[发明专利]一种数据驱动的舰载火箭炮发射装置最优跟踪控制方法

说明书

本发明公开了一种数据驱动的舰载火箭炮发射装置最优跟踪控制方法，将基于神经网络的非线性内模和自适应动态规划相结合，得到了近似最优的前馈‑反馈复合控制器设计方法，分为两个步骤：①利用输出调节及神经网络理论，构造非线性神经网络内模，重构输出调节方程的稳态解，并获得前馈控制器；②利用内模重构的稳态解将最优输出调节问题转换为最优镇定问题，然后引入自适应动态规划算法，通过算法迭代获得近似的最优反馈控制器。本发明仅依赖于舰载火箭炮发射装置的输入‑状态数据便可得到近似最优控制器；引入非线性内模，不仅可以处理系统内部的参数不确定，同时还可抵御外部海浪等非线性的扰动对于发射装置的影响，实用性更强、应用范围更广。

技术领域

本发明涉及舰载武器控制技术领域，特别是一种数据驱动的舰载火箭炮发射装置最优跟踪控制方法。

背景技术

随着高新技术的迅猛发展和在军事上的广泛应用，对舰载火箭炮发射装置的控制性能提出更高要求。然而如图1，由于难以获得发射装置的精确系统模型以及海浪对发射装置的扰动，降低了系统的目标打击性能。另外，海洋作战，物质补给较为麻烦，因此，如何在不依赖系统模型的基础上，克服舰体摇摆干扰，并以最小代价实现火箭炮发射装置的跟踪控制成为了舰载火箭炮急需攻克的难题之一。

根据文献检索发现，现有基于内模的火箭炮发射装置的跟踪控制方法大多是基于模型的，而且均未实现最优跟踪。例如，文献1(曾令梦，高强，侯远龙，孙战，蒋梦琴.基于自构建神经网络的舰载火箭炮内模控制，《火炮发射与控制学报》，2017年)利用神经网络建立过程模型和内模，虽能实现跟踪，但无性能函数的约束，不能实现最优跟踪。同理，文献2(庄文许，马大为，张龙，胡健，郑颖.舰载火箭炮自适应内模输出调节问题研究，《兵工学报》，2013年)也是一种渐近跟踪，而不能实现最优跟踪；此外该文献所设计的控制方法依赖系统模型，所设计的内模仅能处理线性扰动，具有一定的局限性。

发明内容

本发明解决的技术问题是：克服模型未知且外部海浪等非线性扰动对于舰载火箭炮发射装置的不利影响，提供一种数据驱动的舰载火箭炮发射装置最优跟踪控制方法，将内模原理和自适应动态规划相结合，利用内模原理，重构外系统状态，并获得前馈控制项；利用自适应动态规划算法设计最优的反馈控制器，实现最小代价下的目标跟踪。

为了达到上述目的，本发明的技术方案如下：一种数据驱动的舰载火箭炮发射装置最优跟踪控制方法，将基于神经网络的非线性内模和自适应动态规划相结合，得到近似最优的前馈-反馈复合控制器构建方法，具体包括以下步骤：

步骤1、建立舰载火箭炮发射装置的数学模型，用于后续系统数据收集；

步骤2、根据输出调节理论，利用调节方程的解，将最优输出调节问题转换为最优镇定问题；

步骤3、根据输出调节理论及神经网络逼近理论，设计非线性神经网络内模，获得输出调节方程的解，并设计前馈控制器；

步骤4、根据步骤1建立的模型，利用加有探索噪声的容许控制器激励系统，收集被控系统的输入数据和状态数据；

步骤5、引入自适应动态规划算法，通过算法迭代获得更优的价值函数权重系数和策略函数权重系数；

步骤6、算法迭代，重复步骤5，直至满足算法结束条件，得到近似最优权重系数；

步骤7、利用步骤6得到的近似最优权重系数，获得近似最优反馈控制策略，并与步骤3中得到的前馈控制器进行整合，得到近似最优的前馈-反馈复合控制器。

本发明与现有技术相比，其显著优点为：

(1)提出一种基于数据的最优输出调节控制方法，所提出的方法不依赖于被控系统精确数学模型，仅利用系统数据便可实现最优跟踪控制；