基于神经网络的直升机非线性模型辨识研究

针对直升机飞行力学建模问题,提出一种基于BP神经网络的非线性辨识方法。在神经网络结构设计中,基于对直升机线性加速度和角加速度产生机理的分析对隐藏层的拓扑形式进行了优化,并结合六自由度欧拉运动方程构建了完整的直升机非线性神经网络模型。在神经网络训练方法方面,建立了基于L-M算法的二步训练方法,对神经网络的开环和闭环结构分两次进行训练。利用UH-60直升机非线性模型生成的扫频激励响应数据集进行神经网络训练与验证。最后,将神经网络模型在各前飞速度下进行配平与线性化,得到了神经网络模型的配平量和气动导数。研究结果表明,所建立的神经网络模型精度高、非线性逼近能力强,并且具有较好的泛化能力。