基于DDQN的运载火箭姿态控制器参数设计

探索了利用深度强化学习算法训练智能体,以代替人类工程师进行火箭姿态控制器参数的离线设计方案。建立了多特征秒的火箭频域分析模型,选定了设计参数。选择深度强化学习算法中的双深度Q学习(Double Deep Q Network,DDQN)算法,通过记忆回放和时间差分迭代的方式让智能体在与环境交互过程中不断学习。设计了对应的马尔科夫决策过程模型,进行了智能体的训练和前向测试。结果说明该方法对于运载火箭姿控设计具有一定参考价值。     

自主近距空战中敌机的战术动作识别方法

为了识别自主近距空战中敌机的战术动作,提出一个两级识别系统.该系统由基本动作识别和组合动作识别两部分组成.其中,基本动作识别采用模糊推理方法,并模拟飞行员的思维过程,用"模式记忆"方法平滑推理结果的抖动;组合动作识别以基本动作序列为输入,采用时间自动机组成并行结构,提取各组合动作的主要几何形态,使识别系统具有良好的可扩展性和鲁棒性.通过仿真对识别系统进行验证,结果表明该系统能有效地识别敌机的战术动作.      

飞行器线性分式变换建模及其降阶研究

针对一类可用线性变参数系统描述的飞行器动力学模型,本文采用图形法建立其线性分式变换模型,并应用卡尔曼规范分解对模型进行降阶.最终得到的模型将飞行器动力学明确分解为确定性部分和时变参数部分.数学仿真验证了所建立模型的正确性.     

飞控-飞机低阶等效系统的在线辨识

以飞控—飞机低阶等效系统为背景，采用Taylor展开法研究了带纯延迟环节的二阶系统的在线辨识。采取了对低信息点进行抛弃，变步数起动等算法对传统的最小二乘法加以改进，大大减少了辨识过程中产生的误差，更适合于实时辨识。实际应用结果表明：该方法可以有效地对具有时变特性的带纯延迟的非线性系统加以辨识，辨识结果满足工程要求。     

运载火箭智能控制的能力特征与关键技术

运载火箭智能控制是智慧火箭研制的核心技术之一。结合智能技术在航天控制上的应用研究与工程实践,对运载火箭智能控制的能力特征进行了分析;介绍了运载火箭的智能测试与发射、典型动力故障诊断与重构、环境与模型自适应控制,以及“软件”定义运载火箭等关键技术;对我国运载火箭智能控制系统的未来发展进行了思考。通过对航天智能控制技术持续不断地研究与实践,为我国智慧火箭的研制提供强有力的支撑。     

大迎角综合飞行/推进控制系统设计与仿真

以先进推力矢量战斗机为背景,构建了基于力矩解算和分配的大迎角综合飞行/推进控制系统结构方案.在此基础上采用模糊方法设计推进稳定性控制系统;以逆动力学方法计算期望力矩;以饱和控制分配原则协调气动舵面和推力矢量的控制.仿真结果表明大迎角下推进系统可稳定工作,综合飞/推控制系统能合理协调气动舵面和推力矢量,控制系统能够快速准确的跟踪指令,完成机动动作.      

“会学习”运载火箭的制导控制技术

“会学习”运载火箭具备“边飞边学”和“终身学习”的特征。对于“会学习”运载火箭制导控制技术具备的5个能力需求,即飞行状态在线辨识与感知、制导控制在线重构、经验知识自学习、“终身学习”和箭上强计算能力等进行了分析,研究了支撑“边飞边学”的在线辨识与控制重构、轨迹在线规划、目标在线变更等技术和支撑“越飞越聪明”的数据挖掘、自我学习、持续优化和决策评估等技术。最后,对“会学习”运载火箭的智能控制技术进行思考与展望。     

深度确定性策略梯度算法用于无人飞行器控制

对深度确定性策略梯度算法训练智能体学习小型无人飞行器的飞行控制策略进行了探索研究。以多数据帧的速度、位置和姿态角等信息作为智能体的观察状态,舵摆角和发动机推力指令作为智能体的输出动作,飞行器的非线性模型和飞行环境作为智能体的学习环境。智能体在与环境交互过程中除了获得包含误差信息的密集惩罚外,也有达成一定目标的稀疏奖励,该设计有效提高了飞行数据的样本多样性,增强了智能体的学习效率。最后智能体实现了从位置、速度和姿态角等信息到控制量的端到端飞行控制,并进行了变航迹点、模型参数拉偏、注入扰动和故障条件下的飞行控制仿真,结果表明智能体除了能有效完成训练任务外,还能应对多种训练时未学习的飞行任务,具有优秀的泛化能力和鲁棒性,该方法具有一定的研究价值和工程参考价值。     

高超声速飞行器姿态角速度的全通道鲁棒镇定方法

根据高超声速飞行器的姿态动力学方程,给出一个可面向姿态角速度镇定的非线性设计模型.针对一类非线性系统,提出一种基于扩张状态观测器(ESO)的鲁棒动态逆设计方法,并将其应用于高超声速飞行器姿态角速度的渐近镇定中.仿真结果表明,相比传统的动态逆控制方案,本文所提出的控制方案可保证飞行器姿态角速度得到快速镇定,并且具备针对模型不确定和结构干扰力矩的强鲁棒性能.     

关于“航天智能控制系统”的认识

航天控制系统正在走向智能化。本文以指标提升、持续学习为核心,提出了航天智能控制系统的概念,分析了智能技术赋能对航天装备技术指标显著提升和从无到有的作用,进而梳理了航天智能控制系统的能力特征,构建了航天智能控制技术体系,并讨论了航天智能控制的系统架构。最后,从个体智能、群体与人机混合智能的视角提出了航天智能控制系统发展构想。