[發明專利]用于生成旨在由飛行器遵循的最佳豎直軌跡的方法和裝置

在審

• 申請號: 201911278444.0
• 申請日: 2019-12-13
• 公開（公告）號: CN111324141A
• 公開（公告）日: 2020-06-23
• 發明（設計）人: J-C·梅雷;R·安德魯阿拉瓦
• 申請（專利權）人: 空中客車運營簡化股份公司
• 主分類號: G05D1/10
• 分類號: G05D1/10;G01C21/20
• 代理公司: 中國國際貿易促進委員會專利商標事務所 11038
• 代理人: 高欣

1.一種用于為飛行器生成最佳豎直軌跡的方法，所述豎直軌跡(TV)限定在所述飛行器(AC)的所謂的當前狀態(EC)與所謂的目標狀態(E0)之間，所述當前狀態包括所述飛行器(AC)的當前位置(PC)，所述目標狀態包括目標位置(Ptgt)，

所述方法包括由數據處理單元(6)實施的處理步驟(S0)，所述處理步驟(S0)包括迭代地實施的一系列子步驟(S1，S2，S3)，所述處理步驟(S0)包括在每次迭代中根據所謂的計算狀態確定所謂的下一狀態，由此確定的每個下一狀態(Ena)具有限定在所述目標狀態(E0)與所述下一狀態(Ena)之間的相關聯的軌跡部分(Tna1)，

根據所述方法，對于給定的迭代在所述處理步驟(S0)中確定的所述狀態在下一次迭代中用作計算狀態，并且在第一次迭代期間考慮的所述計算狀態是所述目標狀態(E0)，

根據所述方法，實施所述處理步驟(S0)直到所確定的下一狀態至少以預先確定的接近度與所述飛行器(AC)的當前狀態(EC)接近，以預先確定的接近度與所述飛行器(AC)的當前狀態(EC)接近的所述狀態所關聯的所述軌跡部分形成所述最佳豎直軌跡(TV)，

所述方法還包括由數據傳輸鏈路(7)實施的數據傳輸步驟，所述數據傳輸步驟包括向至少一個用戶系統(8)傳輸至少所述最佳豎直軌跡(TV)，

其特征在于，為了在每次迭代中確定下一狀態，所述處理步驟(S0)包括以下一系列子步驟(S1，S2，S3)：

-生成子步驟(S1)，所述生成子步驟包括根據所述計算狀態生成一個或多個下一狀態；

-代價計算子步驟(S2)，所述代價計算子步驟包括計算在所述生成子步驟(S1)中生成的所述下一狀態中的每一個下一狀態的估計總代價，所述估計總代價等于通過將預先確定的約束考慮在內而在所述目標狀態(E0)與所考慮的下一狀態(Ena)之間計算的實際代價同在所考慮的所述下一狀態(Ena)與所述飛行器(AC)的當前狀態(EC)之間計算的估計代價的加和，所述估計代價使用基于所述飛行器(AC)的性能計算而不考慮能量約束的至少一個確定性神經網絡(12)來計算，所述狀態與所述神經網絡(12)的節點相對應；以及

-識別子步驟(S3)，所述識別子步驟包括在所述生成子步驟(S1)中生成的所述下一狀態當中識別具有最低估計總代價的所述狀態，由此識別的所述狀態表示所考慮的所述迭代中的所述所謂的下一狀態。

2.根據權利要求1所述的方法，

其特征在于，在所述代價計算子步驟(S2)中，對于所考慮的每個下一狀態，所述下一狀態和所述飛行器(AC)的當前狀態(EC)被輸入到所述神經網絡(12)中，所述神經網絡計算所述下一狀態與所述飛行器(AC)的所述當前狀態(EC)之間的所述估計代價。

3.根據權利要求1和2中任一項所述的方法，

其特征在于，在所述代價計算子步驟(S2)中，所述估計代價通過將大氣條件考慮在內來進行校正，由此校正的所述估計代價用于計算所述估計總代價。

4.根據前述權利要求中任一項所述的方法，

其特征在于，在所述神經網絡(12)中，表示狀態的節點至少由相對于預先確定的位置的距離、高度、速度、以及至少一個飛行參數來限定。

5.根據前述權利要求中任一項所述的方法，

其特征在于，為了根據所述計算狀態生成一個或多個下一狀態，所述生成子步驟(S1)使用所述飛行器(AC)的將總斜率和能量分配因子值進行積分的運動方程。

6.根據前述權利要求中任一項所述的方法，

其特征在于，所述方法包括在所述處理步驟(E0)之后實施的學習步驟，所述學習步驟包括使所述神經網絡(12)進行學習。

7.根據權利要求6所述的方法，

其特征在于，所述學習步驟使用的用于所述神經網絡(12)的學習的輸入數據是多個最佳軌跡的初始位置、最終位置、以及代價，所述最佳軌跡是針對不同且無約束的初始條件和最終條件限定的。