[发明专利]基于Matlab/Simulink飞行汽车工况识别系统在审
申请号: | 202210092644.2 | 申请日: | 2022-01-26 |
公开(公告)号: | CN114578708A | 公开(公告)日: | 2022-06-03 |
发明(设计)人: | 隗海林;王哲钊;邵诚世;刘洋 | 申请(专利权)人: | 吉林大学 |
主分类号: | G05B17/02 | 分类号: | G05B17/02 |
代理公司: | 长春市东师专利事务所 22202 | 代理人: | 张铁生;刘延军 |
地址: | 130025 吉林*** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 matlab simulink 飞行 汽车 工况 识别 系统 | ||
1.基于Matlab/Simulink的飞行汽车陆空工况识别系统,包括以下步骤:
1)利用Avl-Cruise软件中已有的地面行驶工况信息,并采集飞行汽车的飞行状态信息及飞行环境信息,生成离线数据集;所述的飞行状态信息为飞行汽车速度和升降舵角度,所述的飞行环境信息为飞行汽车海拔高度;
2)基于Simulink建立联合仿真模型,以离线数据集中的速度信号作为输入,经数学模型计算,输出工况相关特征参数,所得特征参数与飞行汽车的升降舵角度和海拔高度共同组成行驶工况训练样本,通过聚类方法将行驶工况分为七类;
3)初始化BP神经网络,利用训练样本训练BP神经网络工况识别模型;
4)基于改进的遗传算法优化BP神经网络工况识别模型,其中遗传算法的交叉概率随着迭代次数的增加而减小,使种群中优良个体的基因型得以保留延续;遗传算法的变异概率随着迭代次数的增加而增加,鼓励新个体的出现;
5)基于Simulink建立基于改进遗传算法优化的BP神经网络工况识别模型,并以混合动力飞行汽车的工作状态信息和工作环境信息作为输入,完成车辆的工况识别。
2.根据权利要求1所述的基于Matlab/Simulink的飞行汽车陆空工况识别系统,其特征在于,所述的步骤1)为:
利用Avl-Cruise软件中已有的地面行驶工况信息,即各种汽车行驶工况的速度-时间曲线;并将采集到的飞行汽车空中飞行的速度-时间曲线导入到Cruise中;飞行汽车在陆地行驶时,升降舵角度和海拔高度是一个常数;飞行汽车在空中飞行时,利用传感器采集飞行汽车的升降舵角度和海拔高度;根据飞行汽车的飞行状态信息和飞行环境信息,生成离线数据集。
3.根据权利要求1所述的基于Matlab/Simulink的飞行汽车陆空工况识别系统,其特征在于,所述步骤2)为:
基于Simulink建立数学模型,以Cruise中速度-时间曲线的20s为周期进行联合仿真,计算飞行汽车的运行平均车速、平均车速、怠速时间百分比、平均加速度、平均减速度、最大加速度、最小减速度,结合飞行汽车离线数据集中的升降舵角度和海拔高度,将所得9个特征参数共同组成行驶工况训练样本;得到的训练样本库采用二次聚类的方法将工况划分为七类,分别为拥堵工况、高速工况、城市工况、郊区工况、巡航工况、起飞爬升工况和降落工况。
4.根据权利要求1所述的基于Matlab/Simulink的飞行汽车陆空工况识别系统,其特征在于,所述步骤3)为:
初始化BP神经网络的权值和阈值,确定输入层、隐含层和输出层的神经元数目,选取激励函数和训练函数,设定迭代次数和目标性能,分别将各个样本数据的9个特征参数;作为神经网络的输入,并将相应的工况类别编号作为输出值,训练神经网络。
5.根据权利要求1所述的基于Matlab/Simulink的飞行汽车陆空工况识别系统,其特征在于,所述步骤4)为:
应用改进遗传算法对BP神经网络的权值和阈值进行优化,对训练完成的BP神经网络的权值和阈值编码得到初始种群,解码得到权值和阈值,并赋值给新建的BP神经网络,训练并测试该网络,误差值作为适应度,选择适应度高得染色体进行复制,交叉、变异后得到新的种群,直到得到最佳的神经网络权值和阈值,其中随着迭代次数的增加,减小交叉概率,使种群中优良个体的基因型得以保留延续,增加变异概率,鼓励新个体的出现。
6.根据权利要求1所述的基于Matlab/Simulink的飞行汽车陆空工况识别系统,其特征在于,所述步骤5)为:
将建立的最佳的BP神经网络封装为Simulink模块,基于Simulink建立在线工况识别系统,以混合动力飞行汽车的工作状态信息和工作环境信息作为输入,完成车辆的工况识别。
7.根据权利要求1、2、3、4或5所述的基于Matlab/Simulink的混合动力飞行汽车陆空工况识别系统,其特征在于,所述的基于Simulink建立数学模型:
(1)
式中,是飞行汽车的速度,是飞行汽车的运行时间,是平均车速;
(2)
式中,是飞行汽车的速度,是飞行汽车的运行时间,是飞行汽车的加速时间,是飞行汽车的平均加速度;
(3)
式中,是飞行汽车的速度,是飞行汽车的运行时间,是飞行汽车的减速速时间,是飞行汽车的平均减速度;
(4)
式中,是飞行汽车的速度,是飞行汽车速度不为0的时间,为运行平均车速
(5)
式中,是飞行汽车的运行时间,是飞行汽车速度不为0的时间,为怠速时间百分比;
基于Simulink/Cruise联合仿真,以Cruise中速度-时间曲线的20s为周期,根据飞行汽车速度,计算每个周期片段飞行汽车的运行平均车速、平均车速、怠速时间百分比、平均加速度、平均减速度、最大加速度、最小减速度;
飞行汽车飞行状态的需求功率计算方法如公式(6):
(6)
式中,为飞行汽车飞行阻力,为机翼面积;为阻力系数;为飞行汽车飞行速度;为飞行汽车所处高度的空气密度;
由式(6)可以看出和是影响飞行汽车需求功率的重要变量,其中空气密度随着海拔高度的增加而下降,阻力系数与飞行汽车的迎角有关;
因此,在对陆空工况进行识别时,引入飞行汽车海拔高度与升降舵角度,将每个周期片段计算所得七个特征参数与对应的飞行汽车升降舵角度及海拔高度共九个特征参数,共同组成行驶工况训练样本;
起飞爬升阶段升降舵角度大于0,地面行驶及巡航阶段升降舵角度为0,下降阶段升降舵角度小于0;起飞爬升阶段飞行汽车海拔高度在 范巡航阶段飞行汽车海拔高度在范围内,下降阶段飞行汽车海拔高度在范围内;
其中,为飞行汽车初始高度;为飞行汽车巡航阶段最低高度;为飞行汽车巡航阶段最高高度;为飞行汽车下降阶段最低高度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于吉林大学,未经吉林大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210092644.2/1.html,转载请声明来源钻瓜专利网。