CN115390456B 基于神经网络的飞行器再入段轨迹优化方法 （西安电子科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115390456B(45)授权公告日2025.07.01

(21)申请号202211133178.4

(22)申请日2022.09.16

(65)同一申请的已公布的文献号申请公布号CN115390456A

(43)申请公布日2022.11.25

(73)专利权人西安电子科技大学

地址710071陕西省西安市太白南路2号

(72)发明人冯冬竹戴沛崔家山仲秦

秦翰林张立华冯炜皓马佳笛

(74)专利代理机构陕西电子工业专利中心

61205

专利代理师王品华

(51)Int.CI.

(56)对比文件

PeiDai等.“Entrytrajectory

optimizationforhypersonicvehicles

basedonconvexprogrammingandneuralnetwork”.《AerospaceScienceand

Technology》.2023,全文.

审查员梁策

GO5B13/04(2006.01)

权利要求书5页说明书16页附图5页

(54)发明名称

基于神经网络的飞行器再入段轨迹优化方法

(57)摘要

CN115390456B本发明公开了一种基于神经网络的飞行器再入段轨迹优化方法，主要解决现有技术中存在的实时性和适应性较差的问题，其实现方案为：建立半速度坐标系下飞行器再入连续最优控制问题；将飞行器再入连续最优控制问题转化为序列凸最优控制问题；将序列凸最优控制问题转化为序列二阶锥规划问题；对序列二阶锥规划问题进行求解；从求解结果中采样得到状态量数据集和控制量数据集；构建神经网络和损失函数；利用部分状态量数据集作为训练数据集对神经网络进行离线训练，直到损失函数收敛到一个最小值，得到训练好的轨迹网络；利用轨迹网络在线获取飞行器再入段的轨迹优化结果。本发明适应

CN115390456B

将飞行器再入段轨迹优化为连续

将飞行器再入段轨迹优化为连续最优控制问题P0

P2

算得到非标称最优参考轨迹

数据集和控制量数据集

构建神经网络，设置损失函数。

并采用BP算法离线训练神经网络

A得到轨迹网络

CN115390456B权利要求书1/5页

2

1.一种基于神经网络的飞行器再入段轨迹优化方法，其特征在于，包括如下步骤：

(1)将飞行器再入段轨迹优化描述为由数学模型、边界条件、容许控制、性能指标、过程约束构成的连续最优控制问题P0;

(2)对P0进行更换形式、松弛变量、软化约束、逐次线性化方法的凸化处理，得到序列凸最优控制问题P1,采用伪谱法对该P1进行离散参数化处理，得到序列二阶锥规划问题P2;

(3)采用内点法求解序列二阶锥规划问题P2,得到包括4条飞行器状态量曲线和1条飞行器控制量曲线的标称最优参考轨迹；

(4)通过拉偏飞行器气动参数建立偏差模型，对偏差模型中的每一组气动参数进行离线求解，得到不同参数条件下的包括4条飞行器状态量曲线和1条飞行器控制量曲线的非标称最优参考轨迹；

(5)对步骤(3)中标称最优参考轨迹和步骤(4)中非标称最优参考轨迹中的状态量曲线分别进行采样，得到包含飞行器地心距、经度、纬度、航向角这四个状态变量的状态量数据集X,对最优参考轨迹中的控制量曲线进行采样得到控制量数据集Y?;

(6)构建由输入层、两个隐含层、输出层依次级联组成的神经网络A,并设其损失函数为：Loss(Y?,U)=(Y?-U)2,其中，Y,表示控制量数据集，U?表示神经网络A的输出值，即控制量倾侧角；

(7)将步骤(5)中的状态量数据集X取出一部分作为训练轨迹集X?输入到神经网络A,采用BP算法对其进行离线训练，当神经网络A的损失函数收敛到一个最小值时，得到训练好的轨迹网络A′;

(8)在线获取飞行器再入段的轨迹优化结果：

飞行器在飞行期间，机载计算机读取飞行器导航系统测得的实时飞行状态量，将实时飞行的状态量作为训练好的轨迹网络A′的输入进行前向传播，得到实时的控制量；

将每次读取的状态量和控制量分别连成线，得到飞行器再入段的最优轨迹。

2.根据权利要求1所述的方法，其特征在于：步骤(1)中连续最优控制问题P0,表示为：

P?:min

si.

其中，f?为状态微分方程，表示为：