BTT导弹神经网络反演自动驾驶仪的FPGA实现方法

    公开(公告)号:CN106200655A

    公开(公告)日:2016-12-07

    申请号:CN201610479531.2

    申请日:2016-06-27

    CPC classification number: G05D1/0825 G05B13/027 G05D1/107

    Abstract: 本发明公开了一种BTT导弹神经网络反演自动驾驶仪的FPGA实现方法:首先,建立了BTT导弹的状态方程模型;其次选用RBF神经网络方法来补偿BTT导弹状态方程的建模误差;然后利用Backstepping方法推导出控制输入,从而设计出BTT导弹稳定的控制器;最后,将导弹模型解算移植于FPGA内来实现,自动驾驶仪运行时,输入期望姿态信号和初始状态向量至控制器中,由控制器计算出控制输入即舵偏角,将其送入模型解算器中解算得出BTT导弹的新姿态信息,再将所有状态信号存入存储器FIFO中,由此形成循环;仿真结果表明该自动驾驶仪既取得了较好的控制效果又大大缩短了仿真时间,能够满足实时性的要求。

    一种多源数据融合的航空涡扇发动机剩余寿命预测方法

    公开(公告)号:CN107153759B

    公开(公告)日:2019-10-15

    申请号:CN201710287759.6

    申请日:2017-04-27

    Abstract: 本发明公开了一种多源统计数据驱动的航空涡扇发动机剩余寿命预测方法,充分利用发动机传感器采集的监测数据,预测发动机剩余寿命;首先,多源监测数据融合及失效阈值估计;发动机退化过程建模及参数估计;发动机剩余寿命描述;剩余寿命预测四大步骤;同现有技术相比,基于共同主成分分析和欧氏距离,融合多源监测数据,以提取表征发动机运行状态的健康指标和失效阈值,解决传统预测方法中监测数据信息利用不充分的问题;建立带非线性漂移的维纳过程表征退化率不定的航空发动机退化过程,基于航空发动机剩余寿命分布进行实时在线寿命预测;为视情维修技术提供数据支持,增加发动机在翼时间,避免重大事故发生,具有工程应用价值。

    BTT导弹神经网络反演自动驾驶仪的FPGA实现方法

    公开(公告)号:CN106200655B

    公开(公告)日:2017-06-27

    申请号:CN201610479531.2

    申请日:2016-06-27

    Abstract: 本发明公开了一种BTT导弹神经网络反演自动驾驶仪的FPGA实现方法:首先,建立了BTT导弹的状态方程模型;其次选用RBF神经网络方法来补偿BTT导弹状态方程的建模误差;然后利用Backstepping方法推导出控制输入,从而设计出BTT导弹稳定的控制器;最后,将导弹模型解算移植于FPGA内来实现,自动驾驶仪运行时,输入期望姿态信号和初始状态向量至控制器中,由控制器计算出控制输入即舵偏角,将其送入模型解算器中解算得出BTT导弹的新姿态信息,再将所有状态信号存入存储器FIFO中,由此形成循环;仿真结果表明该自动驾驶仪既取得了较好的控制效果又大大缩短了仿真时间,能够满足实时性的要求。

    一种多源数据融合的航空涡扇发动机剩余寿命预测方法

    公开(公告)号:CN107153759A

    公开(公告)日:2017-09-12

    申请号:CN201710287759.6

    申请日:2017-04-27

    Abstract: 本发明公开了一种多源统计数据驱动的航空涡扇发动机剩余寿命预测方法,充分利用发动机传感器采集的监测数据,预测发动机剩余寿命;首先,多源监测数据融合及失效阈值估计;发动机退化过程建模及参数估计;发动机剩余寿命描述;剩余寿命预测四大步骤;同现有技术相比,基于共同主成分分析和欧氏距离,融合多源监测数据,以提取表征发动机运行状态的健康指标和失效阈值,解决传统预测方法中监测数据信息利用不充分的问题;建立带非线性漂移的维纳过程表征退化率不定的航空发动机退化过程,基于航空发动机剩余寿命分布进行实时在线寿命预测;为视情维修技术提供数据支持,增加发动机在翼时间,避免重大事故发生,具有工程应用价值。

Patent Agency Ranking