一种基于残差学习的飞行器自适应稳定裕度配置方法、装置、设备及介质

摘要: 本技术涉及飞行器控制,特别涉及一种基于残差学习的飞行器自适应稳定裕度配置方法、装置、设备及介质。背景技术:1、稳定裕度是衡量飞机控制系统安全性的重要指标,为了保...
一种基于残差学习的飞行器自适应稳定裕度配置方法、装置、设备及介质

本技术涉及飞行器控制,特别涉及一种基于残差学习的飞行器自适应稳定裕度配置方法、装置、设备及介质。

背景技术:

1、稳定裕度是衡量飞机控制系统安全性的重要指标,为了保证飞行的安全性,飞行控制系统需要维持一定的稳定裕度。目前为了将稳定裕度调整至期望水平,普遍通过直接求解关于期望稳定裕度、系统参数估计值以及控制器参数的超越方程来确定控制器参数。然而,直接求解超越方程的计算复杂度高,尤其是对于存在未知输入时延的飞行器系统,求解难度会进一步提升,难以满足飞行器飞行过程中在线自适应调整的实时性要求;同时受飞行器飞行过程中模型参数变化、时延不确定的影响,直接求解得到的控制器参数难以达到期望的稳定裕度要求,控制精度不足。

2、因而现有技术还有待改进和提高。

技术实现思路

1、本技术要解决的技术问题在于,针对现有技术的不足,提供一种基于残差学习的飞行器自适应稳定裕度配置方法、装置、设备及介质。

2、为了解决上述技术问题,本技术第一方面提供了一种基于残差学习的飞行器自适应稳定裕度配置方法,其中,所述的基于残差学习的飞行器自适应稳定裕度配置方法具体包括:

3、基于观测数据识别飞行器的系统参数估计值和时间延迟估计值,所述观测数据包括升降舵偏角和俯仰角速度;

4、基于所述系统参数估计值、所述时间延迟估计值和预设的期望稳定裕度确定所述飞行器的近似控制器参数;

5、以所述近似控制器参数为先验知识,基于所述系统参数估计值、所述时间延迟估计值和所述期望稳定裕度通过残差学习网络确定控制器参数补偿残差;

6、基于所述控制器参数补偿残差以及所述近似控制器参数确定目标控制器参数,并基于所述目标控制器参数控制所述飞行器;

7、按照预设条件重新执行基于观测数据识别飞行器的系统参数估计值和时间延迟估计值的步骤,以实现飞行器飞行过程中的自适应稳定裕度配置。

8、所述的基于残差学习的飞行器自适应稳定裕度配置方法,其中,所述飞行器的控制器为:

9、,

10、其中,表示控制器的传递函数,表示比例增益系数,表示积分时间常数,表示拉普拉斯算子。

11、所述基于残差学习的飞行器自适应稳定裕度配置方法,其中,所述参数补偿残差包括比例增益系数的补偿残差以及积分时间常数的倒数的补偿残差。

12、所述的基于残差学习的飞行器自适应稳定裕度配置方法,其中,所述残差学习网络采用多层感知机作为基础回归网络结构,并采用两层全连接隐藏层架构,各隐藏层之间引入dropout层,其中,在残差学习网络的训练过程中,采用huber损失函数作为残差学习网络训练的优化目标。

13、所述基于残差学习的飞行器自适应稳定裕度配置方法,其中,所述基于观测数据识别飞行器的系统参数估计值和时间延迟估计值具体包括:

14、获取系统参数以及时间延迟对应的参数更新律;

15、基于所述观测数据,利用所述参数更新律确定飞行器的系统参数估计值和时间延迟估计值;

16、其中,所述参数更新律表示为:

17、,

18、,

19、其中,表示广义待估向量的导数,表示协方差矩阵,表示俯仰角速度的估计误差,表示相对于广义待估向量的梯度,表示归一化因子,表示协方差矩阵的导数,表示遗忘因子,表示时间。

20、所述的基于残差学习的飞行器自适应稳定裕度配置方法,其中,所述系统参数以及时间延迟对应的参数更新律的构建过程具体包括:

21、采用稳定滤波器对飞行器的系统模型进行运算,并利用运算后的系统模型构建含时延非线性项的回归模型;

22、基于所述回归模型构建系统输出的估计误差;

23、引入未知参数向量和时间延迟的广义待估向量,并获取所述估计误差相对于所述广义待估向量的梯度;

24、基于所述估计误差、广义待估向量和所述梯度构建带遗忘因子的代价函数;

25、依据所述代价函数通过近似非线性最小二乘算法确定参数更新律;

26、其中,所述回归模型表示为:

27、,

28、,

29、,

30、,

31、其中,表示系统输出,表示系统控制量,表示未知参数向量,表示回归向量,表示时间,表示稳定滤波器,表示采用算子作用后的信号,表示采用作用后的信号,表示采用作用后的信号,表示采用作用后的信号。

32、所述的基于残差学习的飞行器自适应稳定裕度配置方法,其中,在利用所述参数更新律确定飞行器的系统参数估计值和时间延迟估计值时,为所述系统参数和时间延迟配置参数边界约束补偿项,以通过所述参数边界约束补偿项对所述系统参数估计值和时间延迟估计值进行边界限制,其中,所述参数边界约束补偿项为:

33、,

34、,

35、其中,表示广义待估向量的第个待估参数的边界约束函数,表示第个待估参数,表示第个待估参数的下限值,表示第个待估参数的上限值,表示第个待估参数的更新速度。

36、本技术第二方面提供了一种基于残差学习的飞行器自适应稳定裕度配置装置,其中,所述的基于残差学习的飞行器自适应稳定裕度配置装置具体包括:

37、识别模块,用于基于观测数据识别飞行器的系统参数估计值和时间延迟估计值;

38、确定模块,用于基于所述系统参数估计值、所述时间延迟估计值和预设的期望稳定裕度确定所述飞行器的近似控制器参数;

39、残差补偿模块,用于以所述近似控制器参数为先验知识,基于所述系统参数估计值、所述时间延迟估计值和所述期望稳定裕度通过残差学习网络确定控制器参数补偿残差;

40、控制模块,用于基于所述控制器参数补偿残差以及所述近似控制器参数确定目标控制器参数,基于所述目标控制器参数控制所述飞行器,并按照预设条件重新执行基于观测数据识别飞行器的系统参数估计值和时间延迟估计值的步骤,以实现飞行器飞行过程中的自适应稳定裕度配置。

41、本技术第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任一所述的基于残差学习的飞行器自适应稳定裕度配置方法中的步骤。

42、本技术第四方面提供了一种终端设备,其包括:处理器和存储器;

43、所述存储器上存储有可被所述处理器执行的计算机可读程序;

44、所述处理器执行所述计算机可读程序时实现如上任一所述的基于残差学习的飞行器自适应稳定裕度配置方法中的步骤。

45、有益效果:本技术提供了一种基于残差学习的飞行器自适应稳定裕度配置方法、装置、设备及介质,所述方法包括基于观测数据识别飞行器的系统参数估计值和时间延迟估计值;基于所述系统参数估计值、所述时间延迟估计值和预设的期望稳定裕度确定所述飞行器的近似控制器参数;以所述近似控制器参数为先验知识,基于所述系统参数估计值、所述时间延迟估计值和所述期望稳定裕度通过残差学习网络确定控制器参数补偿残差;基于所述控制器参数补偿残差以及所述近似控制器参数确定目标控制器参数,并基于所述目标控制器参数控制所述飞行器;按照预设条件重新执行基于观测数据识别飞行器的系统参数估计值和时间延迟估计值的步骤,以实现飞行器飞行过程中的自适应稳定裕度配置。本技术通过将在线参数估计、残差学习网络和自适应控制律相融合,实现了系统相位裕度和幅值裕度的自主配置,并保证俯仰角速度对参考指令的稳定跟踪,降低了求解控制器参数的计算复杂度,能够满足飞行器在线调整的实时性要求,同时通过残差学习补偿了近似求解的参数误差,使得配置得到的控制器参数可以满足期望稳定裕度要求,提高了控制精度,能够适应飞行过程中模型参数与时延的动态变化,保障飞行控制的安全性。