[发明专利]一种飞行控制算法一体化训练平台的构建方法

权利要求书

1.一种飞行控制算法一体化训练平台的构建方法，其特征在于，包括：

构建飞行器动力学模型；构建视景仿真模型；所述视景仿真模型展示飞行控制算法的一体化训练过程中的飞行状态信息；

构建执行所述飞行控制算法的控制器与可视化飞行仿真环境之间数据交互的机器学习框架模块，并通过所述机器学习框架模块由所述可视化飞行仿真环境向所述控制器发送飞行状态信息，由所述控制器向所述可视化飞行仿真环境发送控制指令；

其中，所述可视化飞行仿真环境包括所述动力学模型、所述视景仿真模型和可被所述机器学习框架模块调用的调用接口。

2.根据权利要求1所述的飞行控制算法一体化训练平台的构建方法，其特征在于，所述构建视景仿真模型，包括：

将所述飞行状态信息输出到FlightGear指定网络端口上，并驱动FlightGear对所述飞行器动力学模型的飞行状态进行视景仿真。

3.根据权利要求1所述的飞行控制算法一体化训练平台的构建方法，其特征在于，所述构建飞行器动力学模型，包括：

采用XML语言编写配置文件，以描述所述飞行器动力学模型的模型特征参数。

4.根据权利要求1所述的飞行控制算法一体化训练平台的构建方法，其特征在于，所述构建飞行器动力学模型，包括：

若用户没有特别指定的飞行器动力学模型，则利用JSBSim中现有的开源模型，或者利用不同的开源模型，并利用强化学习算法来预训练开源模型的控制律。

5.根据权利要求3所述的飞行控制算法一体化训练平台的构建方法，其特征在于，所述飞行控制算法一体化训练平台的构建方法还包括：

在所述飞行控制算法的一体化训练过程中，各飞行器动力学模型对应同一个通用3D显示模型，且无需对所述通用3D显示模型的模型细节进行改动；

在所述飞行控制算法经过验证可用后，通过所述配置文件配置各飞行器动力学模型的3D飞行效果。

6.根据权利要求1所述的飞行控制算法一体化训练平台的构建方法，其特征在于，所述飞行控制算法一体化训练平台的构建方法还包括：

在所述飞行控制算法的一体化训练过程中，当训练计算量大于计算量阈值时，关闭所述视景仿真模型；

当验证训练得到的控制律效果时，打开所述视景仿真模型。

7.根据权利要求1所述的飞行控制算法一体化训练平台的构建方法，其特征在于，利用JSBSim进行各飞行器动力学模型的批量仿真、所述机器学习框架模块包括Python、所述控制器的可视化仿真验证环境调用接口采用GYM；相应的，所述控制器与所述可视化飞行仿真环境之间数据交互，包括：

在所述Python中创建JSBSim运行实例；

加载指定的飞行器动力学模型到JSBSim中；

设置指定的飞行器动力学模型的初始仿真状态；

从JSBSim中抽取飞行状态信息，并将所述飞行状态信息发送至所述控制器；

输入由所述控制器发送的所述控制指令到所述JSBSim运行实例；

根据所述飞行状态信息和控制指令，构建奖励函数，并发送所述奖励函数输出的奖励信息至所述控制器；

按照GYM API接口，通过所述调用接口响应从所述机器学习框架模块发出的查询指令，定期与JSBSim实例进行数据交互；

查询是否收到从控制器发出的仿真结束指令，若收到，则结束仿真，释放JSBSim实例，并保存数据；

若未收到，则继续执行所述从JSBSim中抽取飞行状态信息及后续的步骤，直到满足仿真结束的条件。

8.根据权利要求1所述的飞行控制算法一体化训练平台的构建方法，其特征在于，所述飞行控制算法一体化训练平台的构建方法部署在Docker容器中；具体包括：

构建所述Docker容器；

在所述Docker容器中部署实现所述飞行控制算法一体化训练平台的构建方法所涉及的软件模块，以及所需要的配置数据。