-
公开(公告)号：CN118170155A
公开(公告)日：2024-06-11
申请号：CN202410591532.0
申请日：2024-05-14
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G05D1/46
Abstract: 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。
-
公开(公告)号：CN119937603A
公开(公告)日：2025-05-06
申请号：CN202510442927.9
申请日：2025-04-10
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明属于飞行器轨迹跟踪技术领域，公开了一种跳跃滑翔轨迹强跟踪方法，所述方法包括：建立目标混合运动模型，其中使用气动力、地球引力控制的动力学模型描述目标跳跃滑翔轨迹的无动力段，使用匀加速度模型描述轨迹有动力段，并引入目标加速度判断机制，实现动力学模型与匀加速度模型间的转换；使用观测距离、方位角、仰角参数建立观测站观测模型，并添加观测噪声；使用基于#imgabs0#个sigma点的单行无迹变换的无迹卡尔曼滤波算法，并加入H无穷滤波算法，提出一种强鲁棒无迹卡尔曼滤波算法，该跳跃滑翔轨迹强跟踪方法能提高跟踪的精度、鲁棒性，同时减少了计算量加快了计算速度。
-
公开(公告)号：CN118170155B
公开(公告)日：2024-09-06
申请号：CN202410591532.0
申请日：2024-05-14
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G05D1/46
Abstract: 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。
-
-
Search Results
3
records
(took 0.047 seconds)
