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！

申请/专利权人：中国运载火箭技术研究院

摘要：本发明涉及一种基于知识抽取的发动机参数模型拟合建模方法，针对发动机参数模型拟合中的关键技术问题，采用优化DDPG算法对发动机参数模型进行知识抽取。算法状态为发动机的油气比、高度、马赫数，算法动作为发动机的推力，以当前状态、当前动作、下一状态和当前奖励为四元组，构造经验池存入两个假设类的四元组，通过经验池采集结合BP算法进行价值网络和策略网络的更新，由此得到发动机参数的拟合模型。

主权项：1.一种基于知识抽取的发动机参数拟合模型建模方法，其特征在于采用DDPG算法进行数据拟合建模，步骤如下：S0、构建DDPG算法中的策略网络、价值网络、目标策略网络与目标价值网络；所述目标策略网络与目标价值网络分别加倍扩展，对应的内部运算同步加倍扩展，加倍扩展后的两路并行计算过程通过第一假设类F与第二假设类G进行区分；S1、初始化DDPG算法中的策略网络μS；θμ、价值网络qS,A；θq，以及第一假设类对应的目标策略网络μS；θμ′、第二假设类对应的目标策略网络μS；θμ″，第一假设类对应的目标价值网络qS,A；θq′、第二假设类对应的qS,A；θq″的目标价值网络、经验池D大小为10000、价值学习率α与策略学习率β取0.1；外层循环迭代次数、内层循环迭代次数、训练循环迭代次数初始化为0；设定外层循环的最大回合数10000、内层循环的最大步数5000和训练循环的最大训练次数32；其中，S为输入状态、A为输入动作、θu指代策略网络参数，θq指代价值网络参数；θμ′指代第一假设类对应的目标策略网络参数，θμ″指代第二假设类对应的目标策略网络参数；θq′指代第一假设类对应的目标价值网络参数，θq″指代第二假设类对应的目标价值网络参数；S2、获取发动机参数数组，将发动机参数数组作为参考状态空间数据，所述发动机参数数组包括不同油气比、高度和马赫数下的发动机推力数据；确定油气比、高度、马赫数和发动机推力的最大值和最小值后，根据[最小值,最大值]区间，将油气比、高度、马赫数和发动机推力均归一化到[0,1]区间内；然后进入外层循环，执行步骤S3；S3、随机设置初始输入状态S0，并将初始输入状态S0作为第一假设类和第二假设类的初始输入状态，所述输入状态包括油气比、高度和马赫数；S4、取内层循环步数t＝0，进入内层循环，执行步骤S5；S5、计算第一假设类F的四元组SF,t,AF,t,SF,t+1,rF,t和第二假设类G的两个四元组SG,t,AG,t,SG,t+1,rG,t；r为奖励值，下标F表示第一假设类，G表示第二假设类，t表示内层循环当前步数，t+1表示内层循环下一步；S6、将第一假设类F的四元组SF,t,AF,t,SF,t+1,rF,t和第二假设类G的两个四元组SG,t,AG,t,SG,t+1,rG,t，存入经验池；S7、将内层循环当前步数加1，内层循环当前步数与最大步数比较，如果内层循环当前步数达到最大步数，则进入训练循环，取训练循环次数n＝0，执行步骤S8，否则重复执行步骤S5～S7；S8、从经验池随机采集第一假设类F和第二假设类G的四元组，作为第一假设类训练样本SF,i,AF,i,SF,i+1,rF,i和第二假设类训练样本SG,j,AG,j,SG,j+1,rG,j，i,j∈[0,T-1]为被采集的四元组在经验池中的序号；T为经验池的长度；S9、计算第一假设类训练样本SF,i,AF,i,SF,i+1,rF,i对应的估计函数LF,i、第二假设类训练样本SG,j,AG,j,SG,j+1,rG,j对应的估计函数LG,j，i,j∈[0,T-1]；S10、更新价值网络；S11、更新策略网络；S12、更新目标策略网络和目标价值网络；S13、将当前训练循环迭代次数加1，当前迭代次数与最大训练次数比较，如果当前迭代次数达到最大训练次数，则进入步骤S14，否则重复执行步骤S8～S13；S14、将外层循环迭代次数加1，外层循环当前迭代次数与最大回合数比较，如果外层循环当前迭代次数达到最大回合数，则退出外层循环，否则重复执行步骤S3～S14。

全文数据：

权利要求：

百度查询： 中国运载火箭技术研究院 一种基于知识抽取的发动机参数模型拟合建模方法