[发明专利]一种归一化的人机系统飞行品质预测方法

权利要求书

1.一种归一化的人机系统飞行品质预测方法，是在人机系统飞行品质预测模型中进行的；其中，

第一步，构建增广被控对象；

第二步，根据飞行任务，构建飞行员最优控制模型指标函数，给定初始加权系数值；

第三步，计算飞行员最优控制增益；

第四步，求解观测噪声方差和操纵噪声方差，计算Kalman滤波增益；

第五步，计算指标函数J；

第六步，以指标函数J为目标函数，以加权系数为自变量，进行寻优计算，直至找到令J取得最小值的加权系数；

第七步，根据最优注意力分配加权系数，计算指标函数，进行人机系统飞行品质预测模型拟合；

第八步，采用上述模型进行飞行品质预测；

其特征在于：具体包括如下步骤，

在第一步中，构建增广被控对象；

其中，x_s是带有延迟的增广状态向量，为x_s的一阶导数，A_s、B_s、C_s、D_s、E_s是增广系数矩阵，u_p是飞行员操纵量，y是输出状态量，w是外界扰动向量；C_s＝[C DC_d]，C_s＝[C DC_d]，D_s＝D，x为飞机小扰动方程状态向量，x_d为带有时间延迟的增广状态向量，A_d、B_d、C_d分别为带有时间延迟的增广系数矩阵，A、B、C、D、E分别为飞机小扰动状态方程特性系数矩阵；

飞行员实际感知向量y_obs为

y_obs＝C_sx_s+D_su_p+v_y (2)

其中，v_y是观测噪声，观测噪声强度V_y为：

其中，ρ_y是感知噪声信噪比，f_y是注意力分配系数，为观测噪声方差；

在第二步中，根据飞行任务，构建飞行员最优控制模型指标函数，给定初始加权系数值Q_y和r_u；

在第三步中，计算飞行员最优控制增益，具体为：

通过最优控制理论得到控制关系为：

其中，是带有操纵量的状态向量X的估计值，是飞行员最优操纵量，G_p是调节器增益向量，K是由下列Riccati方程确定的唯一解

0＝(A_o)^TK+KA_o+Q_o-KB_of^-1(B_o)^TK (6)

其中

将X＝[x_s u_p]^T＝[x x_d u_p]^T代入(5)式，则

其中G_n是状态向量估计值增益向量，G_n1是的增益向量；令

则

I_p即为飞行员最优控制增益，因此，式(8)写为

令引入操纵噪声v_u，则，

其中v_u是强度为V_u的零均值高斯白噪声，其中ρ_u是操纵噪声信噪比系数，是操纵噪声方差；

在第四步中，求解观测噪声方差和操纵噪声方差，计算Kalman滤波增益；

联立(1)和(12)式得到：

其中，为状态向量X的一阶导数，C₁＝[C DC_d D]，w为外界扰动向量，v_u为操纵噪声，v_y为观测噪声；

上式中状态向量X的估计值由Kalman滤波得到，其中滤波增益：

F＝Σ₁(C₁)^T(V_y)^-1 (14)

其中估计误差矩阵Σ₁是由下列Riccati方程确定的唯一解：

0＝A₁Σ₁+Σ₁(A₁)^T+W₁-Σ₁(C₁)^T(V_y)^-1(C₁)Σ₁ (15)

其中W₁＝diag(W,V_u)，W为外界扰动强度，V_u为操纵噪声强度；带有状态估计的人机闭环状态方程为：

其中I₁＝[I_p,0]，C_δ＝[0 C_d 1]，F为Kalman滤波增益矩阵，δ为飞机舵面偏转量；

协方差矩阵X_cov是下列Lyapunov方程的解，

其中Q_lyp＝diag(V_w,V_y,V_u)，V_y是观测噪声强度；

则，输出协方差矩阵，

由此得到观测噪声方差和操纵噪声方差分别为：

在第五步中，计算指标函数J；

其中，J_e＝Y_cov(1,1)，J_u＝Y_cov(2,2)，row_u＝row_X-row_x-row_x_d，row_X是向量X的行数，row_x是向量x的行数，row_x_d是向量x_d的行数；

在第六步中，以指标函数J为目标函数，以加权系数为自变量，进行寻优计算，直至找到令J取得最小值的加权系数；

在第七步中，根据最优注意力分配加权系数，计算指标函数，进行人机系统飞行品质预测模型拟合；

根据飞行试验结果对形如下式的飞行品质预测模型进行拟合：

其中的参数A和B为模型系数，采用现有飞行品质试验数据拟合得到，

在第八步中，采用上述模型进行飞行品质预测；所述飞行品质预测的指标有，观察加权系数与操纵加权系数比值Q/R、操纵速率加权系数f、指标函数J、飞行试验真实驾驶员评分PR_test、预测评分PR_pre、飞行品质预测评分OCM。