CN111026140A - 约束全程满足的高超声速飞行器轨迹优化自适应最优控制器 - Google Patents
约束全程满足的高超声速飞行器轨迹优化自适应最优控制器 Download PDFInfo
- Publication number
- CN111026140A CN111026140A CN201911149100.XA CN201911149100A CN111026140A CN 111026140 A CN111026140 A CN 111026140A CN 201911149100 A CN201911149100 A CN 201911149100A CN 111026140 A CN111026140 A CN 111026140A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- module
- hypersonic
- optimization
- flight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000011217 control strategy Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 29
- 230000003044 adaptive effect Effects 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000008685 targeting Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种约束全程满足的高超声速飞行器轨迹优化自适应最优控制器,用于对飞行器轨迹进行控制。所述的约束全程满足的高超声速飞行器轨迹优化自适应最优控制器由飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器、飞行器水平航程传感器、飞行器MCU、飞行器攻角控制器构成。飞行器MCU根据测得的海拔高度、速度、飞行航道倾角要求自动执行内部约束全程满足的自适应算法,并将获得的控制策略转换为控制指令发送给飞行器攻角控制器执行。本发明能够根据高超声速飞行器不同的海拔高度、速度、飞行航道倾角和飞行水平航程状态快速地得到轨迹优化控制策略,使高超声速飞行器获得更远航程。
Description
技术领域
本发明涉及高超声速飞行器再入段轨迹优化领域,尤其涉及约束全程满足的高超声速飞行器轨迹优化自适应最优控制器。在高超声速飞行器到达再入段后,能够给出高超声速飞行器轨迹优化控制策略并转换为飞行器攻角控制指令,在满足安全要求的条件下,使高超声速飞行器获得更远的水平飞行距离。
背景技术
高超声速飞行器是实现远程快速精确打击和全球快速到达的新型飞行器,在未来的军事、政治和经济中具有十分重要的战略地位,已经成为世界航空航天领域一个极其重要的发展方向,是世界主要航天大国的竞争领域之一。研究和发展高超声速飞行器在开发太空和国家安全方面具有非常重要的意义。
在高超声速飞行器的研究中,轨迹优化是现代飞行器设计和控制的重要内容,不仅有利于提高飞行器飞行品质以满足既定任务要求,同时也是完成飞行任务的重要保证和实现机动飞行的必要条件,近些年来一直受到国内外各军事强国的重视,是当前国内外研究的热点和难点。
由于从大气从外缘进入大气层,高度和速度的变化范围很大,高超声速飞行器面临各种严峻的再入环境,再入段轨迹优化技术则是保证高超声速飞行器完成飞行任务的关键,对提高其打击范围和落点精度具有更重要的实用价值。然而现有方法往往不能够顾及到约束条件是否满足,飞行器的安全得不到保障,严重时会造成机毁人亡的严重后果。因此,研究新的高超声速飞行器再入段轨迹优化方法显得尤为重要。
发明内容
为了克服目前方法不能够兼顾飞行器安全性的不足,本发明的目的在于提供一种在满足约束条件下实现最优并且计算效率高的约束全程满足的高超声速飞行器轨迹优化自适应最优控制器,该控制器借助MCU作为最优控制方法的实现载体。
高超声速飞行器再入段轨迹优化问题飞行过程可以用数学模型描述为:
其中t表示时间,t0表示高超声速飞行器再入段轨迹优化问题飞行过程开始时间,tf表示高超声速飞行器再入段轨迹优化问题飞行过程结束时间,且tf不固定;被称为状态向量,依次表示飞行器海拔高度、飞行器速度、飞行器飞行航道倾角、飞行器水平飞行距离等物理参数,nx为状态变量的维度,这里nx=4。x0是状态向量的初始值,是其一阶导数;u(t)表示高超声速飞行器的攻角控制量,为本问题的控制变量,ul、uu分别为其下限值和上限值;是根据能量守恒以及力学原理建立的微分方程组;G[u(t),x(t),t]是高超声速飞行器再入段过程的约束条件。
对于高超声速飞行器再入段过程,则使航程最大的数学模型可表示为:
其中J[u(t)]表示目标函数J由攻角控制量u(t)决定。该问题本质上是一个最优控制问题。
本发明解决其技术问题所采用的技术方案是:一种约束全程满足的高超声速飞行器轨迹优化自适应最优控制器,由飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器、飞行器水平航程传感器、飞行器MCU、飞行器攻角控制器构成。所述飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器、飞行器水平航程传感器、飞行器攻角控制器均通过数据总线与高超声速飞行器MCU相连。所述高超声速飞行器MCU包括依次相连的信息采集模块、状态尺度变换模块、初始化模块、常微分方程组(Ordinary Differential Equations,简称ODE)离散化模块、非线性规划(Non-linearProgramming,简称NLP)问题求解模块、自适应模块和控制指令输出模块。
所述约束全程满足的高超声速飞行器轨迹优化自适应最优控制器的运行过程如下:
步骤1):在高超声速飞行器MCU中输入对应于该飞行器的气动系数模型、飞行器性能约束条件、指定优化目标;
步骤2):高超声速飞行器到达再入段后,开启飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器和飞行器水平航程传感器,得到高超声速飞行器当前的海拔高度、速度、飞行航道倾角和飞行水平距离状态信息;
步骤3):高超声速飞行器MCU根据测得的海拔高度、速度、飞行航道倾角执行内部约束全程满足的自适应算法,得到使高超声速飞行器水平飞行距离最长的轨迹优化控制策略;
步骤4):高超声速飞行器MCU将获得的轨迹优化控制策略发送给控制策略输出模块,并转换为控制指令发送给飞行器攻角控制器执行。
所述步骤3包括以下子步骤:
步骤3.1):信息采集模块获取步骤2得到的高超声速飞行器当前的海拔高度、速度、飞行航道倾角和飞行水平距离状态信息;
步骤3.2):利用状态尺度变换模块对状态变量进行尺度变换,缩小状态变量在数值上的尺度差距:
步骤3.3):初始化模块开始运行,设置轨迹优化过程时间的离散段数与每一段的长度、攻角控制量的初始猜测值u(0)(t),设定优化精度要求tol,将迭代次数k置零;
步骤3.4):通过ODE离散化模块将常微分方程组在时间轴[t0,tf]上全部离散;
步骤3.5):通过NLP问题求解模块获得所需的攻角控制策略和对应状态轨迹,这个过程包括多次内部迭代,每次迭代都要求解寻优方向和寻优步长,并进行寻优修正。对于某一次迭代得到的攻角控制量u(k)(t),如果其对应目标函数值J[u(k)(t)]与前一次迭代的目标函数值J[u(k-1)(t)]之差小于精度要求tol,则判断收敛性满足,并将攻角控制量u(k)(t)输出到自适应模块26;
步骤3.6):通过自适应模块分析NLP问题求解模块获得的攻角控制量u(k)(t)对应的飞行器运动过程,是否满足飞行器性能约束条件。如果满足,则将攻角控制量u(k)(t)作为指令输出到控制策略输出模块,否则自适应调整轨迹优化过程时间的离散段数与每一段的长度,执行初始化模块。
所述步骤3.4包括以下子步骤:
步骤3.4.1):划分区间[t0,tf]:各节点分别为t0<t1<…<tm-1<tm=tf,其中m为分段的段数。
步骤3.4.2):将控制变量参数化:在各节点处给出控制变量的估计值u0,u1,…,um,在区间Ii=[ti,ti+1](i=0,1,…,m-1)上构造函数qi(t,u0,u1,…,um)逼近区间Ii上的控制函数,于是
u(t)|t∈Ii=qi(t,u0,u1,…,um)(i=0,1,…,m-1) (2)
步骤3.4.3):子区间打靶:在Ii=[ti,ti+1](i=0,1,…,m-1)上,相应地赋予状态变量的初值x(ti)=si,(i=0,1,…,m-1),通过求解
得到子区间Ii=[ti,ti+1]上的状态函数解x(t,si,qi)(i=0,1,…,m-1),其中f(t,x,qi)为飞行器的气动系数模型。
步骤3.4.4):匹配条件:为了保证状态函数解x(t,si,qi)(i=0,1,…,m-1)的连续性,需要满足以下条件:
x(ti+1,si,qi)=si+1(i=0,1,…,m-1) (4)
步骤3.4.5):将ODE转化为NLP问题求解。
所述步骤3.5包括以下子步骤:
步骤3.5.1):将攻角控制量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[u(k-1)(t)];
步骤3.5.2):从点P1出发,根据选用的NLP算法,构造向量空间中的一个寻优方向向d(k-1)和步长α(k-1);
步骤3.5.3):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)的另外一个点P2,使得P2对应的目标函数值J[u(k)(t)]比J[u(k-1)(t)]更优。
步骤5):如果J[u(k)(t)]与上一次迭代的目标函数值J[u(k-1)(t)]的绝对值之差小于精度tol,则判断收敛性满足,将本次迭代得到的控制策略u(k)(t)输出至控制策略输出模块;如果收敛性不满足,迭代次数k增加1,将u(k)(t)设置为初始值,继续执行步骤3.5.2)。
所述步骤3.6包括以下子步骤::
步骤3.6.3):选取曲率较小的点作为新的时间节点,并输出至初始化模块。
本发明的有益效果主要表现在:所述约束全程满足的高超声速飞行器轨迹优化自适应最优控制器对高超声速飞行器实现控制,在满足高超声速飞行器的各种约束条件下,即保证高超声速飞行器安全性的条件下,获得使高超声速飞行器水平飞行距离最远的轨迹优化攻角控制指令,并且采用自适应算法,自动重构网格,提高轨迹优化算法的计算效率及鲁棒性。
附图说明
图1是约束全程满足的高超声速飞行器轨迹优化自适应最优控制器的结构示意图;
图2是约束全程满足的高超声速飞行器轨迹优化自适应最优控制器的高超声速飞行器MCU内部模块结构图。
具体实施方式
实施例1
约束全程满足的高超声速飞行器轨迹优化自适应最优控制器的结构如图1所示。高超声速飞行器到达再入段空域,高超声速飞行器海拔高度传感器、速度传感器、飞行航道倾角传感器、水平飞行航程传感器和MCU均已开启。信息采集模块立即采集飞行器进入再入段时的初始海拔高度、速度、飞行航道倾角和水平航程,设当前初始时刻t0=0s,海拔高度传感器传入MCU的海拔高度为h0=80 000m,速度传感器传入MCU的速度为v0=6400m/s,飞行航道倾角传感器传入MCU的飞行航道倾角为γ0=-0.052rad,水平飞行距离传感器感器传入MCU的水平航程为r0=0m;终值时刻tf高超声速飞行器需要满足的条件为海拔高度设定为hf=24 000m,速度设定为vf=760m/s,飞行航道倾角设定为γf=-0.08rad;结合飞行器的三维空间运动方程、气动系数模型、飞行器性能约束条件和指定优化目标,得到该问题的数学模型如下:
其中L表示升力,D表示阻力,CL表示升力系数,CD表示阻力系数。为了便于表述,采用F(x(t),u(t),t)表示高超声速飞行器再入段三维空间运动方程建立的微分方程组数学模型,即:
采用G[u(t),x(t),t]表示高超声速飞行器再入段过程的约束条件,为:
此外,J[u(t)]表示高超声速飞行器轨迹优化的目标函数即优化结束时刻飞行器的水平飞行距离。
信息采集模块用于采集当前飞行器海拔高度和速度、当前飞行器飞行航道倾角和飞行水平航程、飞行器海拔高度和速度设定、飞行器飞行航道倾角信息、飞行器的气动系数模型和性能约束条件以及指定优化目标参数。
高超声速飞行器MCU自动产生攻角控制指令的约束全程满足的自适应优化算法,其运行步骤如下:
步骤1):高超声速飞行器到达再入段后,飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器和飞行器水平航程传感器开启,信息采集模块21获取初始时刻t0=0s时高超声速飞行器海拔高度h0=80 000m,速度为v0=6400m/s,飞行航道倾角为γ0=-0.052rad,水平飞行距离传感器感器水平飞行距离设置为r0=0m;终值时刻tf高超声速飞行器海拔高度要求设定为hf=24000m,速度要求设定为vf=760m/s,飞行航道倾角要求设定为γf=-0.08rad;
步骤2):利用状态尺度变换模块22对状态变量进行尺度变换,缩小状态变量在数值上的尺度差距:
步骤3):初始化模块23开始运行,设置轨迹优化过程时间的离散段数、攻角控制量的初始猜测值u(0)(t),设定优化精度要求tol,将迭代次数k置零;
步骤4):通过ODE离散化模块24将常微分方程组在时间轴[t0,tf]上全部离散;
步骤5):通过NLP问题求解模块25获得所需的攻角控制策略和对应状态轨迹,这个过程包括多次内部迭代,每次迭代都要求解寻优方向和寻优步长,并进行寻优修正。对于某一次迭代得到的攻角控制量u(k)(t),如果其对应目标函数值J[u(k)(t)]与前一次迭代的目标函数值J[u(k-1)(t)]之差小于精度要求tol,则判断收敛性满足,并将攻角控制量u(k)(t)输出到自适应模块26;
步骤6):通过自适应模块26分析NLP问题求解模块25获得的攻角控制量u(k)(t)对应的飞行器运动过程,是否满足飞行器性能约束条件。如果满足,则将攻角控制量u(k)(t)作为指令输出到控制策略输出模块27,否则自适应调整轨迹优化过程时间的离散段数与每一段的长度,执行初始化模块23。
ODE离散化模块24的运行过程如下:
步骤1):划分区间[t0,tf]:各节点分别为t0<t1<…<tm-1<tm=tf,其中m为分段的段数。
步骤2):将控制变量参数化:在各节点处给出控制变量的估计值u0,u1,…,um,在区间Ii=[ti,ti+1](i=0,1,…,m-1)上构造函数qi(t,u0,u1,…,um)逼近区间Ii上的控制函数,于是
u(t)|t∈Ii=qi(t,u0,u1,…,um)(i=0,1,…,m-1) (16)
步骤3):子区间打靶:在Ii=[ti,ti+1](i=0,1,…,m-1)上,相应地赋予状态变量的初值x(ti)=si,(i=0,1,…,m-1),通过求解
得到子区间Ii=[ti,ti+1]上的状态函数解x(t,si,qi)(i=0,1,…,m-1),其中f(t,x,qi)为飞行器的气动系数模型。
步骤4):匹配条件:为了保证状态函数解x(t,si,qi)(i=0,1,…,m-1)的连续性,需要满足以下条件:
x(ti+1,si,qi)=si+1(i=0,1,…,m-1) (18)
步骤5):将ODE转化为NLP问题求解。
NLP求解模块25的运行过程如下:
步骤1):将攻角控制量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[u(k-1)(t)];
步骤2):从点P1出发,根据选用的NLP算法,构造向量空间中的一个寻优方向向d(k -1)和步长α(k-1);
步骤3):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)的另外一个点P2,使得P2对应的目标函数值J[u(k)(t)]比J[u(k-1)(t)]更优。
步骤5):如果本次迭代的目标函数值J[u(k)(t)]与上一次迭代的目标函数值J[u(k -1)(t)]的绝对值之差小于精度tol,则判断收敛性满足,将本次迭代得到的控制策略u(k)(t)输出至控制策略输出模块27;如果收敛性不满足,迭代次数k增加1,将u(k)(t)设置为初始值,继续执行步骤2)。
自适应模块的运行过程如下:
步骤3):选取曲率较小的点作为新的时间节点,并输出至初始化模块。
最后,飞行器MCU将获得的优化轨迹作为指令输出到控制策略输出模块,转换为控制指令发送给攻角控制器,完成轨迹优化的执行。
上述实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。
Claims (1)
1.一种约束全程满足的高超声速飞行器轨迹优化自适应最优控制器,其特征在于:由飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器、飞行器水平航程传感器、飞行器MCU、飞行器攻角控制器构成。所述飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器、飞行器水平航程传感器、飞行器攻角控制器均通过数据总线与高超声速飞行器MCU相连。所述高超声速飞行器MCU包括依次相连的信息采集模块、状态尺度变换模块、初始化模块、常微分方程组(Ordinary Differential Equations,简称ODE)离散化模块、非线性规划(Non-linear Programming,简称NLP)问题求解模块、自适应模块和控制指令输出模块。
所述约束全程满足的高超声速飞行器轨迹优化自适应最优控制器的运行过程如下:
步骤1):在高超声速飞行器MCU中输入对应于该飞行器的气动系数模型、飞行器性能约束条件、指定优化目标;
步骤2):高超声速飞行器到达再入段后,开启飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器和飞行器水平航程传感器,得到高超声速飞行器当前的海拔高度、速度、飞行航道倾角和飞行水平距离状态信息;
步骤3):高超声速飞行器MCU根据测得的海拔高度、速度、飞行航道倾角执行内部约束全程满足的自适应算法,得到使高超声速飞行器水平飞行距离最长的轨迹优化控制策略;
步骤4):高超声速飞行器MCU将获得的轨迹优化控制策略发送给控制策略输出模块,并转换为控制指令发送给飞行器攻角控制器执行。
所述步骤3包括以下子步骤:
步骤3.1):信息采集模块获取步骤2得到的高超声速飞行器当前的海拔高度、速度、飞行航道倾角和飞行水平距离状态信息;
步骤3.2):利用状态尺度变换模块对状态变量进行尺度变换,缩小状态变量在数值上的尺度差距:
步骤3.3):初始化模块开始运行,设置轨迹优化过程时间的离散段数与每一段的长度、攻角控制量的初始猜测值u(0)(t),设定优化精度要求tol,将迭代次数k置零;
步骤3.4):通过ODE离散化模块将常微分方程组在时间轴[t0,tf]上全部离散;
步骤3.5):通过NLP问题求解模块获得所需的攻角控制策略和对应状态轨迹,这个过程包括多次内部迭代,每次迭代都要求解寻优方向和寻优步长,并进行寻优修正。对于某一次迭代得到的攻角控制量u(k)(t),如果其对应目标函数值J[u(k)(t)]与前一次迭代的目标函数值J[u(k-1)(t)]之差小于精度要求tol,则判断收敛性满足,并将攻角控制量u(k)(t)输出到自适应模块26;
步骤3.6):通过自适应模块分析NLP问题求解模块获得的攻角控制量u(k)(t)对应的飞行器运动过程,是否满足飞行器性能约束条件。如果满足,则将攻角控制量u(k)(t)作为指令输出到控制策略输出模块,否则自适应调整轨迹优化过程时间的离散段数与每一段的长度,执行初始化模块。
所述步骤3.4包括以下子步骤:
步骤3.4.1):划分区间[t0,tf]:各节点分别为t0<t1<…<tm-1<tm=tf,其中m为分段的段数。
步骤3.4.2):将控制变量参数化:在各节点处给出控制变量的估计值u0,u1,…,um,在区间Ii=[ti,ti+1](i=0,1,…,m-1)上构造函数qi(t,u0,u1,…,um)逼近区间Ii上的控制函数,于是
步骤3.4.3):子区间打靶:在Ii=[ti,ti+1](i=0,1,…,m-1)上,相应地赋予状态变量的初值x(ti)=si,(i=0,1,…,m-1),通过求解
得到子区间Ii=[ti,ti+1]上的状态函数解x(t,si,qi)(i=0,1,…,m-1),其中f(t,x,qi)为飞行器的气动系数模型。
步骤3.4.4):匹配条件:为了保证状态函数解x(t,si,qi)(i=0,1,…,m-1)的连续性,需要满足以下条件:
x(ti+1,si,qi)=si+1(i=0,1,…,m-1) (4)
步骤3.4.5):将ODE转化为NLP问题求解。
所述步骤3.5包括以下子步骤:
步骤3.5.1):将攻角控制量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[u(k-1)(t)];
步骤3.5.2):从点P1出发,根据选用的NLP算法,构造向量空间中的一个寻优方向向d(k -1)和步长α(k-1);
步骤3.5.3):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)的另外一个点P2,使得P2对应的目标函数值J[u(k)(t)]比J[u(k-1)(t)]更优。
步骤5):如果J[u(k)(t)]与上一次迭代的目标函数值J[u(k-1)(t)]的绝对值之差小于精度tol,则判断收敛性满足,将本次迭代得到的控制策略u(k)(t)输出至控制策略输出模块;如果收敛性不满足,迭代次数k增加1,将u(k)(t)设置为初始值,继续执行步骤3.5.2)。
所述步骤3.6包括以下子步骤::
步骤3.6.3):选取曲率较小的点作为新的时间节点,并输出至初始化模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911149100.XA CN111026140B (zh) | 2019-11-21 | 2019-11-21 | 约束全程满足的高超声速飞行器轨迹优化自适应最优控制器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911149100.XA CN111026140B (zh) | 2019-11-21 | 2019-11-21 | 约束全程满足的高超声速飞行器轨迹优化自适应最优控制器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111026140A true CN111026140A (zh) | 2020-04-17 |
CN111026140B CN111026140B (zh) | 2021-09-21 |
Family
ID=70206319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911149100.XA Active CN111026140B (zh) | 2019-11-21 | 2019-11-21 | 约束全程满足的高超声速飞行器轨迹优化自适应最优控制器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111026140B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763083A (zh) * | 2009-12-29 | 2010-06-30 | 浙江大学 | 一种有效的控制变量参数化的工业过程动态优化系统及方法 |
CN102663520A (zh) * | 2012-04-05 | 2012-09-12 | 中国人民解放军国防科学技术大学 | 一种基于最优控制问题伪谱法求解构架的次优解求解方法 |
CN107908109A (zh) * | 2017-11-13 | 2018-04-13 | 浙江大学 | 一种基于正交配置优化的高超声速飞行器再入段轨迹优化控制器 |
CN109270960A (zh) * | 2018-12-05 | 2019-01-25 | 中南大学 | 基于Radau伪谱法的在线最优反馈再入制导方法 |
-
2019
- 2019-11-21 CN CN201911149100.XA patent/CN111026140B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763083A (zh) * | 2009-12-29 | 2010-06-30 | 浙江大学 | 一种有效的控制变量参数化的工业过程动态优化系统及方法 |
CN102663520A (zh) * | 2012-04-05 | 2012-09-12 | 中国人民解放军国防科学技术大学 | 一种基于最优控制问题伪谱法求解构架的次优解求解方法 |
CN107908109A (zh) * | 2017-11-13 | 2018-04-13 | 浙江大学 | 一种基于正交配置优化的高超声速飞行器再入段轨迹优化控制器 |
CN109270960A (zh) * | 2018-12-05 | 2019-01-25 | 中南大学 | 基于Radau伪谱法的在线最优反馈再入制导方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111026140B (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107908109B (zh) | 一种基于正交配置优化的高超声速飞行器再入段轨迹优化控制器 | |
CN109725644B (zh) | 一种高超声速飞行器线性优化控制方法 | |
Li et al. | Stochastic gradient particle swarm optimization based entry trajectory rapid planning for hypersonic glide vehicles | |
CN108717265B (zh) | 一种基于控制变量参数化的无人飞行器巡航跟踪控制系统及控制方法 | |
CN107563044B (zh) | 基于在线安全学习的四旋翼无人机路径跟踪控制方法 | |
CN107942651B (zh) | 一种近空间飞行器控制系统 | |
CN111103795B (zh) | 基于智能自适应优化算法的高超声速飞行器再入段轨迹优化控制器 | |
CN108594639B (zh) | 一种基于强化学习的全垫升气垫船航迹跟踪控制方法 | |
CN111538241B (zh) | 一种平流层飞艇水平轨迹智能控制方法 | |
CN111045447A (zh) | 高精度的高超声速飞行器轨迹优化多尺度最优控制系统 | |
CN111506099B (zh) | 一种无人机高度智能控制系统及方法 | |
CN110456636B (zh) | 基于不确定性上界估计的飞行器离散滑模自适应控制方法 | |
CN112947534A (zh) | 一种高超声速飞行器下压段自适应伪谱法轨迹优化方法 | |
CN111324035A (zh) | 一种高超声速飞行器轨迹优化自适应最优控制器 | |
CN107632518A (zh) | 基于高增益观测器的高超声速飞行器神经网络复合学习控制方法 | |
CN111123700B (zh) | 约束全程满足的高超声速飞行器绕障飞行最优控制系统 | |
CN102880056A (zh) | 基于等价模型的高超声速飞行器离散滑模控制方法 | |
CN115826601A (zh) | 基于逆向强化学习的无人机路径规划方法 | |
CN108459611B (zh) | 一种近空间飞行器的姿态跟踪控制方法 | |
Zhang et al. | Research on obstacle avoidance algorithm of multi-uav consistent formation based on improved dynamic window approach | |
KR101833243B1 (ko) | 비행체의 대기 속도 추정 장치 및 방법 | |
CN111061294B (zh) | 非平稳高超声速飞行器轨迹优化自适应最优控制系统 | |
CN111026140B (zh) | 约束全程满足的高超声速飞行器轨迹优化自适应最优控制器 | |
CN115685764B (zh) | 变翼展飞行器任务自适应的抗干扰跟踪控制方法及系统 | |
CN116088549B (zh) | 一种尾座式垂直起降无人机姿态控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |