[发明专利]一种基于神经网络的舰载机着舰时的舰艉流实时预测方法

说明书

本发明公开了一种基于神经网络的舰载机着舰时的舰艉流实时预测方法。通过机载空速管、攻角和侧滑角传感器可获得舰载机三维空速，由机载惯导系统得到舰载机三维地速，采用矢量三角形测风法可得到此刻此位置的三维风速；对已有着舰的飞行数据进行处理，获得每次着舰过程中的舰艉流大小，采用神经网络技术进行舰艉流建模；着舰过程中，利用舰载机实时测得的空速、地速和相对位置等信息，根据已建立的舰艉流模型进行舰艉流预测，且每次着舰后对舰艉流模型进行更新，提高预测模型精度。本发明用于实时预测舰载机着舰时的航母舰艉流大小，为舰载机着舰控制系统抑制舰艉流影响提供相关信息，以提高着舰精确控制水平，有利于提高着舰的安全性及成功率。

技术领域

本发明涉及舰载机着舰时的舰艉流预测的技术领域，具体涉及一种基于神经网络的航母舰艉流实时预测方法，用于实时预测舰载机着舰过程中的航母舰艉流大小，为舰载机着舰控制系统抑制舰艉流影响提供相关信息，以提高着舰精确控制水平。

背景技术

舰载机着舰是航母/舰载机作战中的一个关键环节，舰载机与航母在不同的介质中运动轨迹不同，相对速度较大并且舰载机与航母之间要求沿指定方向在某特定点“汇合”，因此舰载机着舰具有更高的难度和更大的风险，其中的一个主要因素正是复杂的舰艉气流对着舰的航迹影响。

航母在海上航行时，由于舰艉和舰岛的作用，形成垂直方向和水平方向上的舰艉流，干扰飞机正常着舰。舰艉流在以舰船纵摇中心为起点沿舰艉方向约八百米处开始对飞机的飞行品质造成干扰，在300～500m区域内影响最为严重，剧烈变化的风速风向甚至会使飞机超出操纵性能边界，会造成着舰的成功率严重下降，甚至出现撞舰、坠海等严重事故，因此必须对舰艉流进行预测以使控制系统能够提前做出应对，消除其影响。

目前仅有美军建立了舰艉流定量模型，但由于舰艉流模型因舰而异，难以适应我国航母实际的舰载机着舰需求。同时目前的研究大多是提高着舰控制律的整体抗干扰能力，但实现舰艉流影响的精确预测，并在此基础上采取针对性的控制方法是提高着舰精确控制水平和着舰成功率的关键。

人工神经网络作为当前各个领域最受人关注的研究热点之一，由于其具有信息可并行处理、分布式存储、容错性高、非线性运算及非线性控制等优点，已应用到智能控制技术、模式识别算法、信号处理和非线性优化等各个领域，并取得了很大的进展。以神经网络技术为基础，对舰艉流进行建模，并通过实时量测数据对舰载机着舰时受到的舰艉流影响进行预测，能够提高舰载机的着舰环境感知能力，辅助着舰控制系统进行更精确的轨迹控制，提高着舰水平。

发明内容

本发明的目的在于：提出一种基于神经网络的航母舰艉流实时预测方法，用于实时预测舰载机着舰过程中所受到的航母舰艉流的影响，为舰载机着舰控制提供信息，以提高着舰精确控制水平。本发明有利于提高着舰的安全性及成功率。

本发明采用的技术方案为：一种基于神经网络的舰载机着舰时的舰艉流实时预测方法，具体步骤如下：

步骤一、通过机载空速管获得舰载机的空速大小，通过机载攻角传感器和侧滑角传感器获得舰载机的攻角和侧滑角，经过计算获得舰载机相对于机体坐标系下的三维空速；

步骤二、通过机载惯导系统获得舰载机的三维地速，采用矢量三角形测风法得到此刻此位置的三维风速；

步骤三、通过对已有着舰的飞行数据进行处理，获得每次着舰过程中的舰艉流测量值，根据这些样本采用神经网络技术进行舰艉流建模；

步骤四、着舰过程中，利用舰载机实时测得的空速、攻角、侧滑角、地速、姿态角和舰机相对位置，根据已建立的舰艉流模型进行舰艉流预测。

其中，步骤一中所述的机载空速管测量得到的空速为一维空速，与机体纵轴方向一致；测量得到舰载机的攻角和侧滑角是气流坐标系与机体坐标系间的夹角，由此得到气流坐标系与机体坐标系间的变换矩阵，将气流坐标系下的空速转换为机体坐标系下的三维空速。