-
公开(公告)号：CN111813146B
公开(公告)日：2021-06-08
申请号：CN202010617895.9
申请日：2020-07-01
Applicant: 大连理工大学
IPC: G05D1/10
Abstract: 本发明属于飞行器制导技术领域，涉及一种基于BP神经网络预测航程的再入预测‑校正制导方法。本发明首先通过数据需求分析，确定建立神经网络模型需要的输入输出，在此基础上对数据进行扩维，得到训练数据，使用训练数据训练剩余航程预测的神经网络模型，将模型应用于预测‑校正算法中。相比传统的数值预测‑校正算法，本发明的方法能够在基本保证原有精度的同时将算法运行效率提升十倍以上，同时还具有绝对收敛的特性，极大提升了制导算法的稳定性和在线性能，具有广阔应用前景。
-
公开(公告)号：CN116382071B
公开(公告)日：2023-12-22
申请号：CN202310081892.1
申请日：2023-02-08
Applicant: 大连理工大学
Abstract: 本发明属于飞行器控制技术领域，涉及一种深度学习网络修正补偿的气动参数智能辨识方法。本发明首先考虑神经网络的智能参数辨识方法，根据地面试验数据离线训练深度学习网络。其次根据离线训练好的网络映射力/力矩系数并与系数的观测值作差，进行递推最小二乘增量辨识补偿。再根据真实飞行状态采集的数据离线修正深度学习网络，进而使得修正后的神经网络映射力/力矩系数更贴近真实值。在保证参数估计精度的同时，保障参数估计的快速性。最后，通过某型飞机模型开展了智能参数辨识及对比分析工作，结果表明离线训练/在线补偿/离线修正的辨识吻合较好，且与传统辨识方法相比计算效率高，具有广阔的应用前景。
-
公开(公告)号：CN111813146A
公开(公告)日：2020-10-23
申请号：CN202010617895.9
申请日：2020-07-01
Applicant: 大连理工大学
IPC: G05D1/10
Abstract: 本发明属于飞行器制导技术领域，涉及一种基于BP神经网络预测航程的再入预测-校正制导方法。本发明首先通过数据需求分析，确定建立神经网络模型需要的输入输出，在此基础上对数据进行扩维，得到训练数据，使用训练数据训练剩余航程预测的神经网络模型，将模型应用于预测-校正算法中。相比传统的数值预测-校正算法，本发明的方法能够在基本保证原有精度的同时将算法运行效率提升十倍以上，同时还具有绝对收敛的特性，极大提升了制导算法的稳定性和在线性能，具有广阔应用前景。
-
公开(公告)号：CN118915467A
公开(公告)日：2024-11-08
申请号：CN202411081139.3
申请日：2024-08-08
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明属于高超声速飞行器控制技术领域，涉及一种高超声速飞行器的数据驱动学习控制方法。本发明的目的是为了提供基于数据驱动的学习控制方法实现非最小相位高超声速飞行器稳定跟踪控制。该方法包括构建非最小相位高超声速飞行器的纵向动力学模型；通过对输出重定义实现系统的零动态重构；基于深度Koopman算子理论，使用预先收集的数据集训练径向基神经网络的权重，对输出重定义动态方程进行精确建模。设计基于数据驱动的输出重定义优化学习控制器，实现对参考指令的稳定跟踪。该方法是一种高超声速飞行器的数据驱动学习控制方法及系统，且具有广阔的应用前景。
-
-
Patent Agency Ranking
公开(公告)号：CN118642351A
公开(公告)日：2024-09-13
申请号：CN202410904090.0
申请日：2024-07-08
Applicant: 大连理工大学
IPC: G05B11/42
Abstract: 本发明公开一种面向直接升力弱模型依赖固定翼飞机的下滑改进控制方法，属于固定翼飞机的下滑过程控制技术领域。本发明依据地面建立的固定翼飞机动力学模型，开展基于预设性能/动态逆的弱模型依赖改进直接力下滑控制设计，而后引入在线气动辨识技术降低对精确模型的依赖性。相比于传统控制方法，本发明考虑飞机下滑过程中所面临的复杂环境干扰以及移动平台降落所需较高精度要求等问题，采用预设性能控制对基准控制器进行优化设计，借助在线气动参数辨识结合动态逆控制提高对模型不确定性的适应性，为提高下滑轨迹控制能力提供一种解决方案，有效提高固定翼飞机下滑过程中的控制精度和鲁棒性，具有长远的应用前景。
-
公开(公告)号：CN115981161B
公开(公告)日：2023-07-11
申请号：CN202310077665.1
申请日：2023-02-07
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明属于下滑控制技术领域，涉及一种基于直接升力的固定翼飞机下滑控制增益指标优化方法。本发明首先考虑传统下滑控制中多操纵面协调问题，确定采用基于直接升力的下滑控制办法，在此基础上，对直接升力控制增益进行优化，相比传统的预设增益下滑控制器，本发明的控制增益优化方法在进行下滑控制时，提升了下滑控制品质；相比于传统控制方法的基础增益，在基于指标的下滑控制增益优化办法优化后，有更小的超调量，更快的响应速度，以及快速收敛的特性，避免了由于控制增益不好而导致下滑品质差的的情况，有更好的下滑控制性能，具有广阔的应用前景。
-
-
公开(公告)号：CN118915467B
公开(公告)日：2025-02-07
申请号：CN202411081139.3
申请日：2024-08-08
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明属于高超声速飞行器控制技术领域，涉及一种高超声速飞行器的数据驱动学习控制方法。本发明的目的是为了提供基于数据驱动的学习控制方法实现非最小相位高超声速飞行器稳定跟踪控制。该方法包括构建非最小相位高超声速飞行器的纵向动力学模型；通过对输出重定义实现系统的零动态重构；基于深度Koopman算子理论，使用预先收集的数据集训练径向基神经网络的权重，对输出重定义动态方程进行精确建模。设计基于数据驱动的输出重定义优化学习控制器，实现对参考指令的稳定跟踪。该方法是一种高超声速飞行器的数据驱动学习控制方法及系统，且具有广阔的应用前景。
-
公开(公告)号：CN116165896B
公开(公告)日：2023-10-20
申请号：CN202310168326.4
申请日：2023-02-27
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明属于飞机控制技术领域，涉及一种基于在线频域递推辨识的飞机自适应控制方法，包括在线递推的频域气动参数辨识方法和改进自适应干扰抑制控制方法。使用递推辨识方法可以精确地对气动导数进行辨识，静稳定系数和舵效系数辨识误差不超过1％。改进自适应动态逆控制在传统自适应动态逆控制基础上引入超前矫正环节，使得自适应动态逆控制器响应更快，结合在线辨识方法可以实现气动模型不准确情况下的高精度控制，将其应用于飞机俯仰姿态控制，相比传统控制器和普通的自适应动态逆控制器而言，超调量更小，上升时间和峰值时间更短，具有良好的控制品质。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.024 seconds)
