[發(fā)明專利]一種弱模型依賴的飛行器姿態(tài)穩(wěn)定控制方法

在審

• 申請?zhí)枺?/td>: 202211225098.1
• 申請日: 2022-10-09
• 公開（公告）號: CN115562321A
• 公開（公告）日: 2023-01-03
• 發(fā)明（設計）人: 郝明瑞;甄巖;孫文迪;魏東輝;張航
• 申請（專利權）人: 北京機電工程研究所
• 主分類號: G05D1/08
• 分類號: G05D1/08;G05D1/10
• 代理公司: 中國和平利用軍工技術協(xié)會專利中心 11215
• 代理人: 劉光德

1.一種弱模型依賴的飛行器姿態(tài)穩(wěn)定控制方法，其特征在于，包括以下步驟：

步驟一：定義一個評估飛行器中控制器長期性能的性能指標函數(shù)V(x(t))：

其中，r(x,u)＝Q(x)+u^TRu是效用函數(shù)，Q(x)是正定矩陣，且對都有Q(x)＝0；R∈R^m×m是正定對稱的矩陣；

步驟二：定義CRITIC網(wǎng)絡逼近值函數(shù)，值函數(shù)V(x)近似為如下的等式：

V(x)＝W₁^Tφ₁(x)+ε(x) (2)

其中φ₁(x):Rⁿ→R^N是CRITIC網(wǎng)絡的激勵函數(shù)，隱藏層神經(jīng)元的數(shù)量為N；CRITIC網(wǎng)絡的權重W₁作為最優(yōu)估計求解權重值是未知的，CRITIC神經(jīng)網(wǎng)絡的輸出表示為：

其中為權重W₁的當前估計值，為V(x)估計值，根據(jù)式(4)更新CRITIC神經(jīng)網(wǎng)絡的參數(shù)：

其中a₁為參數(shù)更新步長，σ₁為

步驟三：定義ACTOR網(wǎng)絡逼近最優(yōu)控制策略，該網(wǎng)絡參數(shù)化控制輸入：

ACTOR網(wǎng)絡的權重W₂作為最優(yōu)估計求解權重值是未知，ACTOR神經(jīng)網(wǎng)絡的輸出表示為：

其中是對W₂的估計，ACTOR網(wǎng)絡的調整規(guī)則如下：

其中a₂為參數(shù)更新步長，D(x)為方差，χ(x)為卡方分布，F(xiàn)₁＞0，F(xiàn)₂＞0是ACTOR網(wǎng)絡的學習率；

步驟四：進行策略迭代，選定初始狀態(tài)，初始化CRITIC網(wǎng)絡和ACTOR網(wǎng)絡參數(shù)，初始化效用函數(shù)。

2.根據(jù)權利要求1所述的弱模型依賴的飛行器姿態(tài)穩(wěn)定控制方法，其特征在于，還包括：采用方程表示飛行器中的仿射系統(tǒng)，其中為所述仿射系統(tǒng)狀態(tài)變化率，x(t)為所述仿射系統(tǒng)狀態(tài)，f(x)、g(x)為所述仿射系統(tǒng)模型，u(t)為系統(tǒng)輸入。

3.根據(jù)權利要求2所述的弱模型依賴的飛行器姿態(tài)穩(wěn)定控制方法，其特征在于，所述步驟四還包括：初始化結束后，迭代執(zhí)行步驟一計算效用函數(shù)，根據(jù)步驟二的公式(4)更新CRITIC網(wǎng)絡參數(shù)，根據(jù)步驟三的公式(6)更新ACTOR網(wǎng)絡參數(shù)，直到CRITIC網(wǎng)絡和ACTOR網(wǎng)絡參數(shù)穩(wěn)定，認為網(wǎng)絡收斂，終止迭代計算。

4.根據(jù)權利要求3所述的弱模型依賴的飛行器姿態(tài)穩(wěn)定控制方法，其特征在于，當飛行器的非線性模型由一組微分方程給出：

令所述仿射系統(tǒng)的狀態(tài)變量為x＝[x₁ x₂ x₃ x₄ x₅ x₆]^T＝[α ω_z β ω_y γ ω_x]^T，控制輸入為u＝[u₁ u₂ u₃]^T＝[δ_e δ_r δ_a]^T，則方程(7)寫成如下的形式：

其中：

5.根據(jù)權利要求4所述的弱模型依賴的飛行器姿態(tài)穩(wěn)定控制方法，其特征在于，

初始化仿真參數(shù)

狀態(tài)初始值為x₀＝[3 -1.5 2 1 -1 1]^T；

R＝1，Q＝I₆,L＝11；

CRITIC網(wǎng)絡參數(shù)向量初始化為[0 1]之間的數(shù)；

ACTOR網(wǎng)絡參數(shù)向量初始化為

選取CRITIC網(wǎng)絡和ACTOR網(wǎng)絡的激勵函數(shù)向量為：