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：浙江大学

摘要：本发明公开了一种入侵杂草种群分布优化的高超声速飞行器再入段控制器，由飞行器海拔高度传感器、飞行器飞行速度传感器、飞行器飞行航道倾角传感器、飞行器水平飞行距离传感器、飞行器MCU、飞行器攻角控制器构成。高超声速飞行器MCU到达再入段空域后，各传感器开启，获得飞行器海拔高度、速度、飞行航道倾角和飞行水平距离信息，MCU根据设定的海拔高度、速度、飞行航道倾角要求自动执行内部入侵杂草种群分布优化算法，得到使高超声速飞行器水平飞行距离最长的轨迹优化控制策略，并换为控制指令发送给飞行器攻角控制器执行，使高超声速飞行器获得更长的水平飞行距离。

主权项：1.一种入侵杂草种群分布优化的高超声速飞行器再入段控制器，其特征在于：所述控制器由飞行器MCU及通过数据总线与其相连的飞行器海拔高度传感器、飞行器飞行速度传感器、飞行器飞行航道倾角传感器、飞行器水平飞行距离传感器、飞行器MCU、飞行器攻角控制器构成；所述装置的运行过程包括：步骤1.1：在高超声速飞行器MCU中输入对应于该飞行器的气动系数模型、飞行器性能约束条件、指定优化目标；步骤1.2：高超声速飞行器到达再入段后，开启飞行器海拔高度传感器、飞行器飞行速度传感器、飞行器飞行航道倾角传感器和飞行器水平飞行距离传感器，得到高超声速飞行器当前的海拔高度、速度、飞行航道倾角和飞行水平距离状态信息；步骤1.3：飞行器MCU根据设定的海拔高度、速度、飞行航道倾角要求自动执行内部入侵杂草种群分布优化算法，得到使高超声速飞行器水平飞行距离最长的轨迹优化控制策略；步骤1.4：高超声速飞行器MCU将获得的轨迹优化控制策略发送给控制策略输出模块，并转换为控制指令发送给飞行器攻角控制器执行；所述的高超声速飞行器MCU包括信息采集模块、初始化模块、系统状态求解模块、入侵杂草种群分布优化模块、收敛性判断模块、控制指令输出模块；其中，信息采集模块包括飞行器海拔高度和速度采集、飞行器飞行航道倾角和飞行水平距离采集、飞行器海拔高度和飞行速度设定采集、飞行器飞行航道倾角设定采集、飞行器的气动系数模型和性能约束条件以及指定优化目标参数采集五个子模块；所述的高超声速飞行器MCU自动产生攻角控制指令的入侵杂草种群分布优化算法运行步骤如下：步骤2.1：高超声速飞行器MCU到达再入段后，飞行器海拔高度传感器、飞行器飞行速度传感器、飞行器飞行航道倾角传感器和飞行器水平飞行距离传感器开启，信息采集模块9获取高超声速飞行器当前的海拔高度、速度、飞行航道倾角和飞行水平距离状态信息；步骤2.2：初始化模块开始运行，对各项参数初始化，包括控制变量参数化参数和入侵杂草种群分布优化方法参数；控制变量参数化参数初始化如下：设置时间段的分段数为NE，设置控制变量参数化的插值拟合方式：分段常数或者分段线性；入侵杂草种群分布优化方法参数初始化如下：设置种群最大规模pmax，种群初始规模p0，种群中第i个个体的初始位置向量种群初始历史最优位置其中，J·表示要最大化的目标函数；设置个体寻优最大迭代次数max_iters，杂草个体可繁殖的最大种子数和最小种子数nsmax、nsmin，预设标准差最大值δmax，预设标准差最小值δmin，光滑化函数参数l，光滑化因子ε，当前迭代次数k＝0；步骤2.3：通过系统状态求解模块获得第k次迭代杂草个体i的目标函数值更新第k次迭代种群历史最优位置gk,best，记录最大目标函数值和最小目标函数值步骤2.4：执行收敛性判断模块，如果当前迭代次数k达到最大迭代次数max_iters，则收敛性条件得到满足，当前种群历史最优位置gk,best作为最优控制策略的离散解，经控制指令输出模块输出；如果收敛性条件不满足，则迭代次数k加1；步骤2.5：执行入侵杂草种群分布优化模块，依据种群分布状况动态产生相应个数的子代，并将子代加入新的种群，择优选取目标函数值更小的一定数量个体构成新种群；该步骤执行完毕后跳转至步骤2.3，直至收敛性条件得到满足为止；其中，所述的系统状态求解模块，采用的是四步四阶Runge-Kutta方法，计算公式为： 其中，tm表示四步四阶Runge-Kutta方法选择的积分时刻，tm+1表示位于时刻tm后的积分时刻，并且tm+1＝tm+h，h为积分步长，F·是描述状态微分方程的函数，K1、K2、K3、K4分别表示Runge-Kutta法积分过程中的4个节点的函数值，x·是描述系统状态变量的函数，且xtm表示时刻tm的系统状态变量，xtm+1表示时刻tm+1的系统状态变量；所述的入侵杂草种群分布优化模块，采用如下步骤实现：步骤3.1：定义加入惩罚项后的增广性能指标函数形式为： 其中，t表示积分时刻，tf表示终值时刻，Xt表示加入xn+1t后的新状态向量，Φ0[Xtf]表示新状态向量在终值时刻处的终值函数，表示nu维控制向量，表示nx维状态向量，ρ为惩罚因子，l表示光滑化函数参数；Ht,xt,ut,ρ,l为约束相关的惩罚项，具体形式为： 其中，Qit,xt,ut,ρ,l为表征约束违背量的函数，θQi·为多阶段配置函数，m1表示标准等式约束的个数，m2表示标准不等式约束的个数；ε为光滑化因子，其取值为一个很小的整数；γQi·为惩罚函数指数，按以下方式更新： θQi·为多阶段配置函数，定义如下： 基于以上方式，惩罚项因子的值随约束违背量的大小自适应地变化；当约束违背量较大时，采取较大的惩罚因子，将更多的候选解推至可行区域内；当约束为违背量逐渐减小时，惩罚因子也随之减小，保证进化算法在可行最优解周围搜索，更利于发现可行域边界周围的全局最优值；步骤3.2：按公式6获得第i个杂草个体可扩散的种子数nsi为： 其中，nsmax和nsmin分别为个体可繁殖的最大以及最小种子数，为第i个杂草的适应度值，和分别为当次迭代最大和最小适应度值，floor·函数表示向下取整；步骤3.3：按公式7获得种群中第i个杂草个体对应的标准差δi为： 其中，δmax和δmin分别为预先设置的标准差可取的最大和最小值，为第i个杂草个体的适应度值，和分别为当次迭代最大和最小适应度值；步骤3.4：按照正态分布随机产生第i个杂草个体对应的杂草种子，并将新种子加入杂草种群；步骤3.5：执行系统状态求解模块，获得新种子对应的目标函数值，并依照目标函数值对新种群排序；步骤3.6：判断当前种群个体数量是否超过pmax；若超过，择优选取适应度值更小的前pmax个个体保留，舍弃其他个体；转至步骤3.2。

全文数据：

权利要求：

百度查询： 浙江大学 入侵杂草种群分布优化的高超声速飞行器再入段控制器