[發明專利]一種基于長短時間記憶網絡的空間物理運動體建模方法

有效

• 申請號: 202010413117.8
• 申請日: 2020-05-15
• 公開（公告）號: CN111695195B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 黃煌;魏春嶺;李毛毛
• 申請（專利權）人: 北京控制工程研究所
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06N3/0442;G06N3/0455;G06N3/048;G06N3/09;G06F119/14
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 李晶堯

本發明涉及一種基于長短時間記憶網絡的空間物理運動體建模方法，涉及空間物理運動體建模技術領域；包括如下步驟：步驟一、建立第一全連接神經網絡；步驟二、建立第二全連接神經網絡；步驟三、建立第三全連接神經網絡；步驟四、建立第一長短時間記憶網絡和第二長短時間記憶網絡；步驟五、根據步驟一至步驟四建立動力學模型網絡；步驟六、根據狀態量Ssubgt;t/subgt;和控制量Csubgt;t/subgt;對步驟五中的動力學模型網絡進行網絡訓練；步驟七、步驟七、重復步驟六，直至動力學模型網絡收斂，完成對動力學模型網絡修正；本發明采用離線訓練和在線微調相結合的訓練策略，實現彈道和飛行狀態的在線預測，從而為后續高精度制導和高穩定控制提供依據。

技術領域

本發明屬于空間物理運動體建模技術領域，涉及一種基于長短時間記憶網絡的空間物理運動體建模方法。

背景技術

建立高保真的空間物理運動體動力學模型，是實現再入飛行器高精度制導和高穩定控制的關鍵。為了獲得足夠大的升力，再入飛行器通常具有類似航空飛機的扁平細長外形，再入過程中飛行器受到的氣動載荷苛刻，外界干擾復雜，存在大量未建模動態，特別是在高超聲速再入過程中，飛行器周圍流場出現激波、邊界層轉捩等高超聲速飛行下所特有的現象，使得飛行器彈性特性顯著。上述特點給再入飛行器動力學建模帶來了極大的挑戰。

現有建模采用解析建模方法，通常將物理運動體看作剛體進行建模，缺點在于難以對復雜的非線性、多變量耦合特性、結構不確定性等進行充分的描述，所建立的模型與真實對象存在一定的誤差，進行彈道預測時其精度往往難以滿足需求。

發明內容

本發明解決的技術問題是：克服現有技術的不足，提出一種基于長短時間記憶網絡的空間物理運動體建模方法，采用離線訓練和在線微調相結合的訓練策略，實現彈道和飛行狀態的在線預測，從而為后續高精度制導和高穩定控制提供依據。

本發明解決技術的方案是：

一種基于長短時間記憶網絡的空間物理運動體建模方法，包括如下步驟：

步驟一、建立第一全連接神經網絡；第一全連接神經網絡的輸入節點個數為預設的狀態量維數與預設的控制量維數之和，第一全連接神經網絡的輸出節點個數為128；

步驟二、建立第二全連接神經網絡；第二全連接神經網絡的輸入節點個數為預設的控制量維數；第二全連接神經網絡的輸出節點個數為128；

步驟三、建立第三全連接神經網絡；第三全連接神經網絡的輸入節點個數為128，第三全連接神經網絡的輸出節點個數為預設的狀態量維數；

步驟四、建立第一長短時間記憶網絡和第二長短時間記憶網絡；其中，第一長短時間記憶網絡用于編碼；第二長短時間記憶網絡用于解碼；

步驟五、根據步驟一至步驟四建立初始動力學模型網絡；

步驟六、獲取歷史飛行彈道的狀態量S_t和控制量C_t；根據狀態量S_t和控制量C_t對步驟五中的初始動力學模型網絡進行網絡訓練；

步驟七、重復步驟六，直至初始動力學模型網絡收斂，獲得最終動力學模型網絡修正；通過最終動力學模型網絡，實現根據當前飛行器的狀態量和控制量對未來飛行器狀態量的預測。

在上述的一種基于長短時間記憶網絡的空間物理運動體建模方法，所述全連接神經網絡為每個輸入節點與各輸出節點均有連接。

在上述的一種基于長短時間記憶網絡的空間物理運動體建模方法，所述步驟一中，狀態量包括飛行器的高度、緯度、速度標量、攻角、側滑角、俯仰角、滾動角、偏航角、俯仰角速度、滾動角速度和偏航角速度；控制量包括俯仰控制力矩、滾動控制力矩和偏航控制力矩。