[发明专利]一种高超声速飞行器动态杆臂效应智能补偿方法

权利要求书

1.一种高超声速飞行器动态杆臂效应智能补偿方法，其特征在于，具体步骤如下：

首先，针对高超声速飞行器，基于现有的杆臂效应误差模型，建立高动态弹性变形下的动态杆臂效应误差模型；同时，建立高超声速飞行器INS误差模型；

然后、对动态杆臂效应误差模型中的固有频率进行强化学习，实现对动态环境下飞行器杆臂的补偿后代入原动态杆臂效应误差模型，进行INS/GNSS组合导航得到导航结果；

最后、将当前导航结果与GNSS的定位结果的误差作为强化学习标志位，当误差大于阈值时，采集距离飞行器当前时刻最近的N秒IMU和GNSS数据，对固有频率进行自适应学习，并反馈给态杆臂效应误差模型继续滤波和定位，进行导航结果的修正。

2.如权利要求1所述的一种高超声速飞行器动态杆臂效应智能补偿方法，其特征在于，所述高动态弹性变形下的动态杆臂效应误差模型为：

其中，为杆臂效应产生的加速度计误差，r_A为杆臂长度矢量；为本体坐标系相对惯性坐标系的转动角速度，为转动角速度的反对称矩阵，r_A0代表初始杆臂长度；

ω_i为第i阶振型的固有频率，ζ_i为第i阶振型的阻尼系数，W_i(x)表示飞行器纵轴各点的相对横移关系，称为第i次固有振型函数；q为弹性振动的广义坐标，u_q为弹性变形控制量，w_q为弹性变形噪声项，u_r为杆臂效应误差控制量，w_r为杆臂效应误差噪声项。

3.如权利要求1所述的一种高超声速飞行器动态杆臂效应智能补偿方法，其特征在于，所述强化学习元素如下表所示：

将强化学习过程作为马尔可夫决策过程，即(s,α,P,r,ρ₀)；

其中s是一组状态量，α是一组动作，P：s×α×s→R≥0为由智能体表示的转移概率分布，r：s×α→R为从环境中获得的奖励价值，ρ₀：s→R≥0是初始状态；

首先，将动态杆臂效应误差模型中的广义坐标q扩展到组合导航系统中的状态量X，即：

[φ_E φ_N φ_U]^T为飞行器惯导姿态失准角；[δV_E δV_N δV_U]^T为飞行器在导航系下的速度误差；[δL δλ δh]^T为飞行器纬—经—高度位置误差；ε_bi为陀螺仪的常值漂移项，ε_ri为陀螺仪的一阶马尔科夫过程漂移项，为加速度计的一阶马尔科夫过程漂移项，q为弹性振动的广义坐标；

然后，基于状态量X，得到动态杆臂效应误差在线标定系统的状态方程和量测方程；

其中，F(t)为系统矩阵，B(t)为系统控制矩阵，G(t)为系统状态噪声系数矩阵，W(t)为系统噪声矩阵，H(t)为量测系数矩阵，V(t)为量测噪声矩阵，U(t)为控制矩阵；

最后，使用带确定性控制的卡尔曼滤波器，将各状态信息进行融合，得到组合导航的结果。