本發(fā)明屬于飛行器設(shè)計(jì)技術(shù)領(lǐng)域，具體涉及一種基于飛行員注意力最優(yōu)分配假設(shè)的駕駛員最優(yōu)控制模型加權(quán)系數(shù)計(jì)算方法。

背景技術(shù)：

利用飛機(jī)駕駛員模型開(kāi)展模擬飛行員主觀評(píng)價(jià)的飛行品質(zhì)預(yù)測(cè)，一直是國(guó)內(nèi)外學(xué)者努力追求目標(biāo)。其中基于駕駛員最優(yōu)控制模型(Optimal control pilot model,OCM模型)開(kāi)展飛行品質(zhì)預(yù)測(cè)是代表性方法之一。當(dāng)前基于OCM模型開(kāi)展飛行品質(zhì)預(yù)測(cè)存在的主要問(wèn)題之一，就是指標(biāo)函數(shù)加權(quán)系數(shù)沒(méi)有統(tǒng)一選取方法。目前大多由設(shè)計(jì)人員主觀選取。由此帶來(lái)了方法使用的隨意性和飛行品質(zhì)預(yù)測(cè)的顯著差異。這無(wú)疑增加了方法推廣使用困難。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有技術(shù)中存在的問(wèn)題，本發(fā)明提供一種基于飛行員注意力最優(yōu)分配假設(shè)的駕駛員最優(yōu)控制模型加權(quán)系數(shù)計(jì)算方法，為OCM模型推廣使用提供了更為科學(xué)的理論依據(jù)，可以為飛行品質(zhì)預(yù)測(cè)和飛行器設(shè)計(jì)起到積極促進(jìn)作用。所述加權(quán)系數(shù)計(jì)算方法遵循加權(quán)系數(shù)選擇原則和指標(biāo)函數(shù)計(jì)算原則。

所述的加權(quán)系數(shù)選擇原則是指：飛行員可以最優(yōu)的調(diào)節(jié)注意力分配使跟蹤誤差和體力負(fù)荷最小。即駕駛員最優(yōu)控制模型應(yīng)該最優(yōu)的分配加權(quán)系數(shù)使跟蹤誤差和體力負(fù)荷最小。

所述的指標(biāo)函數(shù)計(jì)算原則是指：駕駛員評(píng)分指標(biāo)函數(shù)，應(yīng)同時(shí)體現(xiàn)腦力負(fù)荷、體力負(fù)荷以及操縱效果。盡量排除加權(quán)系數(shù)變化和驅(qū)動(dòng)函數(shù)設(shè)置影響。

基于上述兩個(gè)原則，本發(fā)明提供的加權(quán)系數(shù)計(jì)算方法具體包括如下步驟：

第一步，構(gòu)建增廣被控對(duì)象。

第二步，根據(jù)飛行任務(wù)，構(gòu)建飛行員最優(yōu)控制模型指標(biāo)函數(shù)，給定初始加權(quán)系數(shù)值。

第三步，計(jì)算飛行員最優(yōu)控制增益。

第四步，求解觀測(cè)噪聲方差和操縱噪聲方差，計(jì)算Kalman濾波增益。

第五步，計(jì)算指標(biāo)函數(shù)J。

第六步：以指標(biāo)函數(shù)J為目標(biāo)函數(shù)，以加權(quán)系數(shù)為自變量，進(jìn)行尋優(yōu)計(jì)算，直至找到令J取得最小值的加權(quán)系數(shù)，求解結(jié)束。

本發(fā)明的優(yōu)點(diǎn)在于：

(1)提供了OCM模型加權(quán)系數(shù)選取的科學(xué)方法和規(guī)范化流程，可避免人為選擇加權(quán)系數(shù)對(duì)模型指標(biāo)函數(shù)帶來(lái)干擾。

(2)提供了加權(quán)系數(shù)的準(zhǔn)確計(jì)算方法，可據(jù)此開(kāi)展更為準(zhǔn)確的飛行品質(zhì)預(yù)測(cè)。

附圖說(shuō)明

圖1為指標(biāo)函數(shù)與加權(quán)系數(shù)關(guān)系示意圖。

圖2為算例飛行品質(zhì)預(yù)測(cè)比較圖。

圖3為本發(fā)明提供的一種基于飛行員注意力最優(yōu)分配假設(shè)的駕駛員最優(yōu)控制模型加權(quán)系數(shù)計(jì)算方法流程圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。

本發(fā)明提供一種基于飛行員注意力最優(yōu)分配假設(shè)的駕駛員最優(yōu)控制模型加權(quán)系數(shù)計(jì)算方法，下面以單通道跟蹤任務(wù)為例，結(jié)合圖3，對(duì)本發(fā)明所述加權(quán)系數(shù)計(jì)算方法的步驟流程說(shuō)明如下：

步驟一：構(gòu)建形如下式的增廣被控對(duì)象：

其中，x_s是帶有延遲的增廣狀態(tài)向量，為x_s的一階導(dǎo)數(shù)，A_s、B_s、C_s、D_s、E_s是增廣系數(shù)矩陣，u_p是飛行員操縱量，y是輸出狀態(tài)量，w是外界擾動(dòng)向量。其中C_s＝[C DC_d]，D_s＝D，x為飛機(jī)小擾動(dòng)方程狀態(tài)向量。x_d是帶有延遲的增廣狀態(tài)向量，A_d、B_d、C_d分別為時(shí)間延遲系數(shù)矩陣。A、B、C、D、E是飛機(jī)小擾動(dòng)方程系數(shù)矩陣。

飛行員實(shí)際感知向量y_obs為：

y_obs＝C_sx_s+D_su_p+v_y (2)

其中v_y是與近期觀測(cè)歷史有關(guān)的感知噪聲，采用高斯白噪聲建模，也稱(chēng)觀測(cè)噪聲。觀測(cè)噪聲強(qiáng)度V_y為其中ρ_y是感知噪聲信噪比，典型單通道跟蹤任務(wù)中感知噪聲信噪比ρ_y通常為0.01，對(duì)應(yīng)信噪比為-20dB，為觀測(cè)噪聲方差。

步驟二，根據(jù)飛行任務(wù)，構(gòu)建駕駛員最優(yōu)控制模型指標(biāo)函數(shù)，設(shè)定初始加權(quán)系數(shù)值Q_y和r_u。采用二次指標(biāo)函數(shù)構(gòu)建駕駛員最優(yōu)控制模型指標(biāo)函數(shù)J_p如下：

其中，Q_y是觀察向量加權(quán)系數(shù)，r_u是操縱向量加權(quán)系數(shù)，f是操縱速率加權(quán)系數(shù)，是u_p的一階導(dǎo)數(shù)。它們反映了飛行員對(duì)信息觀察、油門(mén)桿、駕駛桿、操縱速率等不同駕駛要素的重視程度。其中f的選擇依賴于給定的神經(jīng)動(dòng)力延遲常數(shù)T_n。E_∞是指標(biāo)函數(shù)穩(wěn)態(tài)期望值。本發(fā)明要解決的問(wèn)題就是設(shè)法確定指標(biāo)函數(shù)加權(quán)系數(shù)Q_y和r_u取值。

步驟三，計(jì)算飛行員最優(yōu)控制增益?？梢酝ㄟ^(guò)最優(yōu)控制理論得到控制關(guān)系為：

其中，是飛行員最優(yōu)操縱量，G_p是調(diào)節(jié)器增益向量，是狀態(tài)向量X的估計(jì)值，K是由下列Riccati方程確定的唯一解：

0＝(A_o)^TK+KA_o+Q_o-KB_of^-1(B_o)^TK (5)

其中，

將X＝[x_s u_p]^T＝[x x_d u_p]^T代入(4)式，則，

其中G_n是增益向量，為x_s的估計(jì)值，G_n1是的增益向量。令，

則，

I_p即為飛行員最優(yōu)控制增益。因此，(7)式可寫(xiě)為，

令引入操縱噪聲v_u，則

其中v_u是強(qiáng)度為V_u的零均值高斯白噪聲。ρ_u是操縱噪聲信噪比系數(shù)，是操縱噪聲方差。

步驟四：循環(huán)迭代求解觀測(cè)噪聲方差和操縱噪聲方差，計(jì)算Kalman濾波增益。

聯(lián)立(1)和(11)式得到：

其中，為帶有操縱量的增廣狀態(tài)向量X的一階導(dǎo)數(shù)，w為外界擾動(dòng)向量，v_u為操縱噪聲，v_y為觀測(cè)噪聲，C₁＝[C DC_d D]。

狀態(tài)向量X的估計(jì)值可以由Kalman濾波得到，其中濾波增益矩陣F為：

F＝Σ₁(C₁)^T(V_y)^-1 (13)

其中，V_y為觀測(cè)噪聲強(qiáng)度，估計(jì)誤差矩陣Σ₁是由下列Riccati方程確定的唯一解：

0＝A₁Σ₁+Σ₁(A₁)^T+W₁-Σ₁(C₁)^T(V_y)^-1(C₁)Σ₁ (14)

其中W₁＝diag(W，V_u)，W為外界擾動(dòng)強(qiáng)度，V_u為操縱噪聲強(qiáng)度。帶有狀態(tài)估計(jì)的人機(jī)閉環(huán)狀態(tài)方程為，

其中I₁＝[I_p,0]，C_δ＝[0 C_d 1]，F(xiàn)為Kalman濾波增益矩陣，δ為飛機(jī)舵面偏轉(zhuǎn)量。

協(xié)方差矩陣X_cov是下列Lyapunov方程的解：

其中，Q_lyp＝diag(W,V_y,V_u)，V_y是觀測(cè)噪聲強(qiáng)度，V_u操縱噪聲強(qiáng)度。

則，輸出協(xié)方差矩陣：

其中，

由此得到觀測(cè)噪聲方差和操縱噪聲方差分別為：

這樣對(duì)于給定初始操縱噪聲強(qiáng)度V_u和觀測(cè)噪聲強(qiáng)度V_y，可以分別得到一個(gè)和并可以分別計(jì)算得到信噪比系數(shù)ρ_y和ρ_u，由此可以形成循環(huán)迭代計(jì)算，直到信噪比滿足ρ_y＝0.01和ρ_u＝0.003為止。同時(shí)，迭代結(jié)束后可以得到Kalman濾波增益。

步驟五：計(jì)算指標(biāo)函數(shù)J。

其中，J_e＝Y(jié)_cov(1,1)，J_u＝Y(jié)_cov(2,2)，row_u＝row_X-row_x-row_x_d，row_X是向量X的行數(shù)，row_x是向量x的行數(shù)，row_x_d是向量x_d的行數(shù)。

步驟六：根據(jù)最優(yōu)注意力分配假設(shè)計(jì)算加權(quán)系數(shù)。

根據(jù)加權(quán)系數(shù)選擇原則和指標(biāo)函數(shù)計(jì)算原則，飛行員可以最優(yōu)的對(duì)注意力分配，使指標(biāo)函數(shù)最小。由此，設(shè)定不同Q_y和r_u，可以通過(guò)共軛梯度法尋優(yōu)計(jì)算直到指標(biāo)函數(shù)J取得最小值。由此確定了OCM模型加權(quán)系數(shù)Q_y和r_u。

本發(fā)明首先提出了飛行員最優(yōu)分配注意力的假設(shè)，即飛行員可以最優(yōu)的分配注意力，使指標(biāo)函數(shù)最小。而加權(quán)系數(shù)Q_y和r_u就表征了飛行員對(duì)信息觀察和駕駛桿操縱的注意力分配，因此可以用這種方法計(jì)算加權(quán)系數(shù)Q_y和r_u。

下面提供兩則實(shí)施例對(duì)本發(fā)明進(jìn)行說(shuō)明。實(shí)施例1用于加權(quán)系數(shù)選擇原則進(jìn)行說(shuō)明。即存在一個(gè)最優(yōu)加權(quán)系數(shù)組合Q_y和r_u使指標(biāo)函數(shù)最小。實(shí)施例2通過(guò)飛行品質(zhì)預(yù)測(cè)，說(shuō)明本發(fā)明在飛行品質(zhì)評(píng)估應(yīng)用中的有益效果。

實(shí)施例1

以1993年美國(guó)空軍飛行員Darcy Granley在Calspan Lear II型飛機(jī)上獲取的試驗(yàn)數(shù)據(jù)為比照對(duì)象(見(jiàn)參考文獻(xiàn)[1]：Craig R.Edkins,Human Pilot Response during Single and Multi-axis Tracking Tasks,AFFTC-TLR-93-41[R].California,Air Force Flight Test Center,1993.)，進(jìn)行驗(yàn)證。飛機(jī)俯仰軸傳遞函數(shù)為：

式中：θ為飛機(jī)俯仰角響應(yīng)；δ_es為駕駛桿偏移量；ξ為短周期阻尼比；τ_D為操縱延遲時(shí)間。根據(jù)ξ和τ_D取值構(gòu)建4種研究對(duì)象如表1所示。

表1研究對(duì)象模態(tài)參數(shù)

飛行試驗(yàn)任務(wù)為俯仰姿態(tài)跟蹤。姿態(tài)跟蹤任務(wù)指令由白噪聲建模得到，驅(qū)動(dòng)函數(shù)為：

式中：θ_c為姿態(tài)目標(biāo)指令；w為白噪聲。在加權(quán)系數(shù)比值Q_y/r_u在[0,0.2]范圍內(nèi)，計(jì)算4種研究對(duì)象指標(biāo)函數(shù)J如圖1所示?？梢?jiàn)，確實(shí)存在一個(gè)最優(yōu)的注意力分配方案，可以使跟蹤誤差和體力負(fù)荷達(dá)到最小。

實(shí)施例2

驗(yàn)證的思路是，對(duì)人機(jī)閉環(huán)飛行品質(zhì)評(píng)價(jià)飛行試驗(yàn)進(jìn)行仿真再現(xiàn)，按本發(fā)明方法計(jì)算加權(quán)系數(shù)，而后進(jìn)行飛行品質(zhì)評(píng)估，如果獲得的模擬飛行品質(zhì)預(yù)測(cè)結(jié)果較傳統(tǒng)OCM模型更為準(zhǔn)確，則說(shuō)明了本發(fā)明優(yōu)越性。飛行品質(zhì)試驗(yàn)待評(píng)價(jià)對(duì)象與實(shí)施例1相同。首先按步驟一將研究對(duì)象轉(zhuǎn)換為增廣矩陣形式。而后按步驟二，建立指標(biāo)函數(shù)如下，這一指標(biāo)函數(shù)包含了飛機(jī)響應(yīng)、飛行員操縱量和操縱速率。

確定駕駛員模型參數(shù)如表2所示。其中觀察向量加權(quán)系數(shù)Q_y＝7.2和操縱加權(quán)系數(shù)r_u＝32.5為參考文獻(xiàn)[2](Craig R.Edkins.The Prediction of Pilot Opinion Ratings Using Optimal and Sub-optimal Pilot Models[R].AD-A278629,1994.)應(yīng)用OCM評(píng)分時(shí)的取值。

表2 OCM模型參數(shù)

而后，按照步驟三到步驟六，采用尋優(yōu)算法，計(jì)算得到最優(yōu)的注意力分配和指標(biāo)函數(shù)結(jié)果如下表3所示。同時(shí)按下式計(jì)算飛行品質(zhì)預(yù)測(cè)評(píng)分一并在表3中示出。

其中帶寬均方誤差幅值為Q_y/r_u為按本發(fā)明方法計(jì)算得到的觀察加權(quán)系數(shù)與操縱加權(quán)系數(shù)比值，f是操縱速率加權(quán)系數(shù)、PR_test是飛行試驗(yàn)真實(shí)駕駛員評(píng)分、PR_pre是按本發(fā)明加權(quán)系數(shù)計(jì)算得到的預(yù)測(cè)評(píng)分、OCM是原始參考文獻(xiàn)按照原始加權(quán)系數(shù)得到的飛行品質(zhì)預(yù)測(cè)評(píng)分：

表3最優(yōu)的注意力分配和飛行品質(zhì)預(yù)測(cè)結(jié)果

比較本文評(píng)分結(jié)果(圖2中PR_pre點(diǎn))和原始OCM結(jié)果(圖2中OCM點(diǎn))如圖2所示，按下式計(jì)算并比較研究對(duì)象1～4飛行品質(zhì)預(yù)測(cè)回歸模型剩余標(biāo)準(zhǔn)差：

計(jì)算得到本發(fā)明預(yù)測(cè)評(píng)分剩余標(biāo)準(zhǔn)差為0.5855，而原始OCM模型剩余標(biāo)準(zhǔn)差為1.2440。顯然本發(fā)明方法獲得評(píng)分精度更高。這證明了本發(fā)明加權(quán)系數(shù)計(jì)算方法的正確性，以及在飛行品質(zhì)評(píng)估中的優(yōu)越性。