系数，ρθ0为性能函数初始值，ρθ∞为性能函数收敛值，tθ为收敛时间，t为时间。
12、优选地，所述姿态跟踪误差满足性能条件的表达式为：
13、其中，eθ为姿态跟踪误差，δθ与均为正常数。
14、优选地，所述高速飞行器姿态控制器的表达式为：
15、
16、其中，幂次趋近律eω＝ω-ωc为姿态角速度跟踪误差，控制参数αθ1,αθ2≥0，lθ为利普希茨常数，kω2表示系统的运动点趋近滑模面的速率，ω为飞行器姿态角速率向量，ωc为姿态角速率虚拟控制指令，uθ超螺旋滑模控制算法中间值，εθ为姿态角无约束跟踪误差，aω为幂次趋近律幂次参数项，与分别为内外环干扰观测值，与分别为姿态角与姿态角速率期望值导数，通过低通滤波器得到，kω1为控制器增益。
17、优选地，所述多目标优化算法的目标函数的表达式为：
18、min l1＝min∑ci∫|ei|；
19、min l2＝min(∫|δxk-δx(k-1)|+∫|δyk-δy(k-1)|+∫|δzk-δz(k-1)|)；
20、
21、min l4＝min(c6·∫|δx|+c7·∫|δy|+c8·∫|δz|)；
22、其中，l1、l2、l3、l4分别为高速飞行器姿态跟踪误差累积值、高速飞行器控制指令抖振量、高速飞行器攻角量和高速飞行器控制器控制能量；ei为姿态角跟踪误差，ci为姿态角跟踪误差系数，δxk为当前时刻的滚转舵偏转指令，δx(k-1)为上一时刻的滚转舵偏转指令，δyk为当前时刻的偏航舵偏转指令，δy(k-1)上一时刻的偏航舵偏转指令，δzk为当前时刻的升降舵偏转指令，δz(k-1)为上一时刻的升降舵偏转指令，χ为一个非0的极小值，αa为飞行器正常飞行攻角约束，αmax为飞行器最大飞行攻角，αmin为飞行器最小飞行攻角，c6、c7和c8均为各参数系数。
23、优选地，根据所述多目标优化算法从所述高速飞行器姿态控制器中获取训练样本数据，包括：
24、采用nsga-iii优化算法对所述目标函数进行优化，得到性能指标参数；
25、采用变异系数法在线获取综合性能指标权重，并根据所述综合性能指标权重确定综合性能评价指标；
26、根据所述综合性能评价指标确定最优性能参数，并将最优性能参数作为训练样本数据。
27、优选地，所述深度森林算法是利用级联森林构建的；所述级联森林的每个级联由多个层级组成，每个所述层级对应一个扫描粒度，每一层集成了多个森林，每个森林学习到输入数据的特征信息之后，被输入到下一层。
28、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
29、本专利技术提供了一种基于深度森林算法的高速飞行器智能控制方法，包括：利用鲁棒一致收敛观测器，对高速飞行器动力学模型中的不确定性扰动以及通道间耦合进行精确跟踪并滤除；利用预定性能控制算法，设计姿态跟踪误差性能约束函数，将姿态跟踪误差约束至一个设定范围内；基于超螺旋算法，根据所述高速飞行器动力学模型和所述姿态跟踪误差性能约束函数设计高速飞行器姿态控制器；利用nsga-iii优化算法与变异系数法，综合考虑本文档来自技高网...
【技术保护点】
1.一种基于深度森林算法的高速飞行器智能控制方法，其特征在于，包括：
2.根据权利要求1所述的基于深度森林算法的高速飞行器智能控制方法，其特征在于，所述高速飞行器动力学模型的表达式为：式中，Θ＝[θ,ψ,γ]T为飞行器姿态角向量，其中θ为俯仰角，ψ为偏航角，γ为滚转角；ω＝[ωx,ωy,ωz]T为飞行器姿态角速率向量，其中，ωx为滚转角速率，ωy为偏航角速率，ωz为俯仰角速率；u＝[δx,δy,δz]T是控制输入，其中，δx为滚转舵，δy为偏航舵，δz为俯仰舵；y＝Θ表示系统输出，dΘ＝[dθ,dψ,dγ]T和表示由模型不确定或未知外界干扰组成的总干扰，其中，dΘ为外环集总扰动，dθ为俯仰角子系统扰动，dψ为偏航角子系统扰动，dγ为滚转角子系统扰动，dω为内环集总扰动，为滚转角速度子系统扰动，为偏航角速度子系统扰动，为俯仰角速度子系统扰动；gΘ∈R3×3、fω∈R3×1、gω∈R3×3均为系统矩阵；其中其中，V为飞行速度，q为动压，S为参考面积，L为升力，β为侧滑角，Jx为对弹体系x轴的转动惯量，Jy为对弹体系y轴的转动惯量，Jz为对弹体系z轴的转动惯量，与分别为滚转
3.根据权利要求1所述的基于深度森林算法的高速飞行器智能控制方法，其特征在于，所述姿态跟踪误差性能约束函数的表达式为：其中，其中，ρΘ为所述姿态跟踪误差性能约束函数，a0为性能约束函数方向参数，a1为第一系数，a2为第二系数，a3为第三系数，ρΘ0为性能函数初始值，ρΘ∞为性能函数收敛值，TΘ为收敛时间，t为时间。
4.根据权利要求3所述的基于深度森林算法的高速飞行器智能控制方法，其特征在于，所述姿态跟踪误差满足性能条件的表达式为：
5.根据权利要求4所述的基于深度森林算法的高速飞行器智能控制方法，其特征在于，所述高速飞行器姿态控制器的表达式为：
6.根据权利要求4所述的基于深度森林算法的高速飞行器智能控制方法，其特征在于，所述多目标优化算法的目标函数的表达式为：
7.根据权利要求6所述的基于深度森林算法的高速飞行器智能控制方法，其特征在于，根据所述多目标优化算法从所述高速飞行器姿态控制器中获取训练样本数据，包括：
8.根据权利要求1所述的基于深度森林算法的高速飞行器智能控制方法，其特征在于，所述深度森林算法是利用级联森林构建的；所述级联森林的每个级联由多个层级组成，每个所述层级对应一个扫描粒度，每一层集成了多个森林，每个森林学习到输入数据的特征信息之后，被输入到下一层。
...【技术特征摘要】
1.一种基于深度森林算法的高速飞行器智能控制方法，其特征在于，包括：
2.根据权利要求1所述的基于深度森林算法的高速飞行器智能控制方法，其特征在于，所述高速飞行器动力学模型的表达式为：式中，θ＝[θ,ψ,γ]t为飞行器姿态角向量，其中θ为俯仰角，ψ为偏航角，γ为滚转角；ω＝[ωx,ωy,ωz]t为飞行器姿态角速率向量，其中，ωx为滚转角速率，ωy为偏航角速率，ωz为俯仰角速率；u＝[δx,δy,δz]t是控制输入，其中，δx为滚转舵，δy为偏航舵，δz为俯仰舵；y＝θ表示系统输出，dθ＝[dθ,dψ,dγ]t和表示由模型不确定或未知外界干扰组成的总干扰，其中，dθ为外环集总扰动，dθ为俯仰角子系统扰动，dψ为偏航角子系统扰动，dγ为滚转角子系统扰动，dω为内环集总扰动，为滚转角速度子系统扰动，为偏航角速度子系统扰动，为俯仰角速度子系统扰动；gθ∈r3×3、fω∈r3×1、gω∈r3×3均为系统矩阵；其中其中，v为飞行速度，q为动压，s为参考面积，l为升力，β为侧滑角，jx为对弹体系x轴的转动惯量，jy为对弹体系y轴的转动惯量，jz为对弹体系z轴的转动惯量，与分别为滚转力矩系数关于滚转角速度ωx与滚转舵δx的偏导数，与分别为偏航力矩系数关于侧滑角β、偏航角速度ωy、偏航舵δy的偏导数，与分别为俯仰力矩系数关于攻角α、俯仰角速度ωz、升降舵δz的...
【专利技术属性】
技术研发人员：丁一波，马学宝，岳晓奎，代洪华，潘兴华，徐骋，李娜英，魏振岩，岳彩红，宋硕，
申请(专利权)人：西北工业大学，
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。