[发明专利]基于模糊聚类的飞翼无人机的包线划分以及增益调度方法

权利要求书

1.基于模糊聚类的飞翼无人机的包线划分以及增益调度方法，其特征在于，包括如下步骤：

步骤1：将无人机飞行包线根据速度、高度进行等梯度取样，选择每个样本点对应的系统矩阵作为飞行包线的飞行状态样本集；

步骤2：根据划分有效性指标确定最优的模糊聚类算法参数：聚类中心数和模糊指数；

步骤3：利用模糊聚类算法对飞行包线样本集划分得到典型的飞行状态和隶属度矩阵；

步骤4：基于步骤3的包线划分结果，选取速度和动压作为飞行控制律的调度变量；

步骤5：选取Sigmoid型隶属度函数修正由模糊聚类得到的速度和动压的隶属度曲线；

步骤6：根据T-S模糊增益调度算法计算最优控制增益。

2.根据权利要求1所述的基于模糊聚类的飞翼无人机的包线划分以及增益调度方法，其特征在于，所述步骤1中，无人机的状态空间表示为

其中，x表示状态变量，u表示控制变量，y表示输出量，A表示系统矩阵，B表示控制矩阵，C表示输出矩阵，D表示前馈矩阵；

选择每个样本点对应的A阵作为飞行包线划分样本。

3.根据权利要求1所述的基于模糊聚类的飞翼无人机的包线划分以及增益调度方法，其特征在于，所述步骤2中，划分有效性指标包括划分系数PC、划分指数SC、划分熵CE和Xie-Beni指数，其数学表达式为：

其中，c表示聚类中心数，N表示样本数据集大小，μ_ik表示第k个样本相对第i个聚类中心的隶属度值，m表示模糊度指数，X_k表示第k个数据样本，V_i表示第i个聚类中心，V_j表示第j个聚类中心；

通过对比不同聚类中心数和模糊度指数下划分有效性指标的大小，选择最优的包线划分聚类中心数和模糊度指数。

4.根据权利要求3所述的基于模糊聚类的飞翼无人机的包线划分以及增益调度方法，其特征在于，所述步骤3中，利用模糊聚类算法进行飞行包线划分转换为一个带约束的非线性规划问题，通过寻求最优解获得数据集的聚类中心和划分隶属度值，目标函数表示样本点与聚类中心的距离总和，其数学表达式为：

其中，X为飞行状态集、为隶属度矩阵，V＝{V_i|1≤i≤c,V_i∈Rⁿ}表示聚类中心集合，Rⁿ表示聚类中心的维数，d_ik表示第k个数据样本和第i个聚类中心的距离；

模糊聚类算法的迭代计算步骤包括：

1)计算聚类中心：

2)计算新的距离范数：

3)计算新的划分矩阵：

当||U^(l)-U^(l-1)||＜ε,则迭代结束,否则继续；

其中，V_i^(l)表示第l步的V_i，表示第(l-1)步u_ik，d_jk表示第k个数据样本和第j个聚类中心的距离，U^(l)、U^(l-1)分别表示第l和(l-1)步的隶属度矩阵，ε表示算法收敛误差。

5.根据权利要求4所述的基于模糊聚类的飞翼无人机的包线划分以及增益调度方法，其特征在于，所述步骤5中，Sigmoid型隶属度函数表达式为：

其中，a表示描述Sigmoid型曲线的倾斜程度的参数，e表示Sigmoid型曲线中点的位置。

6.根据权利要求5所述的基于模糊聚类的飞翼无人机的包线划分以及增益调度方法，其特征在于，所述步骤6包括：综合速度和动压的隶属度函数f_i1,f_i2，则组合隶属度函数为μ_i＝f_i1f_i2，则对于特定的飞行状态，其最优的控制增益通过下式计算：

其中，f_i1,f_i2,i＝1,…c分别表示速度和动压相对第i个聚类中心的隶属度函数，K_i为第i个典型飞行状态对应的控制增益。