CN115685756A - 一种基于改进灰狼的滑翔弹控制器的优化方法 - Google Patents
一种基于改进灰狼的滑翔弹控制器的优化方法 Download PDFInfo
- Publication number
- CN115685756A CN115685756A CN202211324916.3A CN202211324916A CN115685756A CN 115685756 A CN115685756 A CN 115685756A CN 202211324916 A CN202211324916 A CN 202211324916A CN 115685756 A CN115685756 A CN 115685756A
- Authority
- CN
- China
- Prior art keywords
- wolf
- equation
- coefficient
- array
- angle
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明属于弹道控制优化领域,具体涉及一种基于改进灰狼的滑翔弹控制器的优化方法。包括如下步骤:步骤(1):基于滑翔弹动态特性分析,建立弹体扰动运动方程并简化;步骤(2):基于简化后的弹体扰动运动方程,在零干扰和零初始的条件下,选取合适的输入控制量、状态向量构建其纵向状态方程;步骤(3):根据系统状态方程,构建LQR线性二次型调节器:利用非线性收敛因子的灰狼算法优化LQR线性二次型调节器中的加权矩阵Q阵和R阵的参数,求得反馈增益矩阵K,从而改善系统响应时间,提高新控制系统的稳定性。本发明通过选取纵向扰动方程中部分参数为状态变量,通过反馈增益寻优,起到优化弹道、提高系统响应的作用,提高系统的稳定裕度。
Description
技术领域
本发明属于弹道控制优化领域,具体涉及一种基于改进灰狼的滑翔弹控制器的优化方法。
背景技术
滑翔弹作为各国制导武器研究的重要方向,在实际应用和战略上都有重要意义,弹载计算机装置作为滑翔弹的核心部件,其主要作用是通过惯导系统及GPS获取目标与弹体的坐标、地磁和滚转角信息等参数,并通过装订固化在弹载计算机内程序进行解算,输出控制信号。随着现代制导武器的发展,弹载计算机需要拥有足够强大的数据处理、逻辑运算能力。在优化系统硬件的同时,如何实现弹道优化,提高射程和精度,设计优化出稳定度更高、更可靠的弹道具有重要的意义。
发明内容
本发明的目的在于提供一种基于优化灰狼算法的滑翔弹控制器的优化方法,提高系统的稳定裕度,优化弹道,从而提高纵向及侧向过载。
实现本发明目的的技术解决方案为:一种基于改进灰狼的滑翔弹控制器的优化方法,包括如下步骤:
步骤(1):基于滑翔弹动态特性分析,建立弹体扰动运动方程并简化;
步骤(2):基于简化后的弹体扰动运动方程,在零干扰和零初始的条件下,选取合适的输入控制量、状态向量构建其纵向状态方程;
步骤(3):根据系统状态方程,构建LQR线性二次型调节器:利用非线性收敛因子的灰狼算法优化LQR线性二次型调节器中的加权矩阵Q阵和R阵的参数,求得反馈增益矩阵K,从而改善系统响应时间,提高新控制系统的稳定性。
进一步的,步骤(1)简化具体为:
步骤(11):基于“小扰动假设”和系数冻结方法对滑翔弹的动力学方程进行线性化处理,省去速度偏量在方程组中的相关影响,简化可得到扰动运动方程组:
式中:为俯仰角度,α为攻角,β为侧滑角度,为偏航角,θ为弹道倾角,为弹道偏角,δz0和δy0为舵翼在俯仰偏航两个方向上得舵偏角为俯仰阻尼力矩系数,为俯仰力矩系数,为俯仰力矩对侧滑角的偏导数,为俯仰舵力矩系数,为偏航阻尼力矩系数,为航偏力矩对攻角的偏导数,为偏航舵力矩系数,Yα为升力线斜率,为俯仰舵效率,Zα为侧向力对攻角的偏导数,为偏航舵效率,Jx、Jy和Jz分别为弹体绕坐标系x、y和z轴的转动惯量;
步骤(12):忽略马格努斯力矩的影响,忽略陀螺力矩的影响,简化对弹体的动态特性分析,采用动力系数符号表示步骤(11)得到的简化后的扰动运动方程组(1)中的系数并简化扰动运动方程组:
式(2)中的气动参数主要随速度的变化而变化,纵向运动参数计算如下:
步骤(21):通过选取简化扰动运动方程组中俯仰通道相关方程,建立纵向扰动运动相关状态方程:
步骤(22):选取性能指标函数:
式中Q阵及R阵为对角阵的加权矩阵,Q阵和R阵分别为与状态误差和控制能耗相关矩阵。
进一步的,在步骤(3)中采用了改进灰狼算法,对LQR调节器中Q阵和R阵中的参数进行寻优,具体步骤如下:
将Q阵R阵中的参数q1、q2及r1带入灰狼算法中灰狼的位置向量维度中,根据预先取定的值域对狼群、系数向量A1和C,将原灰狼算法中的线性收敛因子改为非线性收敛因子,提高中后期收敛速度,非线性收敛因子η1选取sigmoid函数,即η1=1/1+e-t,适应度函数选取对小偏差抑制能力较强得绝对误差积分准则在根据适应度函数,选出最优解的三个解和其他解分别作为最优解头狼α1、次优解β1以及第三优解δ1,灰狼∞;
灰狼算法中行动定义如下:
D=|C·YP(t)-Y(t)|
D表示个体与猎物间的距离,Yp(t)和Y(t)分别表示目标和灰狼的位置;
灰狼位置更新:
Y(t+1)=YP(t)-A1·D
Dα1=|C1·Yα1-Y|
Dβ1=|C2·Yβ1-Y|
Dδ1=|C3·Yδ1-Y|
Dα1 Dβ1 Dδ1分别为最优解的三头狼与灰狼的位置;
Y1=Yα1-A11·Dα1
Y2=Yβ1-A12·Dβ1
Y3=Yδ1-A13·Dδ1
Y(t+1)=(Y1+Y2+Y3)/3
Y1、Y2和Y3分别为灰狼受三个最优解影响的方向及步长Y(t+1),为迭代一次后的位置;
寻优流程具体为系统首先完成灰狼种群、非线性收敛因子η1、系数向量A1和C的初始化;计算灰狼个体的适应度,保存3个最优解α1、β1以及δ1,通过灰狼算法定义更新灰狼位置、η1、A1和C;计算全部灰狼的适应度,更新最优解头狼α1、次优解β1以及第三优解的位置和适应度;然后判定是否满足终止条件达到最优解,如不满足终止条件,则返回更新灰狼位置、η1、A1和C,继续进行迭代,直至满足终止条件,最后输出头狼的适应度以及位置;将最优解位置维度中的数据带入到L Q R线性二次型调节器的Q阵及R阵中;
LQR控制器通过Riccati方程获得稳态解P,方程如下:
PA+ATP-PTBR-1BTP+Q=0
以K=-R-1BTP解出反馈增益矩阵K;
本发明与现有技术相比,其显著优点在于:
本发明经过对滑翔弹系统进行了线性化处理,建立数学模型。设计了线性二次型调节器,并利用非线性收敛因子的灰狼算法,在后期保证较快收敛速度又具有一定跳出局部最优解能力的同时,对线性二次型调节器LQR中的Q矩阵和R矩阵参数进行了整定,输出最优反馈增益矩阵K,使系统响应加快的同时具有符合要求的稳定裕度,提高控制稳定性,减少系统误差
附图说明
图1为本发明的优化灰狼算法应用流程示意图。
图2是根据本发明弹载计算机装置的结构示意图。
具体实施方式
下面结合附图对本发明作进一步详细描述。
一种基于优化灰狼算法的滑翔弹控制器的优化方法,该方法包括下列顺序的步骤:
步骤(1):基于某滑翔弹动态特性分析,建立弹体扰动运动方程并简化。
步骤(2):基于简化后的弹体扰动运动方程,在零干扰和零初始的条件下,选取合适的输入控制量、状态量构建其纵向状态方程。
步骤(3):根据系统状态方程,构建LQR线性二次型调节器。利用非线性收敛因子的灰狼算法优化LQR线性二次型调节器中的加权矩阵Q阵和R阵的参数,求得反馈增益矩阵K,从而改善系统响应时间,提高新控制系统的稳定性。
滑翔弹在出炮口一定时间张舵,两对舵翼互相垂直,通过舵机打舵改变弹体俯仰角和偏航角从而起到控制作用。在步骤(1)中,基于“小扰动假设”和系数冻结方法对滑翔弹的动力学方程进行线性化处理,省去速度偏量在方程组中的相关影响,简化可得到扰动运动方程组:
式中:为俯仰角度,α为攻角,β为侧滑角度,为偏航角,θ为弹道倾角,为弹道偏角,δz0和δy0为舵翼在俯仰偏航两个方向上得舵偏角。为俯仰阻尼力矩系数,为俯仰力矩系数,为俯仰力矩对侧滑角的偏导数,为俯仰舵力矩系数,为偏航阻尼力矩系数,为航偏力矩对攻角的偏导数,为偏航舵力矩系数,Yα为升力线斜率,为俯仰舵效率,Zα为侧向力对攻角的偏导数,为偏航舵效率,Jx、Jy和Jz分别为弹体绕坐标系x、y和z轴的转动惯量。
因弹体气动布局特性,弹上马格努斯力矩几仅为气动稳定力矩得千万分之一,忽略马格努斯力矩的影响。进一步的,转动惯量Jx也远远小于Jy和Jz,忽略陀螺力矩的影响,简化对弹体的动态特性分析,采用动力系数符号表示方程组(1)中的系数并简化扰动运动方程组为:
式(2)中的气动参数主要随速度的变化而变化,纵向运动参数计算如下:
用传递函数来表征系统的动态特性,由于制导炮弹的纵向和横向的运动特征类似,以其纵向运动为主进行分析。在零干扰和零初始条件下,对纵向运动方程组式(2)中1、3和5进行拉普拉斯变换并整理可得:
根据上面两式可得纵向过载的传递函数:
选取性能指标函数:
式中Q阵及R阵为对角阵的加权矩阵,Q阵和R阵分别为与状态误差和控制能耗相关矩阵。将Q阵R阵中的q1、q2及r1带入灰狼算法中灰狼的位置向量维度中,根据预先取定的值域对狼群、系数向量A1和C,将原灰狼算法中的线性收敛因子改为非线性收敛因子,提高中后期收敛速度,非线性收敛因子η1选取sigmoid函数,即η1=1/1+e-1,适应度函数选取对小偏差抑制能力较强得绝对误差积分准则在根据适应度函数,选出最优解的三个解和其他解分别作为最优解头狼α1、次优解β1以及第三优解δ1,灰狼∞。
灰狼算法中行动定义如下:
D=|C·YP(t)-Y(t)| (9)
D表示个体与猎物间的距离,Yp(t)和Y(t)分别表示目标和灰狼的位置。
灰狼位置更新:
Y(t+1)=YP(t)-A1·D (10)
Dα1=|C1·Yα1-Y|
Dβ1=|C2·Yβ1-Y|
Dδ1=|C3·Yδ1-Y| (11)
Dα1 Dβ1 Dδ1分别为最优解的三头狼与灰狼的位置。
Y1=Yα1-A11·Dα1
Y2=Yβ1-A12·Dβ1
Y3=Yδ1-A13·Dδ1 (12)
Y(t+1)=(Y1+Y2+Y3)/3 (13)
Y1、Y2和Y3分别为灰狼受三个最优解影响的方向及步长。Y(t+1)为迭代一次后的位置。
寻优流程如图1,系统首先完成初始化灰狼种群、非线性收敛因子η1、系数向量A1和C。计算灰狼个体的适应度,保存3个最优解α1、β1以及δ1,通过灰狼算法定义更新灰狼位置、η1、A1和C。计算全部灰狼的适应度,更新最优解头狼α1、次优解β1以及第三优解δ1的位置和适应度。然后判定是否满足终止条件达到最优解,如不满足终止条件,则返回更新灰狼位置、η1、A1和C,继续进行迭代,直至满足终止条件,最后输出头狼的适应度以及位置。将最优解位置维度中的数据带入到LQR线性二次型调节器的Q阵及R阵中。
LQR控制器通过Riccati方程获得稳态解P,方程如下:
PA+ATP-PTBR-1BTP+Q=0(14)
以K=-R-1BTP解出反馈阵K。
应用于本发明中的弹载计算机装置如图2,主要包括测量输入单元、控制和数据处理单元、程序及数据存储单元,和舵机控制输出单元。测量输入单元用于采集获取如位置和舵偏角等弹体实时信息,测量输入单元有GPS模块以及含有MEMS惯性器件的独立板级件,通过传感器的串行接口实现通信,完成姿态加速度等数据的传输。
控制和数据处理单元,用于处理弹体姿态等参数以完成弹道解算,控制和数据处理单元包含复位电路,供电电路、时钟电路、JTAG电路、主芯片以及从芯片等。
程序及数据存储单元,用于控制程序及数据存储。
舵机控制输出单元,用于将主控单元输出的控制信号输出至舵机实现舵控。
Claims (4)
1.一种基于改进灰狼的滑翔弹控制器的优化方法,其特征在于,包括如下步骤:
步骤(1):基于滑翔弹动态特性分析,建立弹体扰动运动方程并简化;
步骤(2):基于简化后的弹体扰动运动方程,在零干扰和零初始的条件下,选取合适的输入控制量、状态向量构建其纵向状态方程;
步骤(3):根据系统状态方程,构建LQR线性二次型调节器:利用非线性收敛因子的灰狼算法优化LQR线性二次型调节器中的加权矩阵Q阵和R阵的参数,求得反馈增益矩阵K,从而改善系统响应时间,提高新控制系统的稳定性。
2.根据权利要求1所述的方法,其特征在于,步骤(1)简化具体为:
步骤(11):基于“小扰动假设”和系数冻结方法对滑翔弹的动力学方程进行线性化处理,省去速度偏量在方程组中的相关影响,简化可得到扰动运动方程组:
式中:为俯仰角度,α为攻角,β为侧滑角度,为偏航角,θ为弹道倾角,为弹道偏角,δz0和δy0为舵翼在俯仰偏航两个方向上得舵偏角为俯仰阻尼力矩系数,为俯仰力矩系数,为俯仰力矩对侧滑角的偏导数,为俯仰舵力矩系数,为偏航阻尼力矩系数,为航偏力矩对攻角的偏导数,为偏航舵力矩系数,Yα为升力线斜率,为俯仰舵效率,Zα为侧向力对攻角的偏导数,为偏航舵效率,Jx、Jy和Jz分别为弹体绕坐标系x、y和z轴的转动惯量;
步骤(12):忽略马格努斯力矩的影响,忽略陀螺力矩的影响,简化对弹体的动态特性分析,采用动力系数符号表示步骤(11)得到的简化后的扰动运动方程组(1)中的系数并简化扰动运动方程组:
式(2)中的气动参数主要随速度的变化而变化,纵向运动参数计算如下:
4.根据权利要求3所述的方法,其特征在于,在步骤(3)中采用了改进灰狼算法,对LQR调节器中Q阵和R阵中的参数进行寻优,具体步骤如下:
将Q阵R阵中的参数q1、q2及r1带入灰狼算法中灰狼的位置向量维度中,根据预先取定的值域对狼群、系数向量A1和C,将原灰狼算法中的线性收敛因子改为非线性收敛因子,提高中后期收敛速度,非线性收敛因子η1选取sigmoid函数,即η1=1/1+e-t,适应度函数选取对小偏差抑制能力较强得绝对误差积分准则在根据适应度函数,选出最优解的三个解和其他解分别作为最优解头狼α1、次优解β1以及第三优解δ1,灰狼ω;
灰狼算法中行动定义如下:
D=|C·YP(t)-Y(t)|
D表示个体与猎物间的距离,Yp(t)和Y(t)分别表示目标和灰狼的位置;
灰狼位置更新:
Y(t+1)=YP(t)-A1·D
Dα1=|C1·Yα1-Y|
Dβ1=|C2·Yβ1-Y|
Dδ1=|C3·Yδ1-Y|
Dσ1 Dβ1 Dδ1分别为最优解的三头狼与灰狼的位置;
Y1=Yα1-A11·Dα1
Y2=Yβ1-A12·Dβ1
Y3=Yδ1-A13·Dδ1
Y(t+1)=(Y1+Y2+Y3)/3
Y1、Y2和Y3分别为灰狼受三个最优解影响的方向及步长Y(t+1),为迭代一次后的位置;
寻优流程具体为系统首先完成灰狼种群、非线性收敛因子η1、系数向量A1和C的初始化;计算灰狼个体的适应度,保存3个最优解α1、β1以及δ1,通过灰狼算法定义更新灰狼位置、η1、A1和C;计算全部灰狼的适应度,更新最优解头狼α1、次优解β1以及第三优解δ1的位置和适应度;然后判定是否满足终止条件达到最优解,如不满足终止条件,则返回更新灰狼位置、η1、A1和C,继续进行迭代,直至满足终止条件,最后输出头狼的适应度以及位置;将最优解位置维度中的数据带入到L Q R线性二次型调节器的Q阵及R阵中;
LQR控制器通过Riccati方程获得稳态解P,方程如下:
PA+ATP-PTBR-1BTP+Q=0
以K=-R-1BTP解出反馈增益矩阵K;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211324916.3A CN115685756A (zh) | 2022-10-27 | 2022-10-27 | 一种基于改进灰狼的滑翔弹控制器的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211324916.3A CN115685756A (zh) | 2022-10-27 | 2022-10-27 | 一种基于改进灰狼的滑翔弹控制器的优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115685756A true CN115685756A (zh) | 2023-02-03 |
Family
ID=85099692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211324916.3A Pending CN115685756A (zh) | 2022-10-27 | 2022-10-27 | 一种基于改进灰狼的滑翔弹控制器的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115685756A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117031964A (zh) * | 2023-09-18 | 2023-11-10 | 北京化工大学 | 转子不平衡振动控制方法和装置 |
-
2022
- 2022-10-27 CN CN202211324916.3A patent/CN115685756A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117031964A (zh) * | 2023-09-18 | 2023-11-10 | 北京化工大学 | 转子不平衡振动控制方法和装置 |
CN117031964B (zh) * | 2023-09-18 | 2024-05-24 | 北京化工大学 | 转子不平衡振动控制方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111399531B (zh) | 高超声速飞行器滑翔段制导与姿态控制一体化设计方法 | |
CN109696830A (zh) | 小型无人直升机的强化学习自适应控制方法 | |
Zhu et al. | Impact time and angle control guidance independent of time-to-go prediction | |
Wang et al. | Deep reinforcement learning-based impact time control guidance law with constraints on the field-of-view | |
CN115685756A (zh) | 一种基于改进灰狼的滑翔弹控制器的优化方法 | |
CN114611416B (zh) | 导弹非线性非定常气动特性ls-svm建模方法 | |
CN115930698A (zh) | 一种非零滚转角条件下控制通道舵偏角转化为x形舵偏角的方法 | |
CN112711816A (zh) | 一种基于气象栅格的飞行弹箭弹道修正方法 | |
Tan et al. | Optimal maneuver trajectory for hypersonic missiles in dive phase using inverted flight | |
CN111158386A (zh) | 一种干扰自主免疫的无人机姿态控制系统及实现方法 | |
Yang | Analysis of optimal midcourse guidance law | |
Pham et al. | Design of Missile Guidance Law Using Takagi-Sugeno-Kang (TSK) Elliptic Type-2 Fuzzy Brain Imitated Neural Networks | |
CN117610466A (zh) | 基于模型预测静态规划算法的炮弹分段气动参数辨识方法 | |
Theodoulis et al. | Flight control for a class of 155 mm spin-stabilized projectiles with course correction fuse (CCF) | |
CN115542746B (zh) | 高超声速飞行器的能量管控再入制导方法及装置 | |
CN115407294B (zh) | 面向双站雷达体制的飞机动态雷达散射截面仿真方法 | |
CN114815878B (zh) | 基于实时优化和深度学习的高超声速飞行器协同制导方法 | |
Proff et al. | Study of impact point prediction methods for zero-effort-miss guidance: Application to a 155 mm spin-stabilized guided projectile | |
Han et al. | Bumpless transfer switched control of aircraft for heavy payload dropping missions | |
CN114819055A (zh) | 一种基于lstm网络的导弹拦截点预测方法 | |
CN114935277A (zh) | 一种滑翔增程制导炮弹理想弹道的在线规划方法 | |
Wang et al. | A guidance and control design with reduced information for a dual-spin stabilized projectile | |
Fan et al. | An Optimization Method of Attitude Control Parameters Based on Genetic Algorithm for the Boost-Glide Rocket | |
Sun et al. | Design and Optimization of Two-Loop Pilot for Tactical Missile | |
CN115268487B (zh) | 一种基于扰动估计补偿los制导律的飞行器高度控制方法和系统 |
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 |