飞行器气动参数智能在线辨识技术研究

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。     

基于机器学习的气动参数智能修正方法

针对飞行器气动参数的修正问题,提出了基于机器学习的气动参数智能修正方法.该方法对真实气动数据与标称气动数据的偏差建模,并利用BP神经网络,对偏差模型进行拟合.利用拟合后的神经网络以及标称气动表,即可得到修正后的气动表.该方法充分利用机器学习无线逼近非线性函数的能力,对偏差模型进行学习,从而实现对原气动参数的精确修正.最...     

某型飞行器气动参数辨识与弹道仿真

以某型飞行器为例,运用气动参数建模分析的手段,建立典型空气动力学模型。将传统的模型辨识方法与现代计算机技术相结合,对气动力辨识输入参数进行了分析,采用迭代算法得出辨识参数,并对观测量和物理几何参数误差影响辨识精度进行了分析,选用某型飞行器现有试验测量数据作为输入量,进行气动参数辨识,将辨识得到的气动参数进行了仿真验证。利用辨识得到的气动参数仿真计算的弹道与试验结果吻合度较高,说明气动参数辨识可行。     

飞行器气动参数的集员辨识

在噪声未知但有界的情况下，本文研究了飞行器气动参数的集员辨识问题。提出了先对非线性系统参数可行集的中心进行估计，再估计参数可行集大小的集员辨识两步法。这样就为解决飞行器气动参数的辨识问题提供了一种新的可行方法，再入体实测数据的处理表明这种方法十分有效。     

基于自适应遗传算法的飞行器气动参数辨识

为了克服传统辨识算法的缺点，把自适应遗传算法作为辨识算法，进行飞行器的非线性气动参数的最大似然仿真辨识。在仿真辨识中，加入了零均值高斯分布的随机观测噪声。辨识结果比较满意，表明白适应遗传算法具有良好的优化性能，是进行气动参数辨识的一种实用的辨识算法。     

高超声速滑翔飞行器再入气动系数改进拟合模型

为提升高超声速滑翔飞行器再入气动系数的刻画精度,基于公开的CAV-H气动系数数据,本文提出了一种改进的高超声速滑翔飞行器再入气动系数拟合模型。首先,建立攻角二次项和马赫数负指数幂项相结合的气动系数拟合模型。其次,利用多元非线性最小二乘法对模型进行参数辨识,并采用拟合优度评价了该模型对气动系数数据的解释程度。然后,依据该模型从升阻比角度分析了气动模型飞行特点。最后,对本文改进模型进行数据拟合仿真,分析升阻比特性,并进行再入轨迹优化任务仿真。气动数据拟合实验表明,与现有典型模型相比,改进模型拟合误差降低,拟合优度进一步提高。不同定升阻比的飞行仿真实验表明,应用改进模型可全面刻画再入滑翔飞行特性。再入滑翔飞行任务仿真结果表明,相较于对比模型,改进模型得到的再入轨迹更为平稳。     

轴对称型飞行器气动参数辨识研究

本文针对轴对称海防型号飞行器的特点，尝试在弹道坐标系内建立了气动参数估计的数学模型，较之传统的体系内建立的数学模型，其非线性程度小，方程间的耦合程度大大减弱，考虑到轴对称气动特点，使特估参数大大减少，有效地提高了估计效率。文中同时对气动参数可性做了一定的分析。某民导弹的模拟辨识结果表明所建立的数学模型及估计过程正确，有效。最后采用某次飞行打靶的实测数据进行了气动参数的辨识，弹道重构的结果令人满意。     

高超声速飞行器的神经网络PID控制

高超声速飞行器是一种强耦合性、存在不确定性和高度非线性的复杂控制系统,在其应用神经网络PID控制方法进行纵向通道的姿态控制时,将控制系统分为快慢内外环,基于神经网络控制理论,针对高超声速飞行器的动力学模型和运动学模型设计单神经元PID控制律和PID神经网络控制律,推导了权值调整的学习算法。仿真结果表明,高超声速飞行器的神经网络PID控制系统能够有效抑制气动参数变化的影响,较好地跟踪期望攻角,有较强的鲁棒性。     

降低气动非线性的高超飞行器总体优化方法研究

针对高超声速飞行器严重气动非线性特性给控制系统设计提出的高要求,基于推广的随控布局思想,从控制系统设计角度对高超声速飞行器总体提出气动非线性程度低的优化设计指标。引入高超声速飞行器气动非线性特性度量——非线性度的定义,通过气动工程估算建立非线性度与飞行器总体外形参数关系的表征模型,将非线性度表示为总体外形参数的函数;采用遗传算法求解以总体外形参数为决策变量和以非线性度最小为目标函数的优化问题;最终确定随控优化思想下的高超声速飞行器总体优化策略。算例分析表明,本文提出的总体随控优化方法对于改善高超声速飞行器的气动非线性特性简单有效。     

集员辨识与T-S模型相结合的非线性系统建模及其故障检测算法

针对带有未知但有界（Unknown But Bounded．UBB）噪声的非线性系统的建模及其故障检测问题，提出了一种集员辨识与T-s模糊模型相结合的非线性系统建模及其故障检测算法。在建立非线性系统模型时，利用系统正常状态下的运行数据，选用T-S模型对其进行离线建模。首先采用模糊聚类的方法对输入空间进行模糊划分，然后利用T-S模型为参数线性模型的特点，使用参数线性集员辨识算法辨识T-S模型的结论参数。由于集员辨识算法所得到的是参数的集合估计，在系统运行过程中，可以很方便地利用所建模型预测实际系统的输出范围，如果测量所得实际系统的输出不在预测输出范围之内，则可判断系统发生了故障。通过与其他算法相比，验证了本方法的性能。