[发明专利]面向深度强化学习的飞行动力学模型可信度评估方法

权利要求书

1.面向深度强化学习的飞行动力学模型可信度评估方法，其特征在于，包括：

制作无人机航模，并基于不同飞行动力学模型建立无人机航模的仿真模型；

从基本机动动作决策集中选取一种基本机动动作，生成其对应控制命令序列，进而使用该控制命令序列驱动无人机航模及其仿真模型进行飞行，记录其输出轨迹；

以无人机航模输出轨迹为参考数据，计算其他无人机航模仿真模型与无人机航模输出轨迹的相似度；

在选取完所有基本机动动作和完成对应轨迹相似度计算后，计算飞行动力学模型的相似度并排序，完成飞行动力学模型可信度评估。

2.根据权利要求1所述的面向深度强化学习的飞行动力学模型可信度评估方法，其特征在于，基本机动动作包括稳定飞行、最大加速度飞行、最大减速飞行、最大过载右转、最大过载左转、最大过载拉升以及最大过载俯冲。

3.根据权利要求2所述的面向深度强化学习的飞行动力学模型可信度评估方法，其特征在于，每种所述基本机动动作对应一种动作定义(Nx，Nz)与动作标识ai，其中i为动作标识编号，i为正整数，且i＝1，2……7。

4.根据权利要求3所述的面向深度强化学习的飞行动力学模型可信度评估方法，其特征在于，Nx为飞机沿速度矢量方向的过载，Nz为飞机对称面内与速度矢量方向垂直的过载。

5.根据权利要求1所述的面向深度强化学习的飞行动力学模型可信度评估方法，其特征在于，轨迹的相似度的计算方式为：

其中，A为由基本机动动作ai构成的集合，Wi为基本机动动作ai可信度的权重。

6.根据权利要求1所述的面向深度强化学习的飞行动力学模型可信度评估方法，其特征在于，输出轨迹是移动对象的时间和空间的记录序列，由时间域向空间域映射的函数表示。

7.根据权利要求1所述的面向深度强化学习的飞行动力学模型可信度评估方法，其特征在于，无人机的整个飞行过程视为若干基本飞行动作的组合。

8.根据权利要求1所述的面向深度强化学习的飞行动力学模型可信度评估方法，其特征在于，计算其他无人机航模仿真模型与无人机航模输出轨迹的相似度时采用同样控制命令，并分析输出的飞行参数。

9.根据权利要求8所述的面向深度强化学习的飞行动力学模型可信度评估方法，其特征在于，

所述飞行参数包括T，N，E，H，V，θ，μ，α，β，n_x，n_z，Ma；

其中，T为每个记录点的时刻，N为纬度坐标，E为经度坐标，H为海拔高度，V为空速，ψ为偏航角，θ为俯仰角，μ为滚转角，α为迎角，β为侧滑角，n_X为纵向过载，n_Z为法向过载，Ma为马赫数。

10.根据权利要求1所述的面向深度强化学习的飞行动力学模型可信度评估方法，其特征在于，飞行参数是数据基础，且将评估飞行器操纵品质的参数集合记为：