[发明专利]一种飞行控制算法一体化训练平台

权利要求书

1.一种飞行控制算法一体化训练平台，其特征在于，所述飞行控制算法一体化训练平台包括：

控制器、机器学习框架模块和可视化飞行仿真环境；其中：

所述可视化飞行仿真环境包括动力学模型、视景仿真模型和调用接口；

所述可视化飞行仿真环境通过所述调用接口与所述机器学习框架模块相连接；

所述机器学习框架模块用于实现所述控制器和所述可视化飞行仿真环境之间的数据交互；

所述动力学模型包括飞行器动力学模型的模型特征参数；所述视景仿真模型用于展示飞行控制算法的一体化训练过程中的飞行状态信息；

所述动力学模型与所述视景仿真模型之间建立通讯连接。

2.根据权利要求1所述的飞行控制算法一体化训练平台，其特征在于，所述视景仿真模型包括FlightGear；相应的，所述动力学模型与所述视景仿真模型之间通过以下方式建立通讯连接：

通过UDP通讯端口建立所述动力学模型与FlightGear指定网络端口之间的通讯连接。

3.根据权利要求1所述的飞行控制算法一体化训练平台，其特征在于，所述飞行控制算法一体化训练平台还包括Docker容器模块：

所述控制器、所述机器学习框架模块和所述可视化飞行仿真环境内置于所述Docker容器模块中。

4.根据权利要求3所述的飞行控制算法一体化训练平台，其特征在于，所述飞行控制算法一体化训练平台还包括远程调试模块：

所述远程调试模块内置在终端中；所述终端与所述Docker容器模块通过网络连接；

所述远程调试模块为终端用户提供通过网页访问Docker容器训练环境的服务。

5.根据权利要求4所述的飞行控制算法一体化训练平台，其特征在于，所述远程调试模块利用VNC虚拟桌面实现远程调试功能。

6.根据权利要求1所述的飞行控制算法一体化训练平台，其特征在于，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。

7.根据权利要求6所述的飞行控制算法一体化训练平台，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，所述机器学习框架模块具体用于：

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所述控制指令，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，其特征在于，所述可视化飞行仿真环境用于构建所述视景仿真模型，具体包括：

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。

9.根据权利要求1所述的飞行控制算法一体化训练平台，其特征在于，所述可视化飞行仿真环境用于构建所述动力学模型，具体包括：

建立所述飞行器动力学模型；

采用XML语言编写配置文件，以描述所述模型特征参数。

10.根据权利要求9所述的飞行控制算法一体化训练平台，其特征在于，所述可视化飞行仿真环境还具体用于：

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。