CN116360505B - 一种平流层飞艇一体化自动化控制方法、系统及电子设备 - Google Patents
一种平流层飞艇一体化自动化控制方法、系统及电子设备 Download PDFInfo
- Publication number
- CN116360505B CN116360505B CN202310643747.8A CN202310643747A CN116360505B CN 116360505 B CN116360505 B CN 116360505B CN 202310643747 A CN202310643747 A CN 202310643747A CN 116360505 B CN116360505 B CN 116360505B
- Authority
- CN
- China
- Prior art keywords
- stratospheric airship
- stratospheric
- vector
- information
- airship
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000013598 vector Substances 0.000 claims abstract description 60
- 238000009826 distribution Methods 0.000 claims abstract description 20
- 239000002245 particle Substances 0.000 claims description 50
- 238000004422 calculation algorithm Methods 0.000 claims description 37
- 230000006870 function Effects 0.000 claims description 32
- 241000544061 Cuculus canorus Species 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 239000005437 stratosphere Substances 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000007717 exclusion Effects 0.000 claims 1
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 abstract description 3
- 230000001788 irregular Effects 0.000 abstract description 3
- 238000013528 artificial neural network Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种平流层飞艇一体化自动化控制方法、系统及电子设备，涉及无人飞艇自动化控制技术领域，该方法主要包括根据位置信息和平流层风场分布信息，采用改进的粒子群算法，确定一条抗风量最小且不经过禁飞区的平流层飞艇的飞行路径；根据平流层飞艇的当前位置和飞行路径，采用改进的矢量场制导律，确定平流层飞艇的期望航向角；根据平流层飞艇的当前信息、期望信息以及期望航向角，结合事件触发函数和自适应跟踪控制器，对飞行路径进行跟踪。本发明能够在平流层风场分布不均匀条件下，实现平流层飞艇大范围区域内的最优化飞行控制，实现平流层飞艇对不规则曲线路径的跟踪。
Description
技术领域
本发明涉及无人飞艇自动化控制技术领域，特别是涉及一种平流层飞艇一体化自动化控制方法、系统及电子设备。
背景技术
无人飞艇是一种轻于空气的航空器，它与气球最大的区别在于具有推进和控制飞行的装置。其中，平流层飞艇是无人飞艇的一种，具有多个应用前景，分别为1）通信终端；一个平流层飞艇在20千米定点高度时，它的地面有效覆盖面积可达数万平方公里，可以为广大区域提供高速通信服务；2）区域监视；平流层飞艇具有航空器近地飞行与同步轨道卫星定点监视的优点，可以对指定大范围区域内进行定点高分辨率监视；3）气象观测；平流层飞艇飞行高度位于云层之上，可以用来观测台风等极限气象现象。
目前绝大多数平流层飞艇的自动飞行控制技术仅仅做到路径跟踪的程度，例如：“一种平流层飞艇解析模型预测路径跟踪控制方法”、“一种基于模型预测控制的平流层飞艇平面路径跟踪控制方法”、“一种基于空间矢量场制导的平流层飞艇路径跟踪控制方法”，需给定路径，通过模型预测方法实现平流层飞艇的路径跟踪控制。尤其需要指出的是，以上方法中给定的路径须是规则的曲线，例如：直线和圆。但是在实际工程应用中，平流层飞艇的路径是在需要躲避禁飞区和强风区后规划的曲线，往往是不规则的曲线。
发明内容
本发明的目的是提供一种集成了飞行路径规划、路径制导和路径跟踪的平流层飞艇一体化自动化控制方法、系统及电子设备，在平流层风场分布不均匀条件下，实现平流层飞艇大范围区域内的最优化飞行控制，实现平流层飞艇对不规则曲线路径的跟踪。
为实现上述目的，本发明提供了如下方案：
第一方面，本发明提供了一种平流层飞艇一体化自动化控制方法，包括：
获取位置信息和平流层风场分布信息；所述位置信息包括平流层飞艇的当前位置、目标点位置、禁飞区位置和禁飞区半径；
根据所述位置信息和所述平流层风场分布信息，采用改进的粒子群算法，确定一条抗风量最小且不经过禁飞区的平流层飞艇的飞行路径；所述改进的粒子群算法是在粒子群算法的基础上，增加算法收敛因子调节因子和布谷鸟搜索因子后得到的算法；
根据平流层飞艇的当前位置和飞行路径，采用改进的矢量场制导律，确定平流层飞艇的期望航向角；所述改进的矢量场制导律是在矢量场制导律的基础上，增加分配因子后得到的制导律；
获取平流层飞艇的当前信息和期望信息；所述当前信息包括当前姿态角、当前姿态角速度和当前速度；所述期望信息包括期望速度、期望滚转角和期望俯仰角；
根据平流层飞艇的当前信息、期望信息以及期望航向角，结合事件触发函数和自适应跟踪控制器，对飞行路径进行跟踪；所述事件触发函数为若满足事件触发条件，则对平流层飞艇控制量进行解算的函数。
第二方面，本发明提供了一种平流层飞艇一体化自动化控制系统，包括：
第一数据获取模块，用于获取位置信息和平流层风场分布信息；所述位置信息包括平流层飞艇的当前位置、目标点位置、禁飞区位置和禁飞区半径；
飞行路径确定模块，用于根据所述位置信息和所述平流层风场分布信息，采用改进的粒子群算法，确定一条抗风量最小且不经过禁飞区的平流层飞艇的飞行路径；所述改进的粒子群算法是在粒子群算法的基础上，增加算法收敛因子调节因子和布谷鸟搜索因子后得到的算法；
期望航向角计算模块，用于根据平流层飞艇的当前位置和飞行路径，采用改进的矢量场制导律，确定平流层飞艇的期望航向角；所述改进的矢量场制导律是在矢量场制导律的基础上，增加分配因子后得到的制导律；
第二数据获取模块，用于获取平流层飞艇的当前信息和期望信息；所述当前信息包括当前姿态角、当前姿态角速度和当前速度；所述期望信息包括期望速度、期望滚转角和期望俯仰角；
飞行跟踪模块，用于根据平流层飞艇的当前信息、期望信息以及期望航向角，结合事件触发函数和自适应跟踪控制器，对飞行路径进行跟踪；所述事件触发函数为若满足事件触发条件，则对平流层飞艇控制量进行解算的函数。
第三方面，本发明提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据第一方面所述的平流层飞艇一体化自动化控制方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明针对无人飞艇弱动力特点与平流层高度风场分布不均匀特点之间的关系，提供了一种集成了飞行路径规划、路径制导和路径跟踪的平流层飞艇一体化自动化控制方法、系统及电子设备，本发明结合了改进粒子群算法，改进矢量场制导方法和自适应事件驱动控制方法，可以在平流层风场分布不均匀条件下，实现平流层飞艇大范围区域内的最优化飞行控制，实现平流层飞艇对不规则曲线路径的跟踪。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的平流层飞艇一体化自动化控制方法的流程示意图；
图2为本发明实施例提供的平流层飞艇一体化自动化控制方法的结构示意图；
图3为本发明实施例提供的平流层飞艇一体化自动化控制系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图1和图2所示，本实施例提供的一种平流层飞艇一体化自动化控制方法，包括如下步骤。
步骤101：获取位置信息和平流层风场分布信息；所述位置信息包括平流层飞艇的当前位置、目标点位置Pt、禁飞区位置Pf和禁飞区半径Rf。
步骤102：根据所述位置信息和所述平流层风场分布信息，采用改进的粒子群算法，确定一条抗风量最小且不经过禁飞区的平流层飞艇的飞行路径；所述改进的粒子群算法是在粒子群算法的基础上，增加算法收敛因子调节因子和布谷鸟搜索因子后得到的算法。
步骤103：根据平流层飞艇的当前位置和飞行路径，采用改进的矢量场制导律，确定平流层飞艇的期望航向角；所述改进的矢量场制导律是在矢量场制导律的基础上，增加分配因子后得到的制导律。
步骤104：获取平流层飞艇的当前信息和期望信息；所述当前信息包括当前姿态角、当前姿态角速度和当前速度；所述期望信息包括期望速度、期望滚转角和期望俯仰角。
步骤105：根据平流层飞艇的当前信息、期望信息以及期望航向角，结合事件触发函数和自适应跟踪控制器，对飞行路径进行跟踪；所述事件触发函数为若满足事件触发条件，则对平流层飞艇控制量进行解算的函数。
作为一种优选的实施方式，步骤101具体包括如下内容。
平流层飞艇的当前位置为，xa为北向坐标，ya为东向坐标；目标点位置为/>，xt为北向坐标，yt为东向坐标；禁飞区位置为/>，xf为北向坐标，yf为东向坐标；T表示转置。
作为一种优选的实施方式，在执行步骤102之前，该方法还包括：确定目标函数以及对应的约束条件集合。
所述目标函数为；其中，/>和/>均为第i个约束条件的可调节参数，ri表示第i个约束条件确定的数值，R表示目标值。
所述约束条件集合包括7个约束条件，分别为：
1）最小距离约束条件：，lk代表所规划路径上每两个路径点之间欧氏距离，n为路径点总数。
2）路径点均匀分布约束条件：。
3）最少抗风量约束条件：，，为平流层飞艇期望路径点pk处的期望运动矢量，W（pk）为在平流层飞艇期望路径点pk处的风速矢量，ud为预设期望速度，/>为在平流层飞艇期望路径点pk处的期望航向角，/>为取模。
4）最大抗风约束条件：。
5）路径圆滑约束条件：，。
6）强风区惩罚约束条件：，/>表示数学符号，表示存在。
7）禁飞区惩罚约束条件：。
作为一种优选的实施方式，步骤102具体包括：根据所述位置信息、所述平流层风场分布信息、所述目标函数以及所述目标函数对应的约束条件集合，采用改进的粒子群算法，确定一条抗风量最小且不经过禁飞区的平流层飞艇的飞行路径。
改进的粒子群算法是通过将可行解编码为一群粒子的位置点，然后通过粒子群的位置速度关系进行智能优化的算法，具体如下：
。
其中，/>，/>均为常数，/>为算法收敛速度调节参数，/>为随机值，cmd表示第d个粒子在第m次迭代时的代价值，/>表示第d个粒子在已有全部迭代中的最小代价值，/>表示全局最小代价值，k3为布谷鸟搜索因子。vmd为第d个粒子在第m次迭代时的粒子速度，pmd为第d个粒子在第m次迭代时的粒子位置，/>表示在m次迭代时的最优粒子，/>为第d个粒子在第m次迭代时的最优粒子位置；表示全局最优粒子，/>为布谷鸟搜索参数，/>表示最优的第d个粒子；L表示布谷鸟搜索项。/>表示最优。
假设粒子群中的粒子有D维位置（即D位编码），表示在m次迭代时的最优粒子，/>表示全局最优粒子。
表1 改进的粒子群算法的伪代码表
| 算法输入：预报风场图，起始点，目标点，禁飞区域的位置与半径 |
| 算法输出：有一定数量路径点的期望路径 |
| 1.设置粒子速度与位置的边界，随机初始化粒子速度和位置vmd，pmd，约束粒子速度和位置满足边界要求； |
| 2.for m;m++;m<M do； |
| 3. for d；d++；d<D do； |
| 4. 解码粒子，计算粒子的代价值，找到最优粒子； |
| 5. 计算r1，r2，r3，r4，r5； |
| 6. 经计算，如果路径经过强风区计算r6； |
| 7. 经计算，如果路径经过禁飞区计算r7； |
| 8. 计算目标函数； |
| 9. 寻找和存储第d个粒子在已有全部迭代中的最小代价值和全局最小代价值； |
| 10. 编码粒子； |
| 11. 寻找和存储最优粒子； |
| 12. 计算km,1，计算km,2，更新vmd； |
| 13. 计算布谷鸟搜索项； |
| 14. 更新pmd |
| 15.解码最优解。 |
作为一种优选的实施方式，步骤103具体包括如下内容。
（1）根据平流层飞艇的当前位置，计算飞行路径上距离平流层飞艇最近的路径点/>，即目标路径点，计算平流层飞艇的当前位置与目标路径点之间的距离标量/>和距离向量/>。
。
（2）计算距离向量在目标路径点处的切向量，即为/>在路径点/>处的切向量。
（3）根据距离向量和切向量，采用改进的矢量场制导律，确定平流层飞艇的期望航向角。其中，/>为/>，/>为/>。
其中，为了分配制导向量中两者的比例，设计，其中是分配参数，因此G(D)和H(D)为通过kf分配后的比例参数，用来调节制导向量中切向量和垂向量的比例。
改进的矢量场制导律可以设计为:
；其中，/>和/>分别为平流层飞艇的当前位置与目标路径点之间的距离标量和距离向量；/>为在位置/>处的制导向量，和/>均为在位置/>处的比例参数。
作为一种优选的实施方式，在执行步骤105之前，该方法还包括：确定平流层飞艇的运动学和动力学模型。
所述平流层飞艇的运动学和动力学模型为。
其中为平流层飞艇的位置/姿态数据，/>为坐标系转换矩阵，/>为平流层飞艇的速度/姿态角速度数据，F1、F2、F均为外力矩阵，为外力矩阵，/>为控制输入，/>为预报风场与实际风场之间误差导致的干扰。x为平流层飞艇北向位置；y为平流层飞艇东向距离；z为平流层飞艇垂向位置，方向向下；/>为平流层飞艇滚转角；/>为平流层飞艇俯仰角；/>为平流层飞艇偏航角；/>为平流层飞艇前向速度，方向向前；v为平流层飞艇侧向速度，方向向右；w为平流层飞艇垂向速度，方向向下；p为平流层飞艇滚转角速度；q为平流层飞艇俯仰角速度；r为平流层飞艇偏航角速度；为飞艇体积；/>为大气密度；/>为平流层飞艇重心位置；/>为平流层飞艇转动惯量；Ixy、/>为平流层飞艇惯性积；/>为平流层飞艇惯性因子；/>为平流层飞艇浮力；m为平流层飞艇质量；g为重力加速度；/>为平流层飞艇气动力与气动力矩；Fax为平流层飞艇北向气动力；Fay为平流层飞艇东向气动力；Faz为平流层飞艇垂向气动力；Max为平流层飞艇北向气动力矩；May为平流层飞艇东向气动力矩；Maz为平流层飞艇垂向气动力矩。
。
在本实施例中，自适应跟踪控制过程为：
1）根据步骤103确定的期望航向角以及给定的期望滚转角和期望俯仰角/>，确定平流层飞艇的期望姿态角/>。
2）获取平流层飞艇的当前姿态角以及当前姿态角速度为。
3）根据平流层飞艇的当前姿态角和期望姿态角，确定姿态角误差。
4）对姿态角误差进行求导，得到姿态角误差导数，并在姿态角误差导数中引入二阶滤波估计/>，/>，其中，/>和/>为滤波器参数。通过滤波器，估计值/>，估计误差为，此时姿态角误差导数可表示为/>。其中，.表示求导，~表示估计误差，/>表示估计值，/>是“可看作”的意思。
5）根据估计误差确定姿态角虚拟控制律，其中/>为正值参数向量。
6）将姿态角虚拟控制律可看做期望角速度，与预设的期望速度/角速度合成最终期望速度矢量/角速度矢量，，下标d表示期望。
7）同样，定义速度/角速度误差；/>表示当前速度/角速度。
8）同样引入二阶滤波器估计的导数，得到以上速度/角速度误差导数。
9）引入神经网络估计位置扰动f，，其中，/>为估计误差值；/>为神经网络权重；/>，/>为神经网络的基函数，/>为神经网络参数。
10）自适应跟踪控制器为：，其中、/>、Kd均为可调节的控制器参数矩阵；满足/>，/>为正对角参数矩阵；下标/>指某向量或者某矩阵的第/>个元素。
在本实施例中，事件触发函数为：
；
其中，为事件触发第x时刻，tx+1为事件触发第x+1时刻，/>为事件触发时刻的控制函数；下标/>指某向量的第/>个元素；/>。
本实施例考虑无人飞艇的实际应用需求，通过设计高效的路径规划算法、路径制导律和事件触发自适应路径跟踪控制器，设计了一种“路径规划-制导-跟踪”一体化的新方法，填补了该领域的技术空白。在其中，同时考虑了平流层风场和平流层飞艇的特点，结合粒子群算法、布谷鸟搜索算法和自适应控制技术，设计了一种新的路径规划算法。新设计的改进矢量场制导律可以生成不规则路径的制导向量。同时，考虑到预测风和实际风之间的预测误差，设计了一种基于事件触发和神经网络的自适应路径跟踪控制器，以实现精确的路径跟踪。
实施例二
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种平流层飞艇一体化自动化控制系统。
如图3所示，本实施例提供的一种平流层飞艇一体化自动化控制系统，包括：
第一数据获取模块1，用于获取位置信息和平流层风场分布信息；所述位置信息包括平流层飞艇的当前位置、目标点位置、禁飞区位置和禁飞区半径。
飞行路径确定模块2，用于根据所述位置信息和所述平流层风场分布信息，采用改进的粒子群算法，确定一条抗风量最小且不经过禁飞区的平流层飞艇的飞行路径；所述改进的粒子群算法是在粒子群算法的基础上，增加算法收敛因子调节因子和布谷鸟搜索因子后得到的算法。
期望航向角计算模块3，用于根据平流层飞艇的当前位置和飞行路径，采用改进的矢量场制导律，确定平流层飞艇的期望航向角；所述改进的矢量场制导律是在矢量场制导律的基础上，增加分配因子后得到的制导律。
第二数据获取模块4，用于获取平流层飞艇的当前信息和期望信息；所述当前信息包括当前姿态角、当前姿态角速度和当前速度；所述期望信息包括期望速度、期望滚转角和期望俯仰角。
飞行跟踪模块5，用于根据平流层飞艇的当前信息、期望信息以及期望航向角，结合事件触发函数和自适应跟踪控制器，对飞行路径进行跟踪；所述事件触发函数为若满足事件触发条件，则对平流层飞艇控制量进行解算的函数。
实施例三
本发明实施例提供一种电子设备包括存储器及处理器，该存储器用于存储计算机程序，该处理器运行计算机程序以使电子设备执行实施例一的平流层飞艇一体化自动化控制方法。
可选地，上述电子设备可以是服务器。
另外，本发明实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的平流层飞艇一体化自动化控制方法。
应用本发明提供的技术方案，得到的路径是最优的，控制的闭环系统是渐进稳定的，并且所设计的事件驱动控制器可以有效节约计算资源，这就为无人飞艇的自动飞行工程实现提供了有效的设计手段。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种平流层飞艇一体化自动化控制方法，其特征在于，包括：
获取位置信息和平流层风场分布信息；所述位置信息包括平流层飞艇的当前位置、目标点位置、禁飞区位置和禁飞区半径；
根据所述位置信息和所述平流层风场分布信息，采用改进的粒子群算法，确定一条抗风量最小且不经过禁飞区的平流层飞艇的飞行路径；所述改进的粒子群算法是在粒子群算法的基础上，增加算法收敛因子调节因子和布谷鸟搜索因子后得到的算法；
根据平流层飞艇的当前位置和飞行路径，采用改进的矢量场制导律，确定平流层飞艇的期望航向角；所述改进的矢量场制导律是在矢量场制导律的基础上，增加分配因子后得到的制导律；
获取平流层飞艇的当前信息和期望信息；所述当前信息包括当前姿态角、当前姿态角速度和当前速度；所述期望信息包括期望速度、期望滚转角和期望俯仰角；
根据平流层飞艇的当前信息、期望信息以及期望航向角，结合事件触发函数和自适应跟踪控制器，对飞行路径进行跟踪；所述事件触发函数为若满足事件触发条件，则对平流层飞艇控制量进行解算的函数；
改进的矢量场制导律为：
其中，和/>分别为平流层飞艇的当前位置与目标路径点之间的距离标量和距离向量；/>为在位置/>处的制导向量，/>和/>均为在位置/>处的比例参数；/>为/>在路径点/>处的切向量；
G(D)和H(D)为通过kf分配后的比例参数，用来调节制导向量中切向量和垂向量的比例； 是分配参数。
2.根据权利要求1所述的一种平流层飞艇一体化自动化控制方法，其特征在于，在执行步骤根据所述位置信息和所述平流层风场分布信息，采用改进的粒子群算法，确定一条抗风量最小且不经过禁飞区的平流层飞艇的飞行路径之前，还包括：
确定目标函数以及对应的约束条件集合；
所述目标函数为
其中，ρi＞0和δi＞0均为第i个约束条件的可调节参数，ri表示第i个约束条件确定的数值，R表示目标值；
所述约束条件集合包括最小距离约束条件、路径点均匀分布约束条件、最少抗风量约束条件、最大抗风约束条件、路径圆滑约束条件、强风区惩罚约束条件和禁飞区惩罚约束条件。
3.根据权利要求2所述的一种平流层飞艇一体化自动化控制方法，其特征在于，根据所述位置信息和所述平流层风场分布信息，采用改进的粒子群算法，确定一条抗风量最小且不经过禁飞区的平流层飞艇的飞行路径，具体包括：
根据所述位置信息、所述平流层风场分布信息、所述目标函数以及所述目标函数对应的约束条件集合，采用改进的粒子群算法，确定一条抗风量最小且不经过禁飞区的平流层飞艇的飞行路径。
4.根据权利要求1所述的一种平流层飞艇一体化自动化控制方法，其特征在于，根据平流层飞艇的当前位置和飞行路径，采用改进的矢量场制导律，确定平流层飞艇的期望航向角，具体包括：
根据平流层飞艇的当前位置，计算飞行路径上距离平流层飞艇最近的路径点；
计算平流层飞艇的当前位置与目标路径点之间的距离向量；所述目标路径点为飞行路径上距离平流层飞艇最近的路径点；
计算距离向量在目标路径点处的切向量；
根据距离向量和切向量，采用改进的矢量场制导律，确定平流层飞艇的期望航向角。
5.根据权利要求1所述的一种平流层飞艇一体化自动化控制方法，其特征在于，在执行步骤根据平流层飞艇的当前信息、期望信息以及期望航向角，结合事件触发函数和自适应跟踪控制器，对飞行路径进行跟踪之前，还包括：
确定平流层飞艇的运动学和动力学模型。
6.一种平流层飞艇一体化自动化控制系统，其特征在于，包括：
第一数据获取模块，用于获取位置信息和平流层风场分布信息；所述位置信息包括平流层飞艇的当前位置、目标点位置、禁飞区位置和禁飞区半径；
飞行路径确定模块，用于根据所述位置信息和所述平流层风场分布信息，采用改进的粒子群算法，确定一条抗风量最小且不经过禁飞区的平流层飞艇的飞行路径；所述改进的粒子群算法是在粒子群算法的基础上，增加算法收敛因子调节因子和布谷鸟搜索因子后得到的算法；
期望航向角计算模块，用于根据平流层飞艇的当前位置和飞行路径，采用改进的矢量场制导律，确定平流层飞艇的期望航向角；所述改进的矢量场制导律是在矢量场制导律的基础上，增加分配因子后得到的制导律；
第二数据获取模块，用于获取平流层飞艇的当前信息和期望信息；所述当前信息包括当前姿态角、当前姿态角速度和当前速度；所述期望信息包括期望速度、期望滚转角和期望俯仰角；
飞行跟踪模块，用于根据平流层飞艇的当前信息、期望信息以及期望航向角，结合事件触发函数和自适应跟踪控制器，对飞行路径进行跟踪；所述事件触发函数为若满足事件触发条件，则对平流层飞艇控制量进行解算的函数；
改进的矢量场制导律为：
其中，和/>分别为平流层飞艇的当前位置与目标路径点之间的距离标量和距离向量；/>为在位置/>处的制导向量，/>和/>均为在位置/>处的比例参数；/>为/>在路径点/>处的切向量；
G(D)和H(D)为通过kf分配后的比例参数，用来调节制导向量中切向量和垂向量的比例； 是分配参数。
7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的平流层飞艇一体化自动化控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310643747.8A CN116360505B (zh) | 2023-06-02 | 2023-06-02 | 一种平流层飞艇一体化自动化控制方法、系统及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310643747.8A CN116360505B (zh) | 2023-06-02 | 2023-06-02 | 一种平流层飞艇一体化自动化控制方法、系统及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116360505A CN116360505A (zh) | 2023-06-30 |
| CN116360505B true CN116360505B (zh) | 2023-08-22 |
Family
ID=86910621
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310643747.8A Active CN116360505B (zh) | 2023-06-02 | 2023-06-02 | 一种平流层飞艇一体化自动化控制方法、系统及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116360505B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104950908A (zh) * | 2015-07-02 | 2015-09-30 | 上海交通大学 | 平流层飞艇水平位置控制系统及实现方法 |
| CN105700542A (zh) * | 2016-03-30 | 2016-06-22 | 北京航空航天大学 | 一种基于矢量场制导和最小二乘法的平流层飞艇控制分配方法 |
| CN106444822A (zh) * | 2016-03-30 | 2017-02-22 | 北京航空航天大学 | 一种基于空间矢量场制导的平流层飞艇路径跟踪控制方法 |
| CN108520284A (zh) * | 2018-04-17 | 2018-09-11 | 桂林电子科技大学 | 一种改进的谱聚类及并行化方法 |
| CN115343949A (zh) * | 2022-07-09 | 2022-11-15 | 西北工业大学 | 一种固定翼无人机跟踪制导律设计方法及验证平台 |
-
2023
- 2023-06-02 CN CN202310643747.8A patent/CN116360505B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104950908A (zh) * | 2015-07-02 | 2015-09-30 | 上海交通大学 | 平流层飞艇水平位置控制系统及实现方法 |
| CN105700542A (zh) * | 2016-03-30 | 2016-06-22 | 北京航空航天大学 | 一种基于矢量场制导和最小二乘法的平流层飞艇控制分配方法 |
| CN106444822A (zh) * | 2016-03-30 | 2017-02-22 | 北京航空航天大学 | 一种基于空间矢量场制导的平流层飞艇路径跟踪控制方法 |
| CN108520284A (zh) * | 2018-04-17 | 2018-09-11 | 桂林电子科技大学 | 一种改进的谱聚类及并行化方法 |
| CN115343949A (zh) * | 2022-07-09 | 2022-11-15 | 西北工业大学 | 一种固定翼无人机跟踪制导律设计方法及验证平台 |
Non-Patent Citations (1)
| Title |
|---|
| Terminal Sliding Mode Control for Spatial Descent of a Stratospheric Airship;Zhang, YF et al.;IEEE Conference on Industrial Electronics and Applications;1300-1305 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116360505A (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11164464B1 (en) | Optimizing trajectory of unmanned aerial vehicles | |
| CN104504938B (zh) | 空中交通管制系统的管制方法 | |
| CN105045286B (zh) | 一种基于自驾仪和遗传算法的监测无人机悬停范围的方法 | |
| Chakrabarty et al. | Flight path planning for uav atmospheric energy harvesting using heuristic search | |
| CN107085978A (zh) | 一种基于所需到达时间的管制辅助决策指令生成方法 | |
| CN112068586B (zh) | 一种空间时间联合优化的四旋翼无人飞行器轨迹规划方法 | |
| CN105953800A (zh) | 一种无人飞行器航迹规划栅格空间划分方法 | |
| Zuo et al. | A survey on modelling, control and challenges of stratospheric airships | |
| CN105806360A (zh) | 基于气象条件的导航辅助方法 | |
| Wenjun et al. | Energy-optimal trajectory planning for solar-powered aircraft using soft actor-critic | |
| CN115454115A (zh) | 基于混合灰狼-粒子群算法的旋翼无人机路径规划方法 | |
| Xi et al. | Energy-optimized trajectory planning for solar-powered aircraft in a wind field using reinforcement learning | |
| CN109445462B (zh) | 一种非确定环境下的无人机鲁棒路径规划方法 | |
| CN116339388B (zh) | 不确定风场下的平流层飞艇集群区域覆盖控制方法及系统 | |
| CN113009930B (zh) | 一种无人飞艇编队飞行轨迹跟踪控制方法及系统 | |
| CN112231845B (zh) | 一种平流层飞艇高度控制方法及系统 | |
| Chakrabarty et al. | Energy maps for long-range path planning for small-and micro-UAVs | |
| CN116360505B (zh) | 一种平流层飞艇一体化自动化控制方法、系统及电子设备 | |
| Ni et al. | Energy-optimal flight strategy for solar-powered aircraft using reinforcement learning with discrete actions | |
| Andersson et al. | Cooperating uavs using thermal lift to extend endurance | |
| CN116954239B (zh) | 一种基于改进粒子群算法的无人机航迹规划方法及系统 | |
| CN105759630B (zh) | 基于模糊pid控制的飞机4d航迹仿真系统及仿真方法 | |
| CN113359861B (zh) | 一种无人飞艇编队飞行控制方法及系统 | |
| CN115963855A (zh) | 一种基于深度学习的无动力再入飞行器落区预示方法 | |
| Greatwood et al. | Automatic path generation for multirotor descents through varying air masses above Ascension Island |
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 |