-
公开(公告)号：CN116513467B
公开(公告)日：2023-12-26
申请号：CN202310468621.1
申请日：2023-04-27
Applicant: 华中科技大学
IPC: B64D33/02
Abstract: 本发明公开了一种考虑进气安全的高速飞行器优化控制方法，该方法首先将高速飞行器的非线性耦合模型转化为面向控制的标准形式，建立有限时间跟踪控制器，确保飞行器的控制稳定性；其次，针对高速飞行器的安全约束与动力学特征建立安全集描述高速飞行器进气道安全条件，构建控制障碍函数用于保障安全集的前向不变性；为了使障碍函数在达成安全条件的过程中付出尽可能小的控制性能代价，通过扩张状态空间将控制障碍函数作为安全因素引入最优化方程，构建了一种能够全面地统筹跟踪性能、输入代价与安全约束的值函数描述最优化问题。为节约计算成本，通过设计单一评价神经网络逼近最优控制律，在保障系统安全的前提下优化控制性能。
-
Patent Agency Ranking
公开(公告)号：CN116513467A
公开(公告)日：2023-08-01
申请号：CN202310468621.1
申请日：2023-04-27
Applicant: 华中科技大学
IPC: B64D33/02
Abstract: 本发明公开了一种考虑进气安全的高速飞行器优化控制方法，该方法首先将高速飞行器的非线性耦合模型转化为面向控制的标准形式，建立有限时间跟踪控制器，确保飞行器的控制稳定性；其次，针对高速飞行器的安全约束与动力学特征建立安全集描述高速飞行器进气道安全条件，构建控制障碍函数用于保障安全集的前向不变性；为了使障碍函数在达成安全条件的过程中付出尽可能小的控制性能代价，通过扩张状态空间将控制障碍函数作为安全因素引入最优化方程，构建了一种能够全面地统筹跟踪性能、输入代价与安全约束的值函数描述最优化问题。为节约计算成本，通过设计单一评价神经网络逼近最优控制律，在保障系统安全的前提下优化控制性能。
-
公开(公告)号：CN114169396B
公开(公告)日：2022-09-20
申请号：CN202111307993.3
申请日：2021-11-05
Applicant: 华中科技大学
Abstract: 本发明公开了一种用于飞行器故障诊断的训练数据生成模型构建方法及应用，属于飞行器故障诊断技术领域，包括S1、搭建包括生成器和判别器的训练数据生成模型；S2、将预采集到的飞行器样本数据集输入至训练数据生成模型中进行训练，使生成器与判别器之间相互博弈，直至达到纳什均衡；本发明中的生成器为基于VAE模型的生成器，通过对数据分布进行最大似然估计，实现对输入数据的重构，生成出与原数据相似的数据，同时通过判别器判别生成数据是的真实性，从而增加数据的可信度和真实性；采用本发明所提供的训练数据生成模型，能够实现真实准确的样本生成，从而实现在保证故障诊断准确性的条件下，解决数据缺乏和类别不平衡的技术问题。
-
公开(公告)号：CN112947385B
公开(公告)日：2021-11-02
申请号：CN202110300884.2
申请日：2021-03-22
Applicant: 华中科技大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于改进Transformer模型的飞行器故障诊断方法和系统，属于故障检测领域。改进Transformer模型将Transformer模型中最后的Softmax函数层替换为输出神经元个数为1的全连接层，方法包括：采用训练样本集对改进Transformer模型进行训练，得到训练好的改进Transformer模型，所述训练样本为飞行器状态信息‑飞行器中的执行器故障信息对；将待测飞行器的状态信息输入至训练好的改进Transformer模型，输出对应的飞行器中的执行器故障信息。本发明对Transformer模型进行改进，创新提出将改进Transformer模型与故障诊断结合，由于改进Transformer模型能够很好地处理时序数据，即使是相隔较远的历史数据也能并行处理。所以提取到的状态特征更加优质，建立起的状态‑故障关系更准确，进一步使得故障诊断误差小。
-
公开(公告)号：CN112947385A
公开(公告)日：2021-06-11
申请号：CN202110300884.2
申请日：2021-03-22
Applicant: 华中科技大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于改进Transformer模型的飞行器故障诊断方法和系统，属于故障检测领域。改进Transformer模型将Transformer模型中最后的Softmax函数层替换为输出神经元个数为1的全连接层，方法包括：采用训练样本集对改进Transformer模型进行训练，得到训练好的改进Transformer模型，所述训练样本为飞行器状态信息‑飞行器中的执行器故障信息对；将待测飞行器的状态信息输入至训练好的改进Transformer模型，输出对应的飞行器中的执行器故障信息。本发明对Transformer模型进行改进，创新提出将改进Transformer模型与故障诊断结合，由于改进Transformer模型能够很好地处理时序数据，即使是相隔较远的历史数据也能并行处理。所以提取到的状态特征更加优质，建立起的状态‑故障关系更准确，进一步使得故障诊断误差小。
-
公开(公告)号：CN114169396A
公开(公告)日：2022-03-11
申请号：CN202111307993.3
申请日：2021-11-05
Applicant: 华中科技大学
Abstract: 本发明公开了一种用于飞行器故障诊断的训练数据生成模型构建方法及应用，属于飞行器故障诊断技术领域，包括S1、搭建包括生成器和判别器的训练数据生成模型；S2、将预采集到的飞行器样本数据集输入至训练数据生成模型中进行训练，使生成器与判别器之间相互博弈，直至达到纳什均衡；本发明中的生成器为基于VAE模型的生成器，通过对数据分布进行最大似然估计，实现对输入数据的重构，生成出与原数据相似的数据，同时通过判别器判别生成数据是的真实性，从而增加数据的可信度和真实性；采用本发明所提供的训练数据生成模型，能够实现真实准确的样本生成，从而实现在保证故障诊断准确性的条件下，解决数据缺乏和类别不平衡的技术问题。
-
-
-
-
-
Search Results
6
records
(took 0.031 seconds)
