CN110825114A - 基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生装置及方法 - Google Patents

Abstract

本发明公开了基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生装置及方法，由飞行高度跟踪误差测量传感器、飞行器速度测量传感器、飞行器航迹倾角测量传感器、飞行器参数及跟踪状态输入单元、飞行器中控MCU、飞行状态显示单元、控制器单元构成。飞行器在飞行过程中，飞行高度跟踪误差测量传感器、速度测量传感器、航迹倾角测量传感器和中控MCU开启，实时测量当前飞行高度跟踪误差、速度、航迹倾角状态并显示，飞行器中控MCU根据空中交通管制机构发出的状态跟踪指令自动执行内部希尔伯特黄时间网格重构动态优化算法，得到使飞行器在最短时间内到达指定跟踪状态的最优控制策略，将获得的最优控制策略转换为控制信号发送给控制信号输出单元。

Description

基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生装置 及方法

技术领域

本发明涉及航空飞行器飞行控制技术领域，特别是一种基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生装置及方法。

背景技术

随着社会的不断发展和科技的进步，我国人民对航空飞行器的需求与日俱增。2018年7月，民航局发布《关于通用航空分类管理的指导意见》，意见指出到2020年，初步建成通航监管体系和服务保障体系；同年9月，民航局发布《低空飞行服务保障体系建设总体方案》，提出到2022年，初步建成由全国低空飞行服务国家信息管理系统、区域低空飞行服务区域信息处理系统和飞行服务站组成的低空飞行服务保障体系。

在现行的通航监管体系下，为了保证飞行的安全性，空中交通管制机构(Airtraffic control，ATC)需要不断地发出飞行状态指令，控制航空飞行器相互之间的距离和状态。然而，随着我国低空空域的不断放开和航空飞行器的逐年增加，航空飞行器对自动飞行跟踪控制提出了更高的要求，特别是在控制的时效性方面，传统的经典控制方法并不能完全满足航空飞行器快速自动跟踪控制的需求。研究航空飞行器的快速自动飞行跟踪控制信号发生装置具有重要的实际应用价值。

发明内容

有鉴于此，本发明的目的在于提供一种基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生装置及方法，本装置能根据空中交通管制机构发出的不同飞行状态跟踪指令自动获取使飞行器在最短时间内到达指定跟踪状态的最优控制信号，保证飞行器的快速自动飞行跟踪功能。

为达到上述目的，本发明提供如下技术方案：

本发明提供的基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生装置，包括飞行器飞行高度跟踪误差测量传感器11、飞行器航迹倾角测量传感器12、飞行器速度测量传感器13、飞行器中控MCU14、飞行器参数及跟踪状态输入单元15、飞行状态显示单元16和控制信号输出单元17；

所述飞行器飞行高度跟踪误差测量传感器11用于测量飞行器当前飞行高度与ATC设定跟踪误差，并通过数据总线传输至飞行器中控MCU14；

所述飞行器航迹倾角测量传感器12用于测量飞行器当前航迹倾角，并通过数据总线传输至飞行器中控MCU14；

所述飞行器速度测量传感器13用于测量飞行器当前飞行速度，并通过数据总线传输至飞行器中控MCU14；

所述飞行器参数及跟踪状态输入单元15用于设定飞行器动力学模型参数以及相应的性能参数约束函数同时接收ATC飞行高度、航迹倾角、飞行速度状态跟踪指令，并通过数据总线传输至飞行器中控MCU14；

所述飞行状态显示单元16用于实时显示飞行器飞行高度跟踪误差、飞行器飞行速度和飞行器航迹倾角；

所述飞行器中控MCU12用于根据ATC发送的飞行高度、航迹倾角、飞行速度状态跟踪指令以及当前的飞行器高度跟踪误差、飞行器飞行速度和飞行器航迹倾角，采用希尔伯特黄时间网格重构动态优化算法得到使飞行器在最短时间内到达指定跟踪状态的最优控制策略；

所述控制信号输出单元17用于将飞行器中控MCU12自动执行内部希尔伯特黄时间网格重构动态优化算法得到的最优控制策略转化为控制信号并通过数据总线输出给控制器。

进一步，所述飞行器中控MCU包括数据采集模块21、初始化模块22、模型求解模块23、优化运算模块24、时间网格重构判断模块25、希尔伯特黄时间网格重构模块26、参数更新模块27和控制策略输出模块28；

所述数据采集模块21用于获取飞行器飞行高度、航迹倾角和飞行速度的数据信号，并将获取的数据信号输入到初始化模块22，所述初始化模块22将设置的飞行器动力学模型参数和数据信号输入到模型求解模块23中，所述模型求解模块23将获取的飞行器状态变量信息和目标函数值输入到所述优化运算模块24中；

所述优化运算模块24通过收敛性判断将得到的时间网格T^(k)和控制策略u^(k)输出至时间网格重构判断模块25；

所述时间网格重构判断模块25对时间网格T^(k)进行网格重构判断，将满足网格重构标准的时间网格T^(k)输入到希尔伯特黄时间网格重构模块26，所述希尔伯特黄时间网格重构模块26对时间网格T^(k)进行时间网格重构，得到新的时间网格和对应的控制策略

并输入到参数更新模块27，所述参数更新模块27根据新的时间网格

和对应的控制策略

更新控制策略初始值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，并将更新后的参数输入到模型求解模块23中；

所述时间网格重构判断模块25对时间网格T^(k)进行网格重构判断，将不满足网格重构标准的时间网格T^(k)输入到控制策略输出模块28；所述控制策略输出模块28将经过时间网格重构后得到的控制策略转化为控制信号输出至飞行器控制器。

进一步，所述数据采集模块包括ATC设定飞行器飞行高度、航迹倾角、飞行速度状态跟踪指令采集、飞行器动力学模型参数以及性能参数约束函数采集、当前飞行器飞行高度跟踪误差采集、当前飞行器航迹倾角采集、当前飞行器飞行速度采集；并将采集到的信号分别输入到初始化模块22中。

进一步，所述优化运算模块包括寻优方向求解、寻优步长求解、寻优修正、NLP收敛性判断；所述寻优方向求解用于构造飞行器控制策略向量空间中的寻优方向；所述寻优步长求解用于构造飞行器控制策略向量空间中的步长α^(k-1)；所述寻优修正用于校正对应的目标函数值；所述NLP收敛性判断用于判断本次迭代的目标函数值的收敛性。

进一步，所述希尔伯特黄时间网格重构动态优化算法的具体步骤如下：

步骤B1：数据采集模块21读取录入的飞行器动力学模型参数以及相应的性能参数约束函数值，同时采集ATC设定的飞行状态跟踪指令与当前时刻的飞行器飞行高度值、航迹倾角值、飞行速度值；

步骤B2：初始化模块22开始运行，设置初始时间网格分段数N、控制策略初始猜测值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，设定优化计算精度tol，将迭代次数k置零；

步骤B3：通过模型求解模块23获取第k次迭代飞行器的状态变量信息x^(k)(t)和目标函数值J^(k)；

步骤B4：优化运算模块24运行，进行优化求解收敛性判断，如果本次迭代得到的目标函数值J^(k)与上一次迭代的目标函数值J^(k-1)的绝对值之差小于设定的优化计算精度tol，则判断收敛性满足，将本次迭代得到的时间网格T^(k)和控制策略u^(k)输出至时间网格重构判断模块25，跳过步骤B5执行步骤B6；如果收敛性不满足，则继续执行步骤B5；

步骤B5：用本次迭代得到的控制策略u^(k)和目标函数值J^(k)值覆盖上一次迭代得到的控制策略u^(k-1)和目标函数值J^(k-1)，并将迭代次数k加1，跳转至步骤B3；

步骤B6：时间网格重构判断模块25对步骤B4得到的时间网格T^(k)进行网格重构判断。判断方法为：如果时间网格T^(k)的每一个时间网格均相等，即满足：

其中，T_i ^(k)表示时间网格T^(k)的第i个时间结点，T₀ ^(k)表示时间网格T^(k)的第一个时间结点，

表示时间网格T^(k)的最后一个时间结点，N表示时间网格分段数，此时，时间网格T^(k)满足网格重构标准，执行步骤B7；否则，跳过步骤B7和B8，直接执行步骤B9；

步骤B7：采用希尔伯特黄时间网格重构模块26对步骤B6得到的时间网格T^(k)进行时间网格重构，得到新的时间网格

和对应的控制策略

步骤B8：参数更新模块27根据步骤B7中得到的新的时间网格和对应的控制策略

更新控制策略初始值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，转向步骤B3；

步骤B9：控制策略输出模块28执行，将时间网格重构后得到的控制策略转化为控制信号输出至飞行器控制器。

进一步，所述模型求解模块23，采用四级五阶龙格库塔方法，求解公式为：

K₁＝F[u^(k),x^(k)(t_i),t_i]

K₂＝F[u^(k),x^(k)(t_i)+K₁h/2,t_i+h/2]

K₃＝F[u^(k),x^(k)(t_i)+K₂h/2,t_i+h/2]

K₄＝F[u^(k),x^(k)(t_i)+K₃h,t_i+h]

其中，t表示时间，t_i表示龙格库塔方法选择的积分时刻，h为积分步长，x^(k)(t_i)表示飞行器在第k次迭代中第t_i时刻的状态信息，F(·)是飞行器动力学模型函数，K₁、K₂、K₃、K₄分别表示龙格库塔法积分过程中的四个时刻点的函数值，u^(k)(t)表示第k次迭代得到的控制策略量。

进一步，所述优化运算模块24，采用如下步骤实现：

步骤C1：将第k-1次迭代得到的飞行器控制策略u^(k-1)(t)作为向量空间中的某个点，记作P₁，P₁对应的目标函数值就是J^(k-1)；

步骤C2：从点P₁出发，构造向量空间中的一个寻优方向d^(k-1)和步长α^(k-1)；

步骤C3：通过式u^(k)(t)＝u^(k-1)(t)+α^(k-1)d^(k-1)构造向量空间中对应u^(k)(t)的另外一个点P₂，使得P₂对应的目标函数值J^(k)比J^(k-1)更优；

步骤C4：采用寻优校正u^(k)(t)，得到校正后的点

记为点P₃，同时令

使得P₃对应的目标函数值

比J^(k)更优；

步骤C5：如果本次迭代的目标函数值

与上一次迭代的目标函数值J^(k-1)的绝对值之差小于精度tol，则判断收敛性满足，令

同时将本次迭代得到的控制策略u^(k)(t)输出至时间网格重构判断模块25；如果收敛性不满足，迭代次数k增加1，将u^(k)(t)设置为向量空间点P₁，继续执行步骤C2。

进一步，所述希尔伯特黄时间网格重构模块26进行时间网格重构的具体步骤如下：

步骤D1：读取时间网格重构判断模块25判别后满足时间网格重构要求的时间网格T^(k)和控制策略u^(k)数值；对控制策略u^(k)采用如下经验模态方法进行分解：

其中，u^(k)表示控制策略，c_j(t)是u^(k)的第j个固有模态函数，n表示固有模态函数总数，r_n是u^(k)的平均趋势函数；

步骤D2：对步骤D1中得到的第1个固有模态函数c₁(t)采用如下式子进行希尔伯特黄分解：

其中，y₁(t)表示c₁(t)的希尔伯特黄转换函数，π表示圆周率，PV表示柯西积分主值参数，

表示c₁(t)与时间相关的积分项；

步骤D3：对c₁(t)和y₁(t)进行解析分解，用z₁(t)表示如下：

其中，i表示虚数，a₁(t)表示瞬时幅值，θ₁(t)表示相值函数，a₁(t)和θ₁(t)用如下公式求解：

其中，arctan表示反正切函数；

步骤D4：对步骤D3中得到的相值函数θ₁(t)对时间t进行求导，得到瞬态频率，用ω₁(t)表示：

步骤D5：计算步骤D4中得到的瞬态频率ω₁(t)的最大阈值频率，用△_max计算，公式如下：

其中，M表示向量ω₁(t)的参数个数，ω_1,k表示向量ω₁(t)的第k个变量值。

步骤D6：得到ω_1,k对应的时间网格[t_k-1,t_k]，进行时间网格重构；如果ω_1,k≥△_max，则将时间网格[t_k-1,t_k]细分为△p_k个相等的子网格，其中△p_k由如下式子确定：

其中，

符号表示向下取整，max(·)函数表示取向量最大值，min(·)函数表示取向量最小值；如果：

则将时间网格[t_k-1,t_k]和[t_k,t_k+1]合并成为一个时间网格[t_k-1,t_k+1]；

步骤D7：将细分和合并后的时间网格组成重构后的时间网格

并从步骤D1得到的控制策略u^(k)中读取对应于时间网格

节点下的数值构成新的控制策略

步骤D8：将重构得到的时间网格

及其对应的控制策略

输出至参数更新模块27。

本发明还提供了一种基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生方法，包括以下步骤：

步骤A1：读取飞行器参数、飞行器动力学模型参数以及相应的性能参数约束函数值以及ATC状态跟踪指令值；

步骤A2：通过飞行器飞行高度跟踪误差测量传感器11、飞行器速度测量传感器12、飞行器航迹倾角测量传感器13实时测量飞行器高度跟踪误差、飞行速度和航迹倾角状态；

步骤A3：根据当前测量得到的飞行器飞行高度跟踪误差、飞行器飞行速度和飞行器航迹倾角结合飞行状态跟踪要求指令执行希尔伯特黄时间网格重构动态优化算法，得到使飞行器在最短时间内到达指定跟踪状态的最优控制策略；

步骤A4：将得到的最优控制策略转换为控制信号输出至控制器。

进一步，所述步骤A3中的希尔伯特黄时间网格重构动态优化算法，具体步骤如下：

步骤B1：读取录入的飞行器动力学模型参数以及相应的性能参数约束函数值，同时采集ATC设定的飞行状态跟踪指令与当前时刻的飞行器飞行高度值、航迹倾角值、飞行速度值；

步骤B2：设置初始时间网格分段数N、控制策略初始猜测值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，设定优化计算精度tol，将迭代次数k置零；

步骤B3：获取第k次迭代飞行器的状态变量信息x^(k)(t)和目标函数值J^(k)；

步骤B4：进行优化求解收敛性判断，如果本次迭代得到的目标函数值J^(k)与上一次迭代的目标函数值J^(k-1)的绝对值之差小于设定的优化计算精度tol，则判断收敛性满足，将本次迭代得到的时间网格T^(k)和控制策略u^(k)输出至时间网格重构判断模块25，跳过步骤B5执行步骤B6；如果收敛性不满足，则继续执行步骤B5；

步骤B5：用本次迭代得到的控制策略u^(k)和目标函数值J^(k)值覆盖上一次迭代得到的控制策略u^(k-1)和目标函数值J^(k-1)，并将迭代次数k加1，跳转至步骤B3；

步骤B6：对得到的时间网格T^(k)进行网格重构判断，具体步骤如下：

如果时间网格T^(k)的每一个时间网格均相等，即满足：

其中，T_i ^(k)表示时间网格T^(k)的第i个时间结点，T₀ ^(k)表示时间网格T^(k)的第一个时间结点，

表示时间网格T^(k)的最后一个时间结点，N表示时间网格分段数，此时，时间网格T^(k)满足网格重构标准，执行步骤B7；否则，跳过步骤B7和B8执行步骤B9；

步骤B7：对得到的时间网格T^(k)进行时间网格重构，得到新的时间网格

和对应的控制策略

步骤B8：根据得到的新的时间网格

和对应的控制策略

更新控制策略初始值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，转向步骤B3；

步骤B9：将时间网格重构后得到的控制策略转化为控制信号输出至飞行器控制器。

本发明的有益效果在于：

本发明公开了一种基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生装置，由飞行高度跟踪误差测量传感器、飞行器速度测量传感器、飞行器航迹倾角测量传感器、飞行器参数及跟踪状态输入单元、飞行器中控MCU(Microcontroller Unit)、飞行状态显示单元、控制器单元构成。在飞行器MCU中输入飞行器参数后，飞行器飞行高度跟踪误差测量传感器、速度测量传感器、航迹倾角测量传感器和中控MCU开启，实时测量当前飞行高度跟踪误差、速度、航迹倾角状态并显示，飞行器中控MCU根据空中交通管制机构(Air trafficcontrol，ATC)发出的状态跟踪指令自动执行内部希尔伯特黄时间网格重构动态优化算法，得到使飞行器在最短时间内到达指定跟踪状态的最优控制策略，飞行器中控MCU将获得的最优控制策略转换为控制信号发送给控制信号输出单元。本发明能够根据ATC不同飞行状态跟踪指令要求快速地获取控制时间最短的飞行器最优控制策略，保证飞行器的快速自动飞行跟踪功能。

同时，本发明还提供了一种基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生方法，该方法提高了航空飞行器的快速自动飞行跟踪控制品质，使飞行器能够根据ATC的不同飞行状态跟踪指令在最短时间内实现快速自动飞行跟踪。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1是本发明控制信号发生装置的结构示意图。

图2是本发明飞行器中控MCU内部模块结构图。

图3是实施例1飞行器最优控制信号曲线图。

图4是实施例1飞行器最优控制策略下的飞行速度变化曲线图。

图5是实施例1飞行器最优控制策略下的航迹倾角变化曲线图。

图6是实施例1飞行器最优控制策略下的飞行高度误差变化曲线图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

实施例1

本实施例提供的基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生装置，结合航空飞行器飞行动力学过程和最短时间快速自动飞行跟踪需求，飞行器的最优控制策略产生过程可以用如下数学模型描述：

min J＝t_f

s.t.

g_i(u(t),x(t),t)＝0,i＝1,2,...,m_e

g_j(u(t),x(t),t)≤0,j＝m_e+1,...,m

u^min≤u(t)≤u^max

其中，t表示时间，x(t)表示飞行器高度跟踪误差、飞行速度和航迹倾角组成的状态向量，

是x(t)的一阶导数；u(t)表示飞行器的控制向量；

f(u(t),x(t),t)是飞行器动力学数学模型；t₀表示飞行器跟踪控制初始时刻，

x₀为t₀时刻的初始状态向量；

t_f表示终值时刻；

为ATC发送的飞行状态跟踪指令向量；

J表示时间最短飞行跟踪控制目标函数；

g_i(u(t),x(t),t)＝0,i＝1,2,...,m_e是飞行器调节过程的等式约束条件函数；

g_j(u(t),x(t),t)≤0,j＝m_e+1,...,m是无人飞行器调节过程的不等式约束条件；

m_e表示等式约束个数，m表示约束条件总的个数；

u^min和u^max分别表示飞行器控制器的上限值和下限值。

分析可知，飞行器最短时间自动飞行跟踪最优控制策略的获取即为对上述数学模型的求解。

本实施例采用的技术方案是在飞行器中控MCU中集成基于希尔伯特黄时间网格重构的动态优化算法，自动产生飞行器控制信号，使得飞行器能够根据ATC的不同飞行状态跟踪指令在最短时间内实现快速自动飞行跟踪，保证飞行的安全。

如图所示，本实施例提供的基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生装置，包括飞行器飞行高度跟踪误差测量传感器11、飞行器航迹倾角测量传感器12、飞行器速度测量传感器13、飞行器中控MCU14、飞行器参数及跟踪状态输入单元15、飞行状态显示单元16、控制信号输出单元17；

所述飞行器飞行高度跟踪误差测量传感器11用于测量飞行器当前飞行高度与ATC设定跟踪误差，并通过数据总线传输至飞行器中控MCU14；

所述飞行器航迹倾角测量传感器12用于测量飞行器当前航迹倾角，并通过数据总线传输至飞行器中控MCU14；

所述飞行器速度测量传感器13用于测量飞行器当前飞行速度，并通过数据总线传输至飞行器中控MCU14；

所述飞行器参数及跟踪状态输入单元15用于设定飞行器动力学模型参数以及相应的性能参数约束函数同时接收ATC飞行高度、航迹倾角、飞行速度状态跟踪指令，并通过数据总线传输至飞行器中控MCU14；

所述飞行状态显示单元16用于实时显示飞行器飞行高度跟踪误差、飞行器飞行速度和飞行器航迹倾角；

所述飞行器中控MCU12用于根据ATC发送的飞行高度、航迹倾角、飞行速度状态跟踪指令以及当前的飞行器高度跟踪误差、飞行器飞行速度和飞行器航迹倾角，采用希尔伯特黄时间网格重构动态优化算法得到使飞行器在最短时间内到达指定跟踪状态的最优控制策略；

所述控制信号输出单元17用于将飞行器中控MCU12自动执行内部希尔伯特黄时间网格重构动态优化算法得到的最优控制策略转化为控制信号并通过数据总线输出给控制器。

所述飞行器中控MCU包括数据采集模块21、初始化模块22、模型求解模块23、优化运算模块24、时间网格重构判断模块25、希尔伯特黄时间网格重构模块26、参数更新模块27、控制策略输出模块28；

所述数据采集模块21用于获取飞行器飞行高度、航迹倾角和飞行速度的数据信号，并将获取的数据信号输入到初始化模块22，所述初始化模块22将设置的飞行器动力学模型参数和数据信号输入到模型求解模块23中，所述模型求解模块23将获取的飞行器状态变量信息和目标函数值输入到所述优化运算模块24中；

所述优化运算模块24通过收敛性判断将得到的时间网格T^(k)和控制策略u^(k)输出至时间网格重构判断模块25；

所述时间网格重构判断模块25对时间网格T^(k)进行网格重构判断，将满足网格重构标准的时间网格T^(k)输入到希尔伯特黄时间网格重构模块26，所述希尔伯特黄时间网格重构模块26对时间网格T^(k)进行时间网格重构，得到新的时间网格

和对应的控制策略

并输入到参数更新模块27，所述参数更新模块27根据新的时间网格

和对应的控制策略

更新控制策略初始值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，并更新后的参数输入到模型求解模块23中；

所述时间网格重构判断模块25对时间网格T^(k)进行网格重构判断，将不满足网格重构标准的时间网格T^(k)输入到控制策略输出模块28；所述控制策略输出模块28将经过时间网格重构后得到的控制策略转化为控制信号输出至飞行器控制器。

所述数据采集模块包括ATC设定飞行器飞行高度、航迹倾角、飞行速度状态跟踪指令采集、飞行器动力学模型参数以及性能参数约束函数采集、当前飞行器飞行高度跟踪误差采集、当前飞行器航迹倾角采集、当前飞行器飞行速度采集；并将采集到的信号分别输入到初始化模块22中。

所述优化运算模块包括寻优方向求解、寻优步长求解、寻优修正、NLP收敛性判断；所述寻优方向求解用于构造飞行器控制策略向量空间中的寻优方向；所述寻优步长求解用于构造飞行器控制策略向量空间中的步长α^(k-1)；所述寻优修正用于校正对应的目标函数值；所述NLP收敛性判断用于判断本次迭代的目标函数值

的收敛性。

所述飞行器中控MCU14用于自动执行内部希尔伯特黄时间网格重构动态优化算法，得到最优控制策略，具体步骤如下：

步骤B1：数据采集模块21读取录入的飞行器动力学模型参数以及相应的性能参数约束函数值，同时采集ATC设定的飞行状态跟踪指令与当前时刻的飞行器飞行高度值、航迹倾角值、飞行速度值；

步骤B2：初始化模块22开始运行，设置初始时间网格分段数N、控制策略初始猜测值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，设定优化计算精度tol，将迭代次数k置零；

步骤B3：通过模型求解模块23获取第k次迭代飞行器的状态变量信息x^(k)(t)和目标函数值J^(k)；

步骤B4：优化运算模块24运行，进行优化求解收敛性判断，如果本次迭代得到的目标函数值J^(k)与上一次迭代的目标函数值J^(k-1)的绝对值之差小于设定的优化计算精度tol，则判断收敛性满足，将本次迭代得到的时间网格T^(k)和控制策略u^(k)输出至时间网格重构判断模块25，跳过步骤B5执行步骤B6；如果收敛性不满足，则继续执行步骤B5；

步骤B5：用本次迭代得到的控制策略u^(k)和目标函数值J^(k)值覆盖上一次迭代得到的控制策略u^(k-1)和目标函数值J^(k-1)，并将迭代次数k加1，跳转至步骤B3；

步骤B6：时间网格重构判断模块25对步骤B4得到的时间网格T^(k)进行网格重构判断。判断方法为：如果时间网格T^(k)的每一个时间网格均相等，即满足：

其中，T_i ^(k)表示时间网格T^(k)的第i个时间结点，T₀ ^(k)表示时间网格T^(k)的第一个时间结点，

表示时间网格T^(k)的最后一个时间结点，N表示时间网格分段数，此时，时间网格T^(k)满足网格重构标准，执行步骤B7；否则，跳过步骤B7和B8执行步骤B9；

步骤B7：采用希尔伯特黄时间网格重构模块26对步骤B6得到的时间网格T^(k)进行时间网格重构，得到新的时间网格

和对应的控制策略

步骤B8：参数更新模块27根据步骤B7中得到的新的时间网格

和对应的控制策略

更新控制策略初始值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，转向步骤B3；

步骤B9：控制策略输出模块28执行，将时间网格重构后得到的控制策略转化为控制信号输出至飞行器控制器。

所述模型求解模块23，采用四级五阶龙格库塔(Runge-Kutta)方法，求解公式为：

K₁＝F[u^(k),x^(k)(t_i),t_i]

K₂＝F[u^(k),x^(k)(t_i)+K₁h/2,t_i+h/2]

K₃＝F[u^(k),x^(k)(t_i)+K₂h/2,t_i+h/2]

K₄＝F[u^(k),x^(k)(t_i)+K₃h,t_i+h]

其中，t表示时间，t_i表示龙格库塔方法选择的积分时刻，h为积分步长，x^(k)(t_i)表示飞行器在第k次迭代中第t_i时刻的状态信息，F(·)是飞行器动力学模型函数，K₁、K₂、K₃、K₄分别表示龙格库塔法积分过程中的4个时刻点的函数值，u^(k)(t)表示第k次迭代得到的控制策略量。

所述优化运算模块24，采用如下步骤实现：

步骤C1：将第k-1次迭代得到的飞行器控制策略u^(k-1)(t)作为向量空间中的某个点，记作P₁，P₁对应的目标函数值就是J^(k-1)；

步骤C2：从点P₁出发，构造向量空间中的一个寻优方向d^(k-1)和步长α^(k-1)；

步骤C3：通过式u^(k)(t)＝u^(k-1)(t)+α^(k-1)d^(k-1)构造向量空间中对应u^(k)(t)的另外一个点P₂，使得P₂对应的目标函数值J^(k)比J^(k-1)更优；

步骤C4：采用寻优校正u^(k)(t)，得到校正后的点

记为点P₃，同时令

使得P₃对应的目标函数值

比J^(k)更优；

步骤C5：如果本次迭代的目标函数值与上一次迭代的目标函数值J^(k-1)的绝对值之差小于精度tol，则判断收敛性满足，令同时将本次迭代得到的控制策略u^(k)(t)输出至时间网格重构判断模块25；如果收敛性不满足，迭代次数k增加1，将u^(k)(t)设置为向量空间点P₁，继续执行步骤C2。

所述的希尔伯特黄时间网格重构模块26进行时间网格重构的步骤为：

步骤D1：读取时间网格重构判断模块25判别后满足时间网格重构要求的时间网格T^(k)和控制策略u^(k)数值；对控制策略u^(k)采用如下经验模态方法进行分解：

其中，u^(k)表示控制策略，c_j(t)是u^(k)的第j个固有模态函数，n表示固有模态函数总数，r_n是u^(k)的平均趋势函数；

步骤D2：对步骤D1中得到的第1个固有模态函数c₁(t)采用如下式子进行希尔伯特黄分解：

其中，y₁(t)表示c₁(t)的希尔伯特黄转换函数，π表示圆周率，PV表示柯西积分主值参数，

表示c₁(t)与时间相关的积分项；

步骤D3：对c₁(t)和y₁(t)进行解析分解，用z₁(t)表示如下：

其中，i表示虚数，a₁(t)表示瞬时幅值，θ₁(t)表示相值函数，a₁(t)和θ₁(t)用如下公式求解：

其中，arctan表示反正切函数；

步骤D4：对步骤D3中得到的相值函数θ₁(t)对时间t进行求导，得到瞬态频率，用ω₁(t)表示：

步骤D5：计算步骤D4中得到的瞬态频率ω₁(t)的最大阈值频率，用△_max计算，公式如下：

其中，M表示向量ω₁(t)的参数个数，ω_1,k表示向量ω₁(t)的第k个变量值。

步骤D6：得到ω_1,k对应的时间网格[t_k-1,t_k]，进行时间网格重构；如果ω_1,k≥△_max，则将时间网格[t_k-1,t_k]细分为△p_k个相等的子网格，其中△p_k由如下式子确定：

其中，

符号表示向下取整，max(·)函数表示取向量最大值，min(·)函数表示取向量最小值；如果：

则将时间网格[t_k-1,t_k]和[t_k,t_k+1]合并成为一个时间网格[t_k-1,t_k+1]；

步骤D7：将细分和合并后的时间网格组成重构后的时间网格

并从步骤D1得到的控制策略u^(k)中读取对应于时间网格

节点下的数值构成新的控制策略

步骤D8：将重构得到的时间网格

及其对应的控制策略

输出至参数更新模块27。

实施例2

本实施例提供的基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生方法，具体包括以下步骤：

步骤A1：飞行器进入自动飞行跟踪模式，飞行器中控MCU14读取飞行器参数及跟踪状态输入单元15中设定的飞行器动力学模型参数以及相应的性能参数约束函数值以及ATC状态跟踪指令值；

步骤A2：飞行器飞行高度跟踪误差测量传感器11、飞行器速度测量传感器12、飞行器航迹倾角测量传感器13实时测量飞行器高度跟踪误差、飞行速度和航迹倾角状态并在飞行状态显示单元16显示；

步骤A3：飞行器中控MCU14根据当前测量得到的飞行器飞行高度跟踪误差、飞行器飞行速度和飞行器航迹倾角结合步骤A1中的飞行状态跟踪要求指令自动执行内部希尔伯特黄时间网格重构动态优化算法，得到使飞行器在最短时间内到达指定跟踪状态的最优控制策略；

步骤A4：控制信号输出单元17将飞行器中控MCU14得到的最优控制策略转换为控制信号输出至控制器。

实施例3

如图1所示，本实施例提供的基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生装置，包括飞行器飞行高度跟踪误差测量传感器11、飞行器航迹倾角测量传感器12、飞行器速度测量传感器13、飞行器中控MCU14、飞行器参数及跟踪状态输入单元15、飞行状态显示单元16、控制信号输出单元17。

如图2所示，所述飞行器中控MCU包括数据采集模块21、初始化模块22、模型求解模块23、优化运算模块24、时间网格重构判断模块25、希尔伯特黄时间网格重构模块26、参数更新模块27、控制策略输出模块28。

所述数据采集模块包括ATC设定飞行器飞行高度、航迹倾角、飞行速度状态跟踪指令采集、飞行器动力学模型参数以及性能参数约束函数采集、当前飞行器飞行高度跟踪误差采集、当前飞行器航迹倾角采集、当前飞行器飞行速度采集；并将采集到的信号分别输入到初始化模块22中。

所述优化运算模块包括寻优方向求解、寻优步长求解、寻优修正、NLP收敛性判断；所述寻优方向求解用于构造飞行器控制策略向量空间中的寻优方向；所述寻优步长求解用于构造飞行器控制策略向量空间中的步长α^(k-1)；所述寻优修正用于校正对应的目标函数值；所述NLP收敛性判断用于判断本次迭代的目标函数值

的收敛性。

实施例4

本实施例以某型号空中客车公司航空飞行器为例，其飞行器动力学模型为：

其中，f(u(t),x(t),t)表示飞行器的动力学模型函数，x₁(t)表示飞行器的飞行速度，x₂(t)表示飞行器的航迹倾角，x₃(t)表示飞行器的高度跟踪误差，u₁(t)和u₂(t)表示飞行器的两个控制器，x(t)是由x₁(t)、x₂(t)和x₃(t)组成的状态向量(x(t)＝[x₁(t),x₂(t),x₃(t)]^T)，

是x(t)的一阶导数，控制向量为u(t)＝[u₁(t)u₂(t)]^T。

同时，该飞行器的飞行状态约束条件和控制性能约束条件为：

以上飞行器动力学模型函数、飞行器飞行状态约束条件和控制性能约束条件直接设定于飞行器参数及跟踪状态输入单元15中。航空飞行器飞行过程中，飞行器开启自动飞行跟踪模式，飞行器参数及跟踪状态输入单元15读取ATC发送的跟踪控制指令，当前初始时刻设置为t₀＝0s，飞行器飞行高度跟踪误差测量传感器11、飞行器速度测量传感器12、飞行器航迹倾角测量传感器13实时测量飞行器高度跟踪误差、飞行速度和航迹倾角状态并在状态显示单元16显示；假设数据采集模块21采集当前时刻飞行器的飞行速度、航迹倾角、飞行高度跟踪误差为：x₁(t₀)＝150(m/s)，x₂(t₀)＝20(°)，x₃(t₀)＝-120(m)；此外，此时数据采集模块21读取飞行器参数及跟踪状态输入单元15发送的飞行状态跟踪指令为：

结合上述参数，此时航空飞行器自动产生最短时间飞行跟踪最优控制策略的数学模型描述如下：

min J＝t_f

s.t.

x₁(t₀)＝150(m/s),x₂(t₀)＝20(°),x₃(t₀)＝-120(m)

飞行器中控MCU14立即执行内部希尔伯特黄时间网格重构动态优化算法，其运行过程如图2所示，具体步骤为：

步骤E1：数据采集模块21读取录入的飞行器动力学模型参数以及相应的性能参数约束函数值：

同时，采集ATC设定的飞行状态跟踪指令为：

以及当前时刻的飞行器飞行高度值、航迹倾角值、飞行速度值：

x₁(t₀)＝150(m/s),x₂(t₀)＝20(°),x₃(t₀)＝-120(m)

步骤E2：初始化模块22开始运行，设置初始时间网格分段数20、控制策略初始猜测值u⁽⁰⁾＝0及其对应的初始时间网格为T⁽⁰⁾＝[0,0.05,0.1，0.15,...,1]，设定优化计算精度tol＝10^-4，将迭代次数k置零；

步骤E3：通过模型求解模块23获取第k次迭代飞行器的状态变量信息x^(k)(t)和目标函数值J^(k)；

步骤E4：优化运算模块24运行，进行优化求解收敛性判断，如果本次迭代得到的目标函数值J^(k)与上一次迭代的目标函数值J^(k-1)的绝对值之差小于设定的优化计算精度10^-4，则判断收敛性满足，将本次迭代得到的时间网格T^(k)和控制策略u^(k)输出至控制策略输出时间网格重构判断模块25，跳过步骤E5执行步骤E6；如果收敛性不满足，则继续执行步骤E5；

步骤E5：用本次迭代得到的控制策略u^(k)和目标函数值J^(k)值覆盖上一次迭代得到的控制策略u^(k-1)和目标函数值J^(k-1)，并将迭代次数k加1，跳转至步骤E3；

步骤E6：时间网格重构判断模块25对步骤E4得到的时间网格T^(k)进行网格重构判断。判断方法为：如果时间网格T^(k)的每一个时间网格均相等，即满足：

其中，T_i ^(k)表示时间网格T^(k)的第i个时间结点，T₀ ^(k)表示时间网格T^(k)的第一个时间结点，

表示时间网格T^(k)的最后一个时间结点，N表示时间网格分段数。此时，时间网格T^(k)满足网格重构标准，执行步骤E7；否则，跳过步骤E8执行步骤E9；

步骤E7：采用希尔伯特黄时间网格重构模块26对步骤E6得到的时间网格T^(k)进行时间网格重构，得到新的时间网格

和对应的控制策略

步骤E8：参数更新模块27根据步骤E7中得到的新的时间网格

和对应的控制策略

更新控制策略初始值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，转向步骤E3；

步骤E9：控制策略输出模块28执行，将时间网格重构后得到的控制策略转化为控制信号输出至飞行器控制器。

所述的模型求解模块23，采用的是四级五阶龙格库塔(Runge-Kutta)方法，求解公式为：

K₁＝f[u^(k),x^(k)(t_i),t_i]

K₂＝f[u^(k),x^(k)(t_i)+K₁h/2,t_i+h/2]

K₃＝f[u^(k),x^(k)(t_i)+K₂h/2,t_i+h/2]

K₄＝f[u^(k),x^(k)(t_i)+K₃h,t_i+h]

其中，t表示时间，t_i表示龙格库塔方法选择的积分时刻，h为积分步长，x^(k)(t_i)表示飞行器在第k次迭代中第t_i时刻的状态信息，f(·)是飞行器的动力学模型函数，K₁、K₂、K₃、K₄分别表示龙格库塔法积分过程中的4个时刻点的函数值，u^(k)(t)表示第k次迭代得到的控制策略量。

所述的优化运算模块24，采用如下步骤实现：

步骤F1：将第k-1次迭代得到的飞行器控制策略u^(k-1)(t)作为向量空间中的某个点，记作P₁，P₁对应的目标函数值就是J^(k-1)；

步骤F2：从点P₁出发，构造向量空间中的一个寻优方向d^(k-1)和步长α^(k-1)；

步骤F3：通过式u^(k)(t)＝u^(k-1)(t)+α^(k-1)d^(k-1)构造向量空间中对应u^(k)(t)的另外一个点P₂，使得P₂对应的目标函数值J^(k)比J^(k-1)更优；

步骤F4：采用寻优校正u^(k)(t)，得到校正后的点

记为点P₃，同时令

使得P₃对应的目标函数值

比J^(k)更优；

步骤F5：如果本次迭代的目标函数值

与上一次迭代的目标函数值J^(k-1)的绝对值之差小于精度tol，则判断收敛性满足，令

同时将本次迭代得到的控制策略u^(k)(t)输出至时间网格重构判断模块25；如果收敛性不满足，迭代次数k增加1，将u^(k)(t)设置为向量空间点P₁，继续执行步骤C2。

所述的希尔伯特黄时间网格重构模块26进行时间网格重构的步骤为：

步骤G1：读取时间网格重构判断模块25判别后满足时间网格重构要求的时间网格T^(k)和控制策略u^(k)数值；对控制策略u^(k)采用如下经验模态方法进行分解：

其中，u^(k)表示控制策略，c_j(t)是u^(k)的第j个固有模态函数，n表示固有模态函数总数，r_n是u^(k)的平均趋势函数；

步骤G2：对步骤G1中得到的第1个固有模态函数c₁(t)采用如下式子进行希尔伯特黄分解：

其中，y₁(t)表示c₁(t)的希尔伯特黄转换函数，π表示圆周率，PV表示柯西积分主值参数，

表示c₁(t)与时间相关的积分项；

步骤G3：对c₁(t)和y₁(t)进行解析分解，用z₁(t)表示如下：

其中，i表示虚数，a₁(t)表示瞬时幅值，θ₁(t)表示相值函数，a₁(t)和θ₁(t)用如下公式求解：

其中，arctan表示反正切函数；

步骤G4：对步骤G3中得到的相值函数θ₁(t)对时间t进行求导，得到瞬态频率，用ω₁(t)表示：

步骤G5：计算步骤G4中得到的瞬态频率ω₁(t)的最大阈值频率，用△_max计算，公式如下：

其中，M表示向量ω₁(t)的参数个数，ω_1,k表示向量ω₁(t)的第k个变量值。

步骤G6：得到ω_1,k对应的时间网格[t_k-1,t_k]，进行时间网格重构；如果ω_1,k≥△_max，则将时间网格[t_k-1,t_k]细分为△p_k个相等的子网格，其中△p_k由如下式子确定：

其中，

符号表示向下取整，max(·)函数表示取向量最大值，min(·)函数表示取向量最小值；如果：

则将时间网格[t_k-1,t_k]和[t_k,t_k+1]合并成为一个时间网格[t_k-1,t_k+1]；

步骤G7：将细分和合并后的时间网格组成重构后的时间网格并从步骤G1得到的控制策略u^(k)中读取对应于时间网格

节点下的数值构成新的控制策略

步骤G8：将重构得到的时间网格

及其对应的控制策略

输出至参数更新模块27。

最后，飞行器中控MCU14将获得的最优控制策略转换为控制信号输出值飞行器的控制器。

图3-图6给出了实施例1经过希尔伯特黄时间网格重构动态优化后得到的飞行跟踪控制信号及其相应的飞行状态曲线。由图可知，在实施例1的飞行跟踪指令要求下，优化计算得到的最短飞行时间为67秒，其相应的最优控制信号曲线如图3所示；在图3所示的控制信号动作过程中，飞行器的飞行速度变化曲线、飞行器的航迹倾角变化曲线以及飞行器的飞行高度跟踪误差曲线分别如图4-6所示，可以看出飞行器实现了ATC飞行状态指令自动跟踪功能。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (10)

1.基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生装置，其特征在于：包括飞行器飞行高度跟踪误差测量传感器11、飞行器航迹倾角测量传感器12、飞行器速度测量传感器13、飞行器中控MCU14、飞行器参数及跟踪状态输入单元15、飞行状态显示单元16和控制信号输出单元17；

所述飞行器飞行高度跟踪误差测量传感器11用于测量飞行器当前飞行高度与ATC设定跟踪误差，并通过数据总线传输至飞行器中控MCU14；

所述飞行器航迹倾角测量传感器12用于测量飞行器当前航迹倾角，并通过数据总线传输至飞行器中控MCU14；

所述飞行器速度测量传感器13用于测量飞行器当前飞行速度，并通过数据总线传输至飞行器中控MCU14；

所述飞行器参数及跟踪状态输入单元15用于设定飞行器动力学模型参数以及相应的性能参数约束函数同时接收ATC飞行高度、航迹倾角、飞行速度状态跟踪指令，并通过数据总线传输至飞行器中控MCU14；

所述飞行状态显示单元16用于实时显示飞行器飞行高度跟踪误差、飞行器飞行速度和飞行器航迹倾角；

所述飞行器中控MCU12用于根据ATC发送的飞行高度、航迹倾角、飞行速度状态跟踪指令以及当前的飞行器高度跟踪误差、飞行器飞行速度和飞行器航迹倾角，采用希尔伯特黄时间网格重构动态优化算法得到使飞行器在最短时间内到达指定跟踪状态的最优控制策略；

所述控制信号输出单元17用于将飞行器中控MCU12自动执行内部希尔伯特黄时间网格重构动态优化算法得到的最优控制策略转化为控制信号并通过数据总线输出给控制器。

2.如权利要求1所述的装置，其特征在于：所述飞行器中控MCU包括数据采集模块21、初始化模块22、模型求解模块23、优化运算模块24、时间网格重构判断模块25、希尔伯特黄时间网格重构模块26、参数更新模块27和控制策略输出模块28；

所述数据采集模块21用于获取飞行器飞行高度、航迹倾角和飞行速度的数据信号，并将获取的数据信号输入到初始化模块22，所述初始化模块22将设置的飞行器动力学模型参数和数据信号输入到模型求解模块23中，所述模型求解模块23将获取的飞行器状态变量信息和目标函数值输入到所述优化运算模块24中；

所述优化运算模块24通过收敛性判断将得到的时间网格T^(k)和控制策略u^(k)输出至时间网格重构判断模块25；

所述时间网格重构判断模块25对时间网格T^(k)进行网格重构判断，将满足网格重构标准的时间网格T^(k)输入到希尔伯特黄时间网格重构模块26，所述希尔伯特黄时间网格重构模块26对时间网格T^(k)进行时间网格重构，得到新的时间网格

和对应的控制策略并输入到参数更新模块27，所述参数更新模块27根据新的时间网格和对应的控制策略

更新控制策略初始值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，并将更新后的参数输入到模型求解模块23中；

所述时间网格重构判断模块25对时间网格T^(k)进行网格重构判断，将不满足网格重构标准的时间网格T^(k)输入到控制策略输出模块28；所述控制策略输出模块28将经过时间网格重构后得到的控制策略转化为控制信号输出至飞行器控制器。

3.如权利要求2所述的装置，其特征在于：所述数据采集模块包括ATC设定飞行器飞行高度、航迹倾角、飞行速度状态跟踪指令采集、飞行器动力学模型参数以及性能参数约束函数采集、当前飞行器飞行高度跟踪误差采集、当前飞行器航迹倾角采集、当前飞行器飞行速度采集；并将采集到的信号分别输入到初始化模块22中。

4.如权利要求2所述的装置，其特征在于：所述优化运算模块包括寻优方向求解、寻优步长求解、寻优修正、NLP收敛性判断；所述寻优方向求解用于构造飞行器控制策略向量空间中的寻优方向；所述寻优步长求解用于构造飞行器控制策略向量空间中的步长α^(k-1)；所述寻优修正用于校正对应的目标函数值；所述NLP收敛性判断用于判断本次迭代的目标函数值

的收敛性。

5.如权利要求2所述的装置，其特征在于：所述希尔伯特黄时间网格重构动态优化算法的具体步骤如下：

步骤B1：数据采集模块21读取录入的飞行器动力学模型参数以及相应的性能参数约束函数值，同时采集ATC设定的飞行状态跟踪指令与当前时刻的飞行器飞行高度值、航迹倾角值、飞行速度值；

步骤B2：初始化模块22开始运行，设置初始时间网格分段数N、控制策略初始猜测值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，设定优化计算精度tol，将迭代次数k置零；

步骤B3：通过模型求解模块23获取第k次迭代飞行器的状态变量信息x^(k)(t)和目标函数值J^(k)；

步骤B4：优化运算模块24运行，进行优化求解收敛性判断，如果本次迭代得到的目标函数值J^(k)与上一次迭代的目标函数值J^(k-1)的绝对值之差小于设定的优化计算精度tol，则判断收敛性满足，将本次迭代得到的时间网格T^(k)和控制策略u^(k)输出至时间网格重构判断模块25，跳过步骤B5执行步骤B6；如果收敛性不满足，则继续执行步骤B5；

步骤B5：用本次迭代得到的控制策略u^(k)和目标函数值J^(k)值覆盖上一次迭代得到的控制策略u^(k-1)和目标函数值J^(k-1)，并将迭代次数k加1，跳转至步骤B3；

步骤B6：时间网格重构判断模块25对步骤B4得到的时间网格T^(k)进行网格重构判断；判断方法为：如果时间网格T^(k)的每一个时间网格均相等，即满足：

其中，T_i ^(k)表示时间网格T^(k)的第i个时间结点，

表示时间网格T^(k)的第一个时间结点，

表示时间网格T^(k)的最后一个时间结点，N表示时间网格分段数，此时，时间网格T^(k)满足网格重构标准，执行步骤B7；否则，跳过步骤B7和B8，直接执行步骤B9；

步骤B7：采用希尔伯特黄时间网格重构模块26对步骤B6得到的时间网格T^(k)进行时间网格重构，得到新的时间网格

和对应的控制策略

步骤B8：参数更新模块27根据步骤B7中得到的新的时间网格和对应的控制策略更新控制策略初始值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，转向步骤B3；

步骤B9：控制策略输出模块28执行，将时间网格重构后得到的控制策略转化为控制信号输出至飞行器控制器。

6.如权利要求2所述的装置，其特征在于：所述模型求解模块23，采用四级五阶龙格库塔方法，求解公式为：

K₁＝F[u^(k),x^(k)(t_i),t_i]

K₂＝F[u^(k),x^(k)(t_i)+K₁h/2,t_i+h/2]

K₃＝F[u^(k),x^(k)(t_i)+K₂h/2,t_i+h/2]

K₄＝F[u^(k),x^(k)(t_i)+K₃h,t_i+h]

其中，t表示时间，t_i表示龙格库塔方法选择的积分时刻，h为积分步长，x^(k)(t_i)表示飞行器在第k次迭代中第t_i时刻的状态信息，F(·)是飞行器动力学模型函数，K₁、K₂、K₃、K₄分别表示龙格库塔法积分过程中的四个时刻点的函数值，u^(k)(t)表示第k次迭代得到的控制策略量。

7.如权利要求2所述的装置，其特征在于：所述优化运算模块24，采用如下步骤实现：

步骤C1：将第k-1次迭代得到的飞行器控制策略u^(k-1)(t)作为向量空间中的某个点，记作P₁，P₁对应的目标函数值就是J^(k-1)；

步骤C2：从点P₁出发，构造向量空间中的一个寻优方向d^(k-1)和步长α^(k-1)；

步骤C3：通过式u^(k)(t)＝u^(k-1)(t)+α^(k-1)d^(k-1)构造向量空间中对应u^(k)(t)的另外一个点P₂，使得P₂对应的目标函数值J^(k)比J^(k-1)更优；

步骤C4：采用寻优校正u^(k)(t)，得到校正后的点

记为点P₃，同时令使得P₃对应的目标函数值

比J^(k)更优；

步骤C5：如果本次迭代的目标函数值

与上一次迭代的目标函数值J^(k-1)的绝对值之差小于精度tol，则判断收敛性满足，令

同时将本次迭代得到的控制策略u^(k)(t)输出至时间网格重构判断模块25；如果收敛性不满足，迭代次数k增加1，将u^(k)(t)设置为向量空间点P₁，继续执行步骤C2。

8.如权利要求2所述的装置，其特征在于：所述希尔伯特黄时间网格重构模块26进行时间网格重构的具体步骤如下：

步骤D1：读取时间网格重构判断模块25判别后满足时间网格重构要求的时间网格T^(k)和控制策略u^(k)数值；对控制策略u^(k)采用如下经验模态方法进行分解：

其中，u^(k)表示控制策略，c_j(t)是u^(k)的第j个固有模态函数，n表示固有模态函数总数，r_n是u^(k)的平均趋势函数；

步骤D2：对步骤D1中得到的第1个固有模态函数c₁(t)采用如下式子进行希尔伯特黄分解：

其中，y₁(t)表示c₁(t)的希尔伯特黄转换函数，π表示圆周率，PV表示柯西积分主值参数，表示c₁(t)与时间相关的积分项；

步骤D3：对c₁(t)和y₁(t)进行解析分解，用z₁(t)表示如下：

其中，i表示虚数，a₁(t)表示瞬时幅值，θ₁(t)表示相值函数，a₁(t)和θ₁(t)用如下公式求解：

其中，arctan表示反正切函数；

步骤D4：对步骤D3中得到的相值函数θ₁(t)对时间t进行求导，得到瞬态频率，用ω₁(t)表示：

步骤D5：计算步骤D4中得到的瞬态频率ω₁(t)的最大阈值频率，用△_max计算，公式如下：

其中，M表示向量ω₁(t)的参数个数，ω_1,k表示向量ω₁(t)的第k个变量值；

步骤D6：得到ω_1,k对应的时间网格[t_k-1,t_k]，进行时间网格重构；如果ω_1,k≥△_max，则将时间网格[t_k-1,t_k]细分为△p_k个相等的子网格，其中△p_k由如下式子确定：

其中，

符号表示向下取整，max(·)函数表示取向量最大值，min(·)函数表示取向量最小值；如果：

则将时间网格[t_k-1,t_k]和[t_k,t_k+1]合并成为一个时间网格[t_k-1,t_k+1]；

步骤D7：将细分和合并后的时间网格组成重构后的时间网格并从步骤D1得到的控制策略u^(k)中读取对应于时间网格节点下的数值构成新的控制策略

步骤D8：将重构得到的时间网格

及其对应的控制策略

输出至参数更新模块27。

9.基于希尔伯特黄时间网格重构的飞行跟踪控制信号发生方法，其特征在于：包括以下步骤：

步骤A1：读取飞行器参数、飞行器动力学模型参数以及相应的性能参数约束函数值以及ATC状态跟踪指令值；

步骤A2：通过飞行器飞行高度跟踪误差测量传感器11、飞行器速度测量传感器12、飞行器航迹倾角测量传感器13实时测量飞行器高度跟踪误差、飞行速度和航迹倾角状态；

步骤A3：根据当前测量得到的飞行器飞行高度跟踪误差、飞行器飞行速度和飞行器航迹倾角结合飞行状态跟踪要求指令执行希尔伯特黄时间网格重构动态优化算法，得到使飞行器在最短时间内到达指定跟踪状态的最优控制策略；

步骤A4：将得到的最优控制策略转换为控制信号输出至控制器。

10.如权利要求9所述的方法，其特征在于：所述步骤A3中的希尔伯特黄时间网格重构动态优化算法，具体步骤如下：

步骤B1：读取录入的飞行器动力学模型参数以及相应的性能参数约束函数值，同时采集ATC设定的飞行状态跟踪指令与当前时刻的飞行器飞行高度值、航迹倾角值、飞行速度值；

步骤B2：设置初始时间网格分段数N、控制策略初始猜测值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，设定优化计算精度tol，将迭代次数k置零；

步骤B3：获取第k次迭代飞行器的状态变量信息x^(k)(t)和目标函数值J^(k)；

步骤B4：进行优化求解收敛性判断，如果本次迭代得到的目标函数值J^(k)与上一次迭代的目标函数值J^(k-1)的绝对值之差小于设定的优化计算精度tol，则判断收敛性满足，将本次迭代得到的时间网格T^(k)和控制策略u^(k)输出至时间网格重构判断模块25，跳过步骤B5执行步骤B6；如果收敛性不满足，则继续执行步骤B5；

步骤B5：用本次迭代得到的控制策略u^(k)和目标函数值J^(k)值覆盖上一次迭代得到的控制策略u^(k-1)和目标函数值J^(k-1)，并将迭代次数k加1，跳转至步骤B3；

步骤B6：对得到的时间网格T^(k)进行网格重构判断，具体步骤如下：

如果时间网格T^(k)的每一个时间网格均相等，即满足：

其中，T_i ^(k)表示时间网格T^(k)的第i个时间结点，

表示时间网格T^(k)的第一个时间结点，

表示时间网格T^(k)的最后一个时间结点，N表示时间网格分段数，此时，时间网格T^(k)满足网格重构标准，执行步骤B7；否则，跳过步骤B7和B8执行步骤B9；

步骤B7：对得到的时间网格T^(k)进行时间网格重构，得到新的时间网格

和对应的控制策略

步骤B8：根据得到的新的时间网格

和对应的控制策略

更新控制策略初始值u⁽⁰⁾及其对应的初始时间网格为T⁽⁰⁾，转向步骤B3；

步骤B9：将时间网格重构后得到的控制策略转化为控制信号输出至飞行器控制器。

Images