【技术实现步骤摘要】
本专利技术涉及流量控制技术，尤其涉及一种用于电推进系统的流量控制方法及系统。
技术介绍
1、电推进系统广泛应用于航空航天等领域，对其中推进剂流量的精确控制对整个系统的工作效率和可靠性至关重要。传统的电推进系统流量控制方法主要包括pid控制、自适应控制、滑模变结构控制等理论。pid控制是最基础和常用的控制方法，通过对误差信号的比例、积分和微分进行组合，形成控制规律。但pid控制存在参数选取困难、适应性差、抗干扰能力弱等缺点，难以满足电推进系统对流量控制的高精度要求。滑模变结构控制具有良好的鲁棒性和抗干扰能力，可以保证系统的动态响应跟踪性能。但该控制方法对参数变化敏感，容易产生抖振，无法完全消除静态误差，且算法求解复杂。
2、综上所述，现有技术方案或存在控制精度、动态性能、适应性、智能化程度不足等缺陷，尚不能完全满足电推进系统对流量控制的苛刻要求。亟需提出一种具有高精度、快速响应、自适应优化、智能化的流量控制新方法，以提升电推进系统的整体性能。
技术实现思路
1、本专利技术实施例提供一种用于电推进系统的流量控制方法及系统，能够解决现有技术中的问题。
2、本专利技术实施例的第一方面，
3、提供一种用于电推进系统的流量控制方法，包括：
4、获取电推进系统的流量传感器反馈信号，计算流量误差和误差变化率，将其与预设的流量控制目标值进行比较，判断系统是否满足控制要求，若不满足，则将流量误差和误差变化率输入模糊控制器；
5、通过模糊控制器
6、将参数修正值与模糊控制器的当前参数进行在线调整，得到更新后的模糊控制器参数，根据更新后的模糊控制器参数计算控制律，通过控制律输出控制电压信号，驱动电动比例阀调节阀门开度，改变推进剂流量，并将调节后的流量值通过传感器反馈给模糊控制器。
7、在一种可选的实施例中，
8、通过模糊控制器对流量误差和误差变化率进行模糊化处理，得到流量误差和误差变化率的误差模糊子集，根据预设的模糊规则库对误差模糊子集进行模糊推理，得到模糊控制器参数修正量的模糊子集包括：
9、对流量误差和误差变化率进行模糊化处理，根据预先确定的流量误差和误差变化率的论域，确定流量误差和误差变化率的误差模糊子集；
10、确定流量误差和误差变化率模糊子集的隶属度函数，根据流量误差和误差变化率的值，计算误差模糊子集的隶属度，得到流量误差和误差变化率的误差模糊子集；
11、根据流量控制的专家经验和控制策略，建立流量误差、误差变化率与模糊控制器参数修正量之间的模糊控制规则，得到模糊规则库；
12、根据流量误差和误差变化率的模糊子集，利用所述模糊规则库进行模糊推理，得到模糊控制器参数修正量的模糊子集。
13、在一种可选的实施例中，
14、所述方法还包括：
15、将模糊控制器参数修正量代入模糊控制器，计算控制输出，基于控制输出获得目标输入数据和目标输出数据；
16、根据所述目标输入数据和目标输出数据，计算预设的控制性能评估指标，并将所述多个控制性能评估指标加权合成优化目标函数；
17、以模糊控制器中隶属度函数的特征参数和推理规则的置信度因子为优化变量，利用优化算法在线搜索所述特征参数和置信度因子的最优值，得到最优特征参数和最优置信度因子；
18、将所述最优特征参数代入模糊控制器的隶属度函数中，将所述最优置信度因子代入模糊控制器的推理规则库中，得到优化后的自适应模糊推理模型。
19、在一种可选的实施例中，
20、参数修正值的计算方法还包括：
21、采集电推进系统的状态信息并进行预处理，得到预处理后的系统状态数据，根据预处理后的系统状态数据，建立约束条件与系统状态的自适应映射关系，动态调整参数修正值的约束条件，得到调整后的参数修正值约束范围；
22、根据电推进系统的动态特性，建立推进剂流量预测模型，利用训练好的推进剂流量预测模型对未来流量变化进行预测，得到未来流量变化的预测信息；
23、以推进器的控制精度、响应速度、能耗为优化目标，将调整后的参数修正值约束范围作为约束条件，结合未来流量变化的预测信息构建多目标优化问题，通过对多目标优化问题进行求解，得到参数修正值的最优解集；
24、从参数修正值的最优解集中选取目标参数修正值，根据目标参数修正值实现推进剂流量的优化控制。
25、在一种可选的实施例中，
26、利用训练好的推进剂流量预测模型对未来流量变化进行预测，得到未来流量变化的预测信息包括：
27、获取当前时刻的推力器工作状态参数，构建输入特征，并对输入特征进行归一化处理，将其映射到预设范围内，得到标准输入特征；
28、将标准输入特征输入到预先训练好的推进剂流量预测模型中，得到预设时间步数的流量预测值，对流量预测值进行反归一化处理，将其还原到预设流量值范围，根据反归一化后的流量预测值，计算其与预先获取的历史流量值之间的趋势相关系数；
29、根据反归一化后的流量预测值和趋势相关系数，得到未来流量变化的预测信息，其中未来流量变化的预测信息包括预设时间步数的流量预测值和预测趋势的置信度。
30、在一种可选的实施例中，
31、将参数修正值与模糊控制器的当前参数进行在线调整，得到更新后的模糊控制器参数包括：
32、将模糊控制器的参数调整问题建模为马尔可夫决策过程，所述马尔可夫决策过程包括状态空间、动作空间、转移概率和奖励函数，其中，状态空间包括系统的当前状态和历史信息，动作空间为模糊控制器的参数修正值；
33、采用深度强化学习算法，通过神经网络近似值函数，通过最小化时序差分误差更新网络参数，得到最优的参数调整策略；
34、在模糊控制器运行过程中，利用得到的最优的参数调整策略进行参数调整，根据策略网络输出的值函数，选择最优的参数修正值更新模糊控制器的参数，得到更新后的模糊控制器参数。
35、在一种可选的实施例中，
36、深度强化学习算法的损失函数计算公式如下：
37、；
38、l(θ)表示损失函数，θ表示当前网络参数，e[·]表示期望，r表示当前时间步的奖励值，γ表示折扣因子，表示目标网络在下一个状态s'时的最大动作值，q(·)表示值函数，s'表示下一个状态，a'表示在下一个状态s'时选择的动作，表示目标网络的参数，s表示当前状态，a表示当前状态选择的动作，θ表示当前网络参数。
39、本专利技术实施例的第二方面，
40、提供一种用于电推进系统的流量控制系统，包括：...
【技术保护点】
1.一种用于电推进系统的流量控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过模糊控制器对流量误差和误差变化率进行模糊化处理，得到流量误差和误差变化率的误差模糊子集，根据预设的模糊规则库对误差模糊子集进行模糊推理，得到模糊控制器参数修正量的模糊子集包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，参数修正值的计算方法还包括：
5.根据权利要求4所述的方法，其特征在于，利用训练好的推进剂流量预测模型对未来流量变化进行预测，得到未来流量变化的预测信息包括：
6.根据权利要求1所述的方法，其特征在于，将参数修正值与模糊控制器的当前参数进行在线调整，得到更新后的模糊控制器参数包括：
7.根据权利要求6所述的方法，其特征在于，深度强化学习算法的损失函数计算公式如下：
8.一种用于电推进系统的流量控制系统，用于实现前述权利要求1-7中任一项所述的方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括：>
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.一种用于电推进系统的流量控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过模糊控制器对流量误差和误差变化率进行模糊化处理，得到流量误差和误差变化率的误差模糊子集，根据预设的模糊规则库对误差模糊子集进行模糊推理，得到模糊控制器参数修正量的模糊子集包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，参数修正值的计算方法还包括：
5.根据权利要求4所述的方法，其特征在于，利用训练好的推进剂流量预测模型对未来流量变化进行预测，得到未来流量变...
【专利技术属性】
技术研发人员：贾云涛，樊明洲，沈岩，
申请(专利权)人：北京易动宇航科技有限公司，
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。