[发明专利]一种应用于变体飞行器的类脑脉冲神经网络控制方法

说明书

本发明涉及一种应用于变体飞行器的类脑脉冲神经网络控制方法，考虑变体飞行器模型中各种空气动力系数与变形率之间强耦合动态关系的变体飞行器模型基础上，引入一定数量的脉冲神经元模型构成小范围的网络用来模拟生物神经系统给出控制信息。在任意飞行时刻，从变体飞行器接收到的姿态和轨迹信息经脉冲神经网络系统的脉冲编码层处理，输入到脉冲神经网络液体状态机，脉冲神经网络内部拓扑结构、连接权值相应变化后被一个由无记忆的解码函数构成的解码层映射转换成控制指令。最终根据飞行器当前状态量在线调度计算增益以生成控制命令，对变体飞行器实时飞行过程中变体变结构所带来的不稳定性进行了有效消除，完成关键状态的跟踪指令。

技术领域

本发明属于高速变体飞行器飞行控制仿真领域，更具体的涉及基于类脑脉冲神经网络控制变体飞行器的方法，该方法可以对变体飞行器结构切换过程进行快速稳定控 制。

背景技术

脉冲神经网络是具有生物学意义和最类似于大脑的操作机制的神经网络模型，在近年来的类脑科学的研究中，SNN一直占据着核心地位。一般来说脉冲神经元通过树 突接收外部信息，然后在细胞内部处理接收到的信息，并将其通过轴突传递给其他神 经元的树突。因此可以将树突视为输入端口，将轴突视为输出端口。由于SNN内部存 在时空信息的传递，不仅具有更好的生物保真度，而且具有信息处理速度快、实时性 好、计算能力强等特点。因此更适合基于人类推理，判断和决策行为模拟等类脑的计 算。与一般的神经网络(Neural networks,NN)相比，由于SNN内部具有时空信息的传 递，因此更适合于建立类脑计算的模型，模拟类脑学习方法以及研究和应用类脑神经 形态控制。神经元之间的突触的连接强度与突触的前神经元和后神经元相对的脉冲作 用时间相关的性质被称为脉冲时间依赖的可塑性，是神经系统发育、学习和记忆的神 经生物学基础。

一般的神经网络在高速飞行器中的应用也已经产生了一些成果，但随着飞行器结构设计、材料变形和动力推进领域的不断技术创新，新型变体飞行器通常会采用更加 精密的机械传动结构或智能变形材料，实现飞行任务中自身结构或形状的自适应改变。 而由于变体飞行器不同外形状态下的空气动力学结构也存在较大差异，因此传统方法 便不再能保证良好的控制特性，无法满足时在线变体飞行器智能化的需求。当飞行器 高度自主地完成其任务时，它将面临未知的、非结构化的环境。研究人员不可能为飞 行器设计所有应对策略，这就要求飞行器像人类在与环境互动的过程中一样，能够自 主、自适应地学习。基于SNN的类脑计算及其应用研究可以提高基于知觉信息的类脑 自主学习，智能化飞行器的泛化和决策能力，从而提高飞行器完成任务的能力，并为 更加先进的飞行器应用奠定基础，最终实现了最高的类脑智能飞行器。将最新的STDP 研究成果应用到飞行器控制系统中，设计其神经元和突触的结构以及连接方式，使其 更具仿生特性和智能信息处理能力，有望进一步推进飞行器控制系统智能化程度。

发明内容

要解决的技术问题

针对现有建模控制技术对变体变结构飞行器控制器设计的局限性，本发明提供了一种应用于变体飞行器的类脑脉冲神经网络控制方法。该方法是一种智能实时处理架 构，对变体飞行器实时飞行过程中变体变结构所带来的不稳定性进行了有效消除，满 足控制系统快速性、鲁棒性和抗干扰特性的需求，为未来实现飞行器智能控制提供了 新的思路。

技术方案

一种应用于变体飞行器的类脑脉冲神经网络控制方法，其特征在于步骤如下：

步骤1：首先确定控制对象模型，由三维建模软件导出变体飞行器网格模型，通 过专业气动力学动解算工具得到飞行包络线中不同形状和结构的空气动力学系数，插 值得到各轴向力和力矩的数学表达形式，建立变体飞行器的运动学和动力学模型；

步骤2：对步骤1中得到的模型在速度、高度和变形率三个维度进行平衡点求解，得到其它飞行器姿态、轨迹状态量在这些平衡点处的值；将平衡点设置为训练数据集 的初始点，得到包络线内不同初始速度、高度、外形下受传统线性变参数鲁棒控制的 飞行姿态和轨迹信息，同时保存各平衡点处的鲁棒控制增益矩阵，构建训练集；