[01234029]高超声速飞行器再入段神经网络复合学习控制方法
交易价格:
面议
所属行业:
飞行器
类型:
非专利
交易方式:
资料待完善
联系人:
所在地:
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
本发明公开了一种高超声速飞行器再入段神经网络复合学习控制方法,用于解决现有高超声速飞行器再入段姿态控制方法精度差的技术问题。技术方案是首先将高超声速飞行器再入段动力学描述为面向控制的姿态模型,再利用神经网络对系统不确定函数进行学习设计控制器,最后采用在线数据构造预测建模误差,并利用跟踪误差和预测误差形成复合误差进行神经网络权重更新,提升闭环控制过程神经网络学习性能改善跟踪性能。由于利用神经网络进行学习可提升系统的自适应能力,提高了控制精度;由于利用在线数据构造预测误差评价神经网络学习性能并结合系统跟踪误差,进行神经网络权重向量复合更新,提高闭环控制过程中神经网络学习准确性,提高了系统跟踪精度。
本发明公开了一种高超声速飞行器再入段神经网络复合学习控制方法,用于解决现有高超声速飞行器再入段姿态控制方法精度差的技术问题。技术方案是首先将高超声速飞行器再入段动力学描述为面向控制的姿态模型,再利用神经网络对系统不确定函数进行学习设计控制器,最后采用在线数据构造预测建模误差,并利用跟踪误差和预测误差形成复合误差进行神经网络权重更新,提升闭环控制过程神经网络学习性能改善跟踪性能。由于利用神经网络进行学习可提升系统的自适应能力,提高了控制精度;由于利用在线数据构造预测误差评价神经网络学习性能并结合系统跟踪误差,进行神经网络权重向量复合更新,提高闭环控制过程中神经网络学习准确性,提高了系统跟踪精度。