[发明专利]一种刹车控制方法和装置

权利要求书

1.一种刹车控制方法，其特征在于，该方法包括：

基于滑移率构建用于表征飞机刹车状态的刹车系统状态空间；

基于所述刹车系统状态空间，根据专家示教数据获得回报函数，所述专家示教数据为在控制飞机完成刹车任务时得到的数据；

基于近端策略优化算法优化所述回报函数，获得目标回报函数；

通过所述目标回报函数，根据刹车任务中的工况输出刹车压力；

所述基于所述刹车系统状态空间，根据专家示教数据获得回报函数包括：

根据在控制飞机完成刹车任务时计算出的理想刹车压力和实际输出压力，获得目标策略输出压力；

根据所述目标策略输出压力，获得目标动作输出策略；

在满足预设条件的基础上利用反向学习算法获得回报函数，所述预设条件包括：所述目标动作输出策略的状态值函数的值最大化以及所述目标动作输出策略与次优动作输出策略之间的状态值函数的差最大化。

2.根据权利要求1所述刹车控制方法，其特征在于，所述基于滑移率构建刹车系统状态空间包括：

通过干扰特征识别出各扰动发生的概率值；

将所述各扰动发生的概率值与正常状态的概率值作差得到概率差；

拟合所述概率差，得到滑移状态变化量，所述滑移状态变化量用于表征飞机刹车状态。

3.根据权利要求1所述刹车控制方法，其特征在于，所述基于近端策略优化算法优化所述回报函数，获得目标回报函数，包括：

在刹车控制过程中，动作输出策略为神经网络，基于所述神经网络的权重参数对多个目标进行同时优化，在优化完毕后，计算所述权重参数优化前后的优势函数，若所述权重参数优化后的优势函数大于所述权重参数优化前的优势函数，则对所述权重参数进行更新，否则对所述权重参数不进行更新，直到获得所述目标回报函数。

4.一种刹车控制装置，其特征在于，该装置包括：空间重构模块、回报重塑模块、策略提升模块和压力输出模块，其中，

所述空间重构模块，用于基于滑移率构建用于表征飞机刹车状态的刹车系统状态空间；

所述回报重塑模块，用于基于所述刹车系统状态空间，根据专家示教数据获得回报函数，所述专家示教数据为在控制飞机完成刹车任务时得到的数据；

所述策略提升模块，用于基于近端策略优化算法优化所述回报函数，获得目标回报函数；

所述压力输出模块，用于通过所述目标回报函数，根据刹车任务中的工况输出刹车压力；

所述回报重塑模块具体用于根据在控制飞机完成刹车任务时计算出的理想刹车压力和实际输出压力，获得目标策略输出压力；根据所述目标策略输出压力，获得目标动作输出策略；在满足预设条件的基础上利用反向学习算法获得回报函数，所述预设条件包括：所述目标动作输出策略的状态值函数的值最大化以及所述目标动作输出策略与次优动作输出策略之间的状态值函数的差最大化。

5.根据权利要求4所述刹车控制装置，其特征在于，所述空间重构模块具体用于通过干扰特征识别出各扰动发生的概率值；将所述各扰动发生的概率值与正常状态的概率值作差得到概率差；对所述概率差进行拟合得到滑移状态变化量，所述滑移状态变化量用于表征飞机刹车状态。

6.根据权利要求5所述刹车控制装置，其特征在于，所述策略提升模块具体用于在刹车控制过程中，动作输出策略为神经网络，基于所述神经网络的权重参数对多个目标进行同时优化，在优化完毕后，计算所述权重参数优化前后的优势函数，若所述权重参数优化后的优势函数大于所述权重参数优化前的优势函数，则对所述权重参数进行更新，否则对所述权重参数不进行更新，直到获得所述目标回报函数。

7.一种可读存储介质，其特征在于，其上具有可执行指令，当可执行指令被执行时，使得计算机执行如权利要求1-3中的任一项所包括的方法。

8.一种计算设备，其特征在于，包括：一个或多个处理器、存储器以及程序，其中，所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行如权利要求1-3中的任一项所包括的方法。