CN110376892A - 一种飞行器自动校准方法 - Google Patents

Abstract

本发明利用大数据的相关技术设计了一种飞行器自动校准方法，该方法首先分析历史样本的参数调整值，划定对于高低角、方位角和旋转角的初始调整参数值，其次根据分析结果获得的初始调整参数建立正交试验，通过正交试验方差分析的方法得到相关的调整参数，在此基础上采用遗传算法对参数调整值做进一步的寻优，提高了模型的泛化性能与调整的精度。在得到的调整参数的基础上，建立参数基因，通过选择、交叉、变异的方法，不断进化得到最优的调整参数。通过这样的思路可以较好地提高校准方法的泛化性能与参数精度。本发明能够自动地实现对飞行器的校准，拥有较高的校准精度，并且通过实际的校准验证证明了此方法能够较好地应用到实际飞行器的校准中。

Description

一种飞行器自动校准方法

技术领域

本发明涉及参数优化校准领域，特别是涉及一种基于正交试验的遗传算法的方法。

背景技术

飞行器自动校准是由于在实际生产中，由于目标靶心与实际靶心之间存在差异，需要对实际的靶心进行调整，保证目标靶心与实际靶心的一致性。其实质是根据实际靶心的位置调整靶心高低角A、方位角B与旋转角C这三个参数，其具体参数如图3所示。现阶段对于飞行器的校准多采用人工手动调节的方式，根据飞行器各感应点返回的红外脉冲值来判断校准情况，但人工手动调节的方式只能对各感应点逐个进行微调，具有调整时间长且经常出现回调的情况，在实际的应用中也多依赖人为经验与不断调试进行，时间较长，在工业快速发展的今天，传统人工手动调节的方式已逐渐无法适应快速发展的工业。

随着大数据与人工智能技术的不断发展，各种机器学习的算法不断发展起来，对于飞行器的参数的调整其方法主要分为以下两种：第一种是基于大数据的神经网络技术，通过大量的历史数据训练预测模型，根据不同飞行器参数的变化预测出需要调整的参数值。但此类方法很难适应种类多变且校核状态不断变化的实际环境，在实际的校核环境中，通过历史数据训练的网络模型，其泛化性与鲁棒性较差，很难满足实际的校核要求。第二种方法是基于各种机器学习算法的技术，如粒子群算法，蚁群算法等。但此类机器学习的算法具有一个相同的问题，即需要通过不断的寻优迭代来寻找较优的值，但实际的飞行器的校核中，受校核时间的限制，传统的机器学习的算法由于迭代次数的增加，导致校核时间呈指数增长。很难满足实际的校核任务。因此本发明在满足校核时间的基础上，保证了校核精度的准确性与高效性，切实解决实际的校核问题。

发明内容

本发明的目的是：提供一种自动校准飞行器的方法以代替传统的人工手调方式。

为了达到上述目的，本发明的技术方案是提供了一种飞行器自动校准方法，其特征在于，包括以下步骤：

步骤1、获取历史的相关数据，对不同类型不同批次飞行器的历史数据进行统计分析，获得飞行器各参数的参数调整值的取值范围；

步骤2、对各类参数调整值进行统计分析，得到不同参数调整值在取值范围某一区间的出现比率，依据出现比率设计初始的参数调整值，将初始的参数调整值作为正交试验的参数水平值，进入步骤3进行正交试验；

步骤3、根据步骤2得到的参数水平值设计多组正交试验，每组正交试验具有不同的参数调整值的组合，通过程序自动对几组正交试验进行测试，得到每组正交试验下的飞行器校准精度的反馈值，对每组正交试验的反馈值采用方差分析的方法分析不同参数调整值的组合所对应的不同水平下的飞行器校准情况，从而得到较优的参数调整值的组合方式；

步骤4、在上一步得到的参数调整值的基础上，采用遗传算法对各参数调整值进行不断寻优，提高参数调整值的精度与泛化性能；

步骤5、将通过正交试验与遗传算法得到的参数调整值作为飞行器校准的调整参数，保证飞行器的有效校准。

优选地，所述步骤4包括以下步骤：

设计遗传算法的参数基因，采用0-1编码的方式对参数基因进行编码，在步骤3得到的所述参数调整值的基础上进行调优，设计轮盘赌选择算子、交叉算子与变异算子，对得到的参数调整值进行适应度评价，评价其对飞行器的校准精度，将每代种群中的最优值保存，及将适应度函数最高的参数基因保存下来，使得在遗传算法在每一代的最优值都能保证不小于前一代的最优值，其余参数基因进行交叉与变异操作，不断迭代，不断进化参数基因直到达到最大迭代次数后输出最优值，即为最优的调整参数值。

由于采用了上述的技术方案，本发明与现有技术相比有以下的优点和积极效果：通过对历史数据进行统计学分析以及在统计分析的基础上时性正交试验，确定较优范围，在此基础上使用遗传算法进行调优，提高模型的泛化性能。

附图说明

图1是本发明的一种飞行器自动校准方法的流程图；

图2是本发明基于正交试验的遗传算法流程图；

图3是飞行器校核参数的示意图。

具体实施方式

下面结合附图，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明提供了一种飞行器自动校准的方法代替传统的人工手调的方式，能够较好地满足校核任务，且高效准确。同时还能避免因人工逐个单点调节方式而导致的不断回调的过程，具有很高的应用价值且经济效益高。结合图1及图2，本发明具体包括以下步骤：

步骤1、分析历史数据，获取飞行器调整参数的参数范围；

对历史数据的分析，需要对历史数据进行有效地分类与分析，通过对不同类型不同批次中飞行器的数据进行分析，得到飞行器调整参数的范围，确定各参数的波动与变化情况；

步骤2、根据历史数据中各类飞行器的参数调整值，分析各参数范围内参数调整值出现的比率；

根据历史数据分析参数调整出现的比率，利用统计学的相关知识，对历史数据进行统计分析，对各类参数调整值进行分析，得到不同调整参数的出现比率，根据参数比率设计初始的参数调整值作为正交试验的参数水平值，进行正交试验；

步骤3、根据分析后得到的参数调整值设计正交试验，采用方差分析的方法，对正交试验中各组的实验结果进行分析，得到较优的组合方式；

根据初始的参数调整值设计正交试验，考虑参数因素数较少，一般飞行器的参数因素为三因素，即：方位角、高低角和旋转角。考虑因素数选择五水平的正交试验，最终选择L25(5^6)的正交试验表，由于因素之间没有交互作用，所以选择正交表的前三列分别代表三个不同的因素，即高低角、方位角和旋转角。根据正交表的水平数，分别对应步骤2中的初始参数值设计正交试验，利用方差分析的方法对每组试验的结果进行分析，通过每个因素不同水平数值进行分析，得到最优的组合方式；

步骤4、在正交试验结果参数调整值的基础上，采用遗传算法对各调整值进行不断寻优，提高调整值的精度与泛化性能；

在遗传算法中设计轮盘赌选择算子，交叉算子与变异算子，通过对每次参数基因进行评价，保留每一代中最好的参数基因，其余基因进行交叉与变异的操作，使得参数基因更加多样化，参数调整值也更具泛化性能，具体包括以下步骤：

在正交试验得到参数调整值的基础上设计遗传算法进行参数的优化，设计轮盘赌选择算子，每一条参数基因对应一个适应度值，即表示校准性能的红外脉冲数值，设为d₁、d₂、d₃、d₄、d₅……d_n，第i个基因被选择的概率为对每个参数基因进行评价，将每一代中参数基因最优的保留下来，其他的基因按照选择的概率设计交叉算子，即按照比例选择两条参数基因，在其基因的随机位置处使得两条参数基因的位置进行互换操作，实现染色体的交叉操作，然后再根据选择的比例，选择任意一条染色体，再其随机位置处对此位置的染色体进行变异操作，即若此位置的染色体值1，则通过变异操作此处变为0，同理，若此处为0变异操作后的值为1。通过对参数染色体的不断迭代，并保存每一代中最优的参数基因，最终将最好的参数基因输出出来，将其转换为十进制数值，作为最终的参数调整值；

步骤5、通过遗传算法得到后的调整值作为飞行器校准的最终的参数调整值，在保证校准精度的同时对于校准的泛化性能也具有较高的提高，保证适应实际各种类型的飞行器校准。

不难发现，本方法首先利用历史数据进行分析，得到寻优范围，然后采用正交试验的方法，在有限次试验的基础上将较优的范围与组合方式找到，最后，在此基础上采用遗传算法进行调优，增加方法的泛化性能与调优的精度。利用正交试验实现了在有限次试验内，找到较优的范围与组合方式，大大减少了调优的时间。利用遗传算法进行调优，使得方法的泛化性能更强，适用于更多的场合，适应各种环境的变化，提高了校准的可靠性与精度。

Claims (2)

1.一种飞行器自动校准方法，其特征在于，包括以下步骤：

步骤1、获取历史的相关数据，对不同类型不同批次飞行器的历史数据进行统计分析，获得飞行器各参数的参数调整值的取值范围；

步骤2、对各类参数调整值进行统计分析，得到不同参数调整值在取值范围某一区间的出现比率，依据出现比率设计初始的参数调整值，将初始的参数调整值作为正交试验的参数水平值，进入步骤3进行正交试验；

步骤3、根据步骤2得到的参数水平值设计多组正交试验，每组正交试验具有不同的参数调整值的组合，通过程序自动对几组正交试验进行测试，得到每组正交试验下的飞行器校准精度的反馈值，对每组正交试验的反馈值采用方差分析的方法分析不同参数调整值的组合所对应的不同水平下的飞行器校准情况，从而得到较优的参数调整值的组合方式；

步骤4、在上一步得到的参数调整值的基础上，采用遗传算法对各参数调整值进行不断寻优，提高参数调整值的精度与泛化性能；

步骤5、将通过正交试验与遗传算法得到的参数调整值作为飞行器校准的调整参数，保证飞行器的有效校准。

2.如权利要求1所述的一种飞行器自动校准方法，其特征在于，所述步骤4包括以下步骤：

设计遗传算法的参数基因，采用0-1编码的方式对参数基因进行编码，在步骤3得到的所述参数调整值的基础上进行调优，设计轮盘赌选择算子、交叉算子与变异算子，对得到的参数调整值进行适应度评价，评价其对飞行器的校准精度，将每代种群中的最优值保存，及将适应度函数最高的参数基因保存下来，使得在遗传算法在每一代的最优值都能保证不小于前一代的最优值，其余参数基因进行交叉与变异操作，不断迭代，不断进化参数基因直到达到最大迭代次数后输出最优值，即为最优的调整参数值。