买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国空气动力研究与发展中心计算空气动力研究所

摘要：本发明公开了一种基于深度神经网络的高速滑翔式飞行器在线轨迹优化方法，涉及轨迹优化技术领域，其包括：将高速滑翔式飞行器动力学模型转换成最优控制问题；采用自适应伪谱法将最优控制问题转换成非线性规划问题；根据飞行器不同初始状态信息，生成最优轨迹数据集；将最优轨迹数据集划分成训练集和测试集，通过训练集训练离线的深度神经网络；将测试集中的状态变量输入训练好的深度神经网络，得到飞行器的控制变量，更新倾侧角和攻角控制指令，飞行器按照新生成的控制指令进行飞行；将导航系统实时测量的飞行器状态信息输入已训练好的深度神经网络，实现飞行器在线轨迹优化。本发明能够实时高效地对高速滑翔式飞行器进行在线轨迹优化。

主权项：1.一种基于深度神经网络的高速滑翔式飞行器在线轨迹优化方法，其特征在于，包括：建立高速滑翔式飞行器动力学模型，增加飞行过程的热流约束、过载约束、动压约束，加入飞行器的初始状态和末端状态约束，并将高速滑翔式飞行器动力学模型转换成最优控制问题；采用自适应伪谱法将最优控制问题转换成非线性规划问题；采用拉丁超立方采样生成均匀分布的飞行器初值状态信息；根据飞行器不同初始状态信息，采用非线性规划求解器求解非线性规划问题，生成最优轨迹数据集；最优轨迹数据集由飞行器的状态变量以及对应的控制变量构成；状态变量包括飞行器的高度、经度、纬度、速度、航向角和航迹角；控制变量包括飞行器的倾侧角和攻角；将最优轨迹数据集划分成训练集和测试集，将训练集中的状态变量作为深度神经网络的输入，将训练集中的控制变量作为深度神经网络的输出，训练离线的深度神经网络；将测试集中的状态变量输入训练好的深度神经网络，得到飞行器的控制变量，更新倾侧角和攻角控制指令，飞行器按照新生成的控制指令进行飞行；将导航系统实时测量的飞行器状态信息输入已训练好的深度神经网络，形成飞行器在线轨迹规划闭环，实现飞行器在线轨迹优化；所述采用拉丁超立方采样生成均匀分布的飞行器初值状态信息，包括：对再入段飞行器初始高度，经度，纬度，速度进行拉丁超立方采样，生成均匀分布的飞行器初始状态；假设拉丁超立方的采样矩阵为一个多维矩阵，每个维度被划分为若干个等概率的区间，每个区间内至少含有一个样本点，且整个采样矩阵满足拉丁超立方条件，拉丁超立方条件包括采样的唯一性以及完整性，采样的唯一性即确保每个样本在每个维度上都是唯一的；采样的完整性即每个维度都被完全覆盖，保证样本在整个多维区间中的均匀分布；首先假设变量，，为第j个维度上的采样值，为采样函数，和分别为采样范围的下界和上界，累计分布函数为，将区间平均分成M个区间，即，为维度为j的第i个区间的取值范围，其次，计算的第i个区间的采样值，为的第i个区间的采样值，为区间[0,1]内的随机值；然后，将集合中的元素随机排列，得到；最后，将通过分布函数的反函数映射为样本值，即，为维度为j的分布函数的反函数；于是，采样矩阵表示为： 其中，采样矩阵为，M表示总体样本数量，N表示每个样本中变量数量；当N的值为4时，表示高度，经度，纬度和速度共4个维数；为第M行第N列的采样值。

全文数据：

权利要求：

百度查询： 中国空气动力研究与发展中心计算空气动力研究所 基于深度神经网络的高速滑翔式飞行器在线轨迹优化方法