[发明专利]一种基于深度学习的飞机姿态控制方法

说明书

本发明公开了一种基于深度学习的飞机姿态控制方法，包括步骤：S1.实时采集飞机的47个状态数据，并对数据进行归一化处理；S2.将归一化处理后的数据输入飞机姿态控制网络，得到2个飞机姿态控制量，即攻角变化率和倾斜角变化率S3.得到飞机姿态控制量后，再计算得到飞机所需的攻角a_t+Δt与倾斜角θ_t+Δt姿态参数。相比于现有的飞机姿态控制方法，本发明方法直接将载机参数输入至构建好的飞机姿态控制网络，进而得到姿态参数。本发明使用智能化方式构建出提取数据间联系的网络，省去了现有技术中的计算步骤，且准确率高。

技术领域

本发明涉及深度学习和飞行控制领域，特别涉及一种基于深度学习的飞机姿态控制方法。

背景技术

随着作战飞机朝着信息化、综合化、智能化方向发展，提供给飞行员的信息爆炸性增长，仅靠飞行员自身做出及时、正确的飞行决策几乎是不可能的。因此建立飞机姿态控制方法，并将其用于飞行员的辅助决策中，在当今战场环境下显得尤为重要。

但是，目前存在的飞机姿态控制方法，大多是利用一定的公式计算出姿态参数。现有技术是在仿真计算之前，对双方的相对态势、位置和速度信息、姿态信息、武器状态、实验仿真时间以及机动方案进行初始化。初始化的数据包括：本机高度，敌机所在距离、方位、俯仰，本机与敌机的初始俯仰角、方位角、航向角、攻角、油门系数、减速板系数，本机与敌机的初始武器状态等等。在仿真的每一时刻，根据载机的所需速度指向、所需角速度指向和载机受力情况便可确定所需过载。之后用不同的修正方法修正所需过载的值，最后根据修正后的所需过载、所需速率等信息给出对飞机姿态控制量的计算。攻角变化率和过载的变化有关，倾斜角变化率和法向过载角度的变化有关，因此当得到所需过载后，便根据一定的公式计算出这两个控制量。

现有技术是根据载机参数，分类并按照一定的规律计算出应有的飞机姿态控制量，其计算方式固定单一，步骤较多，无法智能化的去控制飞机姿态。

发明内容

本发明的目的是克服上述现有技术中存在的问题，提供一种基于深度学习的飞机姿态控制方法。相比于现有的飞机姿态控制方法，本发明采用的方法是直接将载机参数输入至构建好的飞机姿态控制网络，进而得到姿态参数。本发明使用智能化方式构建出提取数据间联系的网络，省去了现有技术中的计算步骤，且准确率高。

本发明的技术方案是：一种基于深度学习的飞机姿态控制方法，包括如下步骤：

S1.实时采集飞机的47个状态数据，并对数据进行归一化处理；

S2.将归一化处理后的数据输入飞机姿态控制网络，得到2个飞机姿态控制量，即攻角变化率和倾斜角变化率其中，a表示攻角，θ表示倾斜角，表示攻角变化率，表示倾斜角变化率，t表示当前时刻，t+Δt表示经过一个步长后的时刻；

S3.得到飞机姿态控制量后，据(式1)-(式2)进行积分，便可得到飞机所需的姿态参数，所述姿态参数为攻角a_t+Δt与倾斜角θ_t+Δt；

上述步骤S1中所述的47个飞机状态数据，具体为：

仿真时长、本机的生存概率、本机与敌机的在X,Y,Z轴的位置分量，本机与敌机在X,Y,Z轴的速度分量，本机在X,Y,Z轴的加速度分量，本机的航向角、横滚角、俯仰角，本机的攻角、油门系数、减速板系数，24个布尔变量；