[发明专利]一种基于遗传算法的飞行仿真机动控制优化方法

说明书

本发明属航空电子技术领域，特别涉及一种基于遗传算法的飞行仿真机动控制优化方法。能够对飞行仿真中多种飞行机动(180度转弯、破S机动、飞行爬升)控制参数进行优化，在多维参数空间中寻找更为优化的参数组合，缩短飞行机动时间，提升机动动作的执行效率和执行品质。可以增强飞机执行机动动作的飞行品质，降低对飞行员的经验依赖，提高对抗训练的飞行员的操作水平，提升飞行训练效能。

技术领域

本发明属航空电子技术领域，特别涉及一种基于遗传算法的飞行仿真机动控制优化方法。

背景技术

在飞行仿真训练执行任务时，如何操控飞机做出性能更优的机动动作，对于任务的成功执行具有重要意义。更优的机动动作意味着具有更短的导弹规避距离，以及能够更快地躲避导弹并占据更为有利的攻击位置，从而在仿真训练对抗中抢占先机。目前，飞行员需要依靠大量的实飞或在仿真器中进行飞行训练来学习做出性能优良的机动，需要花费大量的时间和经济成本，并且训练效果也因人而异。随着智能技术的发展，如果能在飞行仿真中对飞机操控进行优化，使飞机可以做出高性能的机动动作，则一方面可以将该控制方法和参数推广到实际飞行中，提升飞机操控水平；另一方面，可以在仿真中为飞行员的对战训练提供更为强大的AI对手，从而提升飞行员的操作水平。基于遗传算法的飞行仿真机动控制优化方法因此被提出，以实现对飞机机动控制操作的优化，提升机动性能。

发明内容

本发明提供基于遗传算法的飞行仿真机动控制优化方法，能够对飞行仿真中多种飞行机动(180度转弯、破S机动、飞行爬升)控制参数进行优化，在多维参数空间中寻找更为优化的参数组合，缩短飞行机动时间，提升机动动作的执行效率和执行品质。

本发明的发明目的通过以下技术方案实现：

一种基于遗传算法的飞行仿真机动控制优化方法，包括以下步骤：

步骤一、确定飞行机动控制参数及取值范围；

步骤二、确定适应度值的计算和传输方式；所述适应度值为待优化目标，用于评价一组机动控制参数下的机动飞行的品质；

步骤三、确定采用的遗传优化算法；

步骤四、进行种群初始化，并对种群中的每个个体所表示的机动控制参数进行初始化；

步骤五、统计种群适应度值；

步骤六、根据算子选择方法选择种群中的个体作为变异母体；

步骤七、将选择出来的变异母体进行染色体交叉；

步骤八、将染色体交叉之后的变异母体进行基因变异；

步骤九、变异母体基因变异后的生成新一代个体，新一代个体形成新一代种群；对新一代种群中的个体进行适应度值计算；

步骤十、从步骤六开始对新一代种群进行迭代优化，直至达到设定的迭代代数。

进一步，所述步骤一中的飞行机动控制参数包括：操纵杆水平方向操控量，操纵杆竖直方向操控量，左油门操控量，右油门操纵量以及襟翼操控量。

进一步，所述步骤二中的适应度值以每个飞行机动的衡量因素作为参数进行计算；所述衡量因素包括时间、速度和高度。

进一步，所述遗传优化算法包括：经典遗传算法、带代沟简单遗传算法、精英保留遗传算法、增强精英保留的遗传算法、增强精英保留多种群协同遗传算法、稳态遗传算法。

进一步，所述步骤四中待初始化的参数包括：个体个数，进化代数和参数编码方式；所述步骤四中还用于对步骤三中选择的遗传算法的超参数进行初始化；

所述步骤四中还对步骤一中机动控制参数进行编码形成编码序列。