买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利运载火箭喷管推力下降工况下的强适应控制律设计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115877860B 。

龙图腾网通过国家知识产权局官网在2026-01-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211165631.X，技术领域涉及：G05D1/46；该发明授权运载火箭喷管推力下降工况下的强适应控制律设计方法是由韦闽峰;夏元清;贾晨辉;段静;刘晓东;张远;董鹏程;刘国明设计研发完成，并于2022-09-23向国家知识产权局提交的专利申请。

本运载火箭喷管推力下降工况下的强适应控制律设计方法在说明书摘要公布了：本发明公开了一种运载火箭喷管推力下降工况下的强适应控制律设计方法，本发明克服现有控制算法的不足，采用的强化学习技术通过在不同推力下降的工况下进行控制律的训练，使控制器能够适应运载火箭喷管推力下降的工况，从而实现运载火箭姿态的强鲁棒稳定控制。同时，本发明采用的算法所建立的训练环境可加入各类其他干扰，通过训练实现控制器对所加入干扰的强适应能力，控制器能力可实现持续提升。本发明解决了ESO等方法难以解决控制量相关系数变化时的状态估计问题，可以更有效地设计补偿量实现对喷管失效推理的补偿，控制精度更高，效果更好。且具有无需进行姿态解耦，以及实现运载火箭控制律的自动设计，减少人为设计的工作量的优点。

本发明授权运载火箭喷管推力下降工况下的强适应控制律设计方法在权利要求书中公布了：1.运载火箭喷管推力下降工况下的强适应控制律设计方法，其特征在于，包括如下步骤： 步骤一：建立喷管推理随机失效工况下运载火箭的三通道姿态回路数学模型，根据数学模型建立Python语言下的训练环境与Markov过程，定义运载火箭当前的姿态误差和角速度作为状态矢量，通过智能体产生的运载火箭的控制量输出作为动作矢量，根据运载火箭的微分方程产生运载火箭下一时刻的姿态误差和角速度作为状态矢量，控制量作用之后的角度误差和角速度的L2距离作为环境反馈的奖励；将与作为训练环境的输入，将与作为训练环境的输出，则运载火箭姿态控制的Markov过程定义为由和生成和的过程； 首先选取俯仰角、偏航角以及滚转角建立运载器的姿态运动学模型，表示如下： 式中，分别表示滚转角速度、偏航角速度以及俯仰角速度，其动态特性如下： 式中，，，表示运载器在本体系内的各轴的转动惯量，表示本体系内轴与轴的惯量积；，，表示三轴控制力矩； 将实际作用于控制系统的力矩表示为： 式中，，表示在三轴上的驱动效率； 考虑退化故障条件下的运载器姿态控制系统，建立运载器调姿段的姿态模型如下： 式中，表示姿态角向量，其中，由于研究阶段为大气层外的姿态调整段，所以有；表示角速度向量；表示三轴等效RCS输出的控制力；旋转矩阵、转动惯量矩阵、叉乘矩阵分别表示如下： 对运载火箭姿态控制问题建立Markov过程；在本问题中，将火箭各姿态通道的控制误差设置为环境的状态量，即： 其中为状态误差矢量，包括各通道的角度控制误差与当前的角速度，训练与测试过程中角度控制误差设置为°，角度的单位设置为°s；取控制器的输出为Markov过程的动作矢量，其定义为： 其中分别为俯仰、偏航、滚动三个通道的姿态控制器输出；为实现算法对于运载火箭执行机构能力下降工况的适应，在训练过程中随机使执行机构能力下降0%-80%； 设置奖励函数的形式为： 其中为正定矩阵，决定各奖励维度的权重； 步骤二：建立TD3强化学习算法智能体，TD3强化学习智能体包括2个Actor网络和4个Critic网络，将状态矢量作为Actor执行网络的输入并输出动作矢量，将Actor网络作用于环境得到的奖励和下一时刻的状态矢量与和组成数据样本来训练Critic执行网络实现智能体与环境交互下累计回报的预测，并通过Critic网络预测的累计回报指导Actor网络获得最大的累计回报值，即最小的累计控制误差；Actor网络含1个用于训练的执行网络和1个用于产生期望价值的目标网络，Critic网络含2个用于训练的执行网络和2个用于产生期望价值的目标网络； 步骤三：当所述TD3强化学习算法智能体训练收敛后，采用Actor网络作为控制器，实现在喷管推力失效工况下的运载火箭姿态控制。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。