本发明专利技术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。本发明专利技术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。高着舰的安全性及成功率。高着舰的安全性及成功率。
【技术实现步骤摘要】
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
[0001]本专利技术涉及舰载机着舰时的舰艉流预测的
，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。
技术介绍
[0002]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。
[0003]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。
[0004]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。
[0005]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。
技术实现思路
[0006]本专利技术的目的在于：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。本专利技术有利于提高着舰的安全性及成功率。
[0007]本专利技术采用的技术方案为：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：
[0008]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；
[0009]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；
[0010]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；
[0011]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。
[0012]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。
[0013]其中，步骤二中所述的机载惯导系统能够实时输出舰载机相对于地理坐标系下的东向、北向和天向速度以及舰载机的俯仰、横滚和航向角，根据舰载机姿态得到机体坐标系与地理坐标系间的变换矩阵，由此得到地理坐标系下的三维空速；矢量三角形测风方法是指空速、地速、风速构成的矢量三角形关系，通过传感器测量地理坐标系下的空速矢量和地速矢量，则可解算得到地理系下的风速矢量，即地速矢量减去空速矢量。
[0014]其中，步骤三中所述的已有着舰的飞行数据是指每次着舰过程中机载传感器和舰载传感器获得的当前的飞机飞行状态和舰船运动状态，其中用到的数据包括当前时间、舰载机相对于理想着舰点的三维位置、舰载机当前的地速和空速、舰载机的攻角和侧滑角、舰载机的姿态角，通过步骤一和步骤二处理得到当前时刻的舰艉流在跑道参考坐标系下的三维测量值；将舰艉流在跑道参考坐标系下的三个方向分量分别进行建模，通过对每个分量进行相关性分析选定下一时刻的舰艉流分量值与历史数据的关系，由此确定样本的输入量为前几个时刻的舰艉流分量值、当前时刻舰载机相对于理想着舰点的位置，输出均为下一时刻的舰艉流分量值；基础模型选为以BP神经网络，网络含一个或多个隐含层。
[0015]其中，步骤四中所述的在着舰过程中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通过步骤一和步骤二实时计算出当前时刻的舰艉流在跑道参考坐标系下的三维测量值，存储后的历史测量值作为步骤三中得到的舰艉流模型的输入，进行舰艉流预测。
[0016]其中，步骤三中所述建模具体包括：
[0017](1)纵向舰艉流分量建模
[0018]输入取为舰载机在跑道参考坐标系的坐标、当前时刻和前n个时刻的跑道参考坐标系下的纵向舰艉流分量值；其中n的大小由相关性分析得到；输出为下一时刻的纵向舰艉流速度值；
[0019](2)侧向舰艉流分量建模
[0020]输入取为舰载机在跑道参考坐标系下的坐标、当前时刻和前n个时刻的跑道参考坐标系下的侧向舰艉流分量值，其中n的大小由相关性分析得到；输出为下一时刻的侧向舰艉流速度值；
[0021](3)垂向舰艉流分量建模
[0022]输入取为舰载机在跑道参考坐标系下的坐标、当前时刻和前n个时刻的跑道参考坐标系下的垂向舰艉流分量值，其中n的大小由相关性分析得到；输出为下一时刻的垂向舰艉流速度值。
[0023]本专利技术与现有技术相比的优点在于：
[0024](1)绝大多数抑制舰艉流影响的研究将重点放在提高着舰控制方法的全面抗风干扰能力上，而对舰艉流的具体测量和表现研究较少。本方法可以实现舰艉流的精确预测，建立适用于不同航母的舰艉流模型，从而进一步设计针对性的抑制方法，为抑制舰艉流影响提供了一种新思路。
[0025](2)本方法实际上是对已有数据的融合和综合利用，通过已有信息深入分析舰艉流规律，是实现着舰大数据信息化、智能化的重要尝试。
[0026](3)本方法通过实时预测舰艉流的大小，为着舰控制系统提供了更加精确的控制模型，降低了着舰控制系统为抑制舰艉流影响进行的相关设计的复杂程度，为提高着舰精确控制水平和着舰成功率奠定了技术基础。
附图说明
[0027]图1为本专利技术的水平面内矢量三角形测风的原理示意图；
[0028]图2为本专利技术的三维风速测量原理图；
[0029]图3为本专利技术的纵向舰艉流分量模型的网络结构图；
[0030]图4为本专利技术实施例中舰艉流分量的自相关和偏相关分析图，其中图4(a)、(b)和(c)分别为纵向、侧向和垂向舰艉流分量的自相关和偏相关分析图；
[0031本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的舰载机着舰时的舰艉流实时预测方法，其特征在于：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样本，根据这些测量值样本采用神经网络进行舰艉流建模；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。2.根据权利要求1所述的基于神经网络的舰载机着舰时的舰艉流实时预测方法，其特征在于：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。3.根据权利要求1所述的基于神经网络的舰载机着舰时的舰艉流实时预测方法，其特征在于：步骤二中所述的机载惯导系统能够实时输出舰载机相对于地理坐标系下的东向、北向和天向速度以及舰载机的俯仰、横滚和航向角，根据舰载机姿态得到机体坐标系与地理坐标系间的变换矩阵，由此得到地理坐标系下的三维空速；矢量三角形测风方法是指空速、地速、风速构成的矢量三角形关系，通过传感器测量地理坐标系下的空速矢量和地速矢量，则可解算得到地理系下的风速矢量，即地速矢量减去空速矢量。4.根据权利要求1所述的基于神经网络的舰载机着舰时的舰艉流实时预测方法，其特征在于：步骤三中所述的已有着舰的飞行数据是指每次着舰过程中机载传感器和舰载传感器获得的当前的飞机飞行状...
【专利技术属性】
技术研发人员：王玮，孟跃，韩豪，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。