基于物理模型与强化学习融合的舵面振荡故障特征提取方法技术

一种基于物理模型与强化学习融合的舵面振荡故障特征提取方法，根据飞行参考命令与实际飞行参数信号之间的误差，通过自动驾驶仪生成参考舵面控制指令，根据伺服作动器模型和飞机动力学模型以及参考舵面控制指令δ<subgt;d</subgt;从而建立舵面伺服控制系统，进而生成飞机在飞行过程中飞控可用参数信号，将舵面振荡故障的期望频率和幅值与舵面振荡故障特征提取系统输出的频率和幅值之间的误差作为奖励函数的输入，将舵面伺服控制系统生成的飞控可用信号作为舵面振荡故障特征提取系统的状态观测的输入后，根据利用强化学习算法进行训练，再通过训练后的舵面振荡故障特征提取系统提取出当前飞控可用信号对应的舵面振荡故障信号的幅值和频率，并通过误差约束范围来验证训练结束的舵面振荡故障特征提取系统性能。本发明专利技术能够在故障模型未知的情况下实现飞控可用信号与故障信号之间的高精度映射，从而对故障信号特征的准确提取。

【技术实现步骤摘要】

本专利技术涉及的是一种飞机制造领域的技术，具体是一种基于物理模型与强化学习融合的舵面振荡故障特征提取方法。

技术介绍

1、舵面振荡是指飞机的某舵面出现周期性振荡，导致舵面出现结构性疲劳损伤，主要原因来源于高增益电传系统中的信号噪声、杂波，耦合到作动器控制器上，导致舵面出现反复振动，进而引发飞行控制系统整体的振荡现象，降低飞行操纵品质与飞行安全性能。由于在有噪声和干扰的实际飞行工况下采集的数据会出现局部数据误差变大的情况，故现有故障预测技术存在局部最优化问题，且现有舵面振荡故障监控方法无法利用飞控可用信号对舵面振荡故障特征进行提取。

技术实现思路

1、本专利技术针对现有技术存在的上述不足，提出一种基于物理模型与强化学习融合的舵面振荡故障特征提取方法。首先基于电液伺服作动器的工作原理与参数信息建立了高精度的非线性伺服作动器物理模型，然后将伺服作动器与飞机动力学等物理模型输出的飞控可用信号作为中舵面振荡故障特征提取系统的状态观测输入，并设置奖励函数，然后利用基于ddpg的训练方法进行迭代训练后得到一个飞控可用信号与本文档来自技高网...

【技术保护点】

1.一种基于物理模型与强化学习融合的舵面振荡故障特征提取方法，其特征在于，包括：

2.根据权利要求1所述的舵面振荡故障特征提取方法，其特征是，所述的自动驾驶仪通过PID控制律，根据飞行参考命令与实际飞行参数信号之间的误差e(t)解算得到最终的参考舵面控制指令δd。

3.根据权利要求1所述的舵面振荡故障特征提取方法，其特征是，所述的舵面伺服控制系统，包括自动驾驶仪单元、伺服作动器模型单元和飞机动力学模型单元，其中：自动驾驶仪单元根据飞行参考命令与实际飞行参数信号之间δd误差e(t)解算得到最终的参考舵面控制指令δd，伺服作动器模型单元根据参考舵面控制指令δd和振荡故...

【技术特征摘要】

1.一种基于物理模型与强化学习融合的舵面振荡故障特征提取方法，其特征在于，包括：

2.根据权利要求1所述的舵面振荡故障特征提取方法，其特征是，所述的自动驾驶仪通过pid控制律，根据飞行参考命令与实际飞行参数信号之间的误差e(t)解算得到最终的参考舵面控制指令δd。

3.根据权利要求1所述的舵面振荡故障特征提取方法，其特征是，所述的舵面伺服控制系统，包括自动驾驶仪单元、伺服作动器模型单元和飞机动力学模型单元，其中：自动驾驶仪单元根据飞行参考命令与实际飞行参数信号之间δd误差e(t)解算得到最终的参考舵面控制指令δd，伺服作动器模型单元根据参考舵面控制指令δd和振荡故障注入得到实际飞机伺服作动器偏转信号δtrue，飞机动力学模型单元根据实际飞机伺服作动器偏转信号δtrue生成飞机在飞行过程中飞控可用参数信号。

4.根据权利要求1所述的舵面振荡故障特征提取方法，其特征是，所述的伺服作动器模型单元采用非线性电液伺服作动系统模型，飞机动力学模型单元采用飞机纵向飞行控制系统模型。

5.根据权利要求1所述的舵面振荡故障特征提取方法，其特征是，所述的舵面振荡故障特征提取系统，包括：状态观测单元、奖励函数单元以及强化学习训练单元，其中：状态观测单元根据舵面伺服控制系统生成的飞控可用信号与飞行参考命令信号作差所生成飞控可用误差信号，利用飞控可用误差信号从而进行状态观测；奖励函数单元根据舵面振荡故障的期望频率和幅值与舵面振荡故障特征提取系统输出的频率和幅值之间的误差设置奖励函数；强化学习训练单元根据...

【专利技术属性】
技术研发人员：刘世前，张前，吕为志，杨从杰，陈嘉新，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：