用极大似然法辨识轴对称飞行器的气动参数

采用极大似然法完成了轴对称飞行器的非线性气动参数辨识。根据飞行弹道的特性,采用考虑了横侧向运动耦合的纵向三自由度飞行动力学模型;为了反映气动参数随马赫数的变化,给出了一种考虑马赫数变化的气动参数数学模型,并采用了分段辨识的技巧;通过采用建模前估计法的辨识结果作为极大似然法的初值,保证了极大似然法的收敛,计算结果表明：这种算法对大攻角下的非线性气动参数能获得满意的辨识结果。     

一种基于云模型优化的飞行器参数辨识算法

极大似然估计方法(ML)在飞行器参数辨识中得到了广泛应用,该方法需要预先推导灵敏度方程,进而求解灵敏度矩阵,在应用过程中比较繁杂,且容易陷入局部最优。提出一种基于云模型优化的飞行器参数辨识算法,根据极大似然估计原理,利用云模型的优化理论对极大似然函数进行优化,从而得到待辨识参数值。该算法不必推导灵敏度矩阵,对初值要求不高,应用便捷,且保留了云模型优化的特点,收敛速度较快、不易陷入局部最优。以Twin Otter飞机为例对算法进行验证。结果表明:算法易于实现、辨识结果精度较高、收敛速度较快,不易陷入局部最优。     

极大似然法及在有控飞行器气动参数辨识中的应用

 <正> 一、引言 飞行器气动参数辨识作为系统辨识理论在航空、宇航领域的应用分支,在一些发达国 家受到了相当的重视,并且从70年代以来已形成了气动参数辨识软件包,不仅缩短了飞行器的设计、改型及性能分析的周期,并且还具有靠风洞实验或理论分析所不具备的优点。目前飞行器的气动参数辨识虽已有很大发展,但是对有控飞行器的闭环辨识问题仍未解决,分析传感器非线性因素对气动参数辨识结果的影响也不够深入。本文使用极大似然法,结合某有控飞行器的全弹道仿真数据,研究了在闭环飞行状态下进行气动参数辨识所存在的问题,分析了传感器的非线性因素对气动参数辨识的影响。     

飞行器参数辨识方法与应用研究

研究了非线性连续－离散系统极大似然估计方法的实现及其在飞行器气动参数辨识中的应用问题，首先给出了递推计算灵敏度算法的构成，初始摄动的选择和初值的计算，继而导出了不需矩阵求逆运算的递推算式。最后结合飞行器的气动参数估计来说明算法的具体实现。     

有控飞行器气动参数辨识研究

研究了利用极大似然理论进行有控飞行器气动参数辨识的问题，首先介绍了牛顿－拉夫逊（ＭＮＲ）简化算法，然后，提出了采用此入外部激励的办法进行气动参数辨识，这种方法可增强参数的可辨识性，最后提出了构造故障弹道辨识气参数的设想，由于特定的故障弹道和外加激励一样，不同程度地激发了导弹的飞行信息，故辨识结果较好。     

高速飞行器热结构工作时变模态参数辨识

高速飞行器由于其很高的飞行速度而无可避免地受到气动加热作用的影响,进而引起结构特性的时变。采用理论或有限元方法(FEM)进行数值分析,难以获取反映结构在飞行(工作)状态下的真实模态参数。通过辨识获取高速飞行器热环境下的时变结构模态参数是一项十分具有挑战性的任务。针对此问题,引入参数化时频域的最大似然方法,对气动加热作用下的高速飞行器升力面结构的时变模态参数进行了辨识。通过模拟真实飞行状态的数值算例研究,说明参数化时频域的最大似然方法能够很好地辨识出低信噪比(SNR)情况下的模态频率和模态振型,验证了参数化时频域最大似然方法适用于具有显著时变特征的高速飞行器热结构的时变结构模态参数辨识,可为将来相关的工程研究和应用提供良好的理论支持。     

极大似然法在飞机起飞性能参数辨识中的应用

以Y12飞机起飞性能飞行试验实测数据为例,研究了利用极大似然法进行飞机起飞性能参数辨识的问题。首先通过理论分析建立了Y12飞机双发起飞性能数学模型;然后从简化灵敏度导数计算角度提出了以飞机在起飞滑跑过程中速度增量为观测量的观测方程,分析给出了待辨参数和利用极大似然法进行参数识别的方法;最后针对极大似然法的几个要素,如迭代初值、代价函数、迭代次数、样本长度、试验数据段的选取等对辨识结果的影响进行了讨论和分析。结果表明,利用极大似然法可以快速、准确地辨识出起飞性能所需的参数,并具有较高的精度,在今后的性能飞行试验数据分析中应注重推广和应用。     

改进的极大似然算法及其在试飞数据处理中的应用

通过对一般极大似然辨识算法的分析,提出一种改进的极大似然辨识方法,使之更适合于飞机飞行试验数据处理。将其应用于纵横向耦合的六自由度飞机的飞行试验数据的协调性检验及重建。结果表明：这种方法使参数辨识的收敛速度得到大大提高,使参数初值更易于选择。     

飞行器RCS控制力矩辨识方法研究

对于依靠RCS(反作用控制系统)进行控制的返回舱等跨大气层飞行器,如何获得其在真实飞行条件下RCS的控制力矩一直是一个难题。本文提出了采用系统辨识技术得到RCS控制力矩的思路,研究建立了基于最大似然准则和牛顿-拉夫逊迭代算法的参数辨识算法模型。仿真辨识及对某飞船返回舱实际飞行数据的辨识结果表明,本文建立的方法是有效的,利用其能够对飞行器的气动力矩和RCS控制力矩同时进行有效辨识。     

参数估计中的系统初始状态确定

极大似然方法是应用比较广泛的一种参数估计方法，具有较好的统计特性，但由于所采用的寻优计算方法的限制，在使用过程中需要将系统的初始状态信息作为计算的起点。针对这个问题开展了一些研究工作，提出了系统初始状态与未知参数联合估计和系统初始状态的极大似然估计两种解决方法，并结合某型旋转导弹的气动参数辨识问题进行了仿真计算。     

非线性分离算法及其在飞行试验中的应用

 本文根据最小方差估计和分离算法原理,提出一种新的非线性状态估计和偏差辨识的分离算法。并用此算法确定飞行状态和测试仪器的误差,同时U-D分解保证计算效率和数值稳定性。为了得到数据相容性检验的准确结果,本文采用直接离散化的飞机运动模型,以减小模型误差。通过仿真并在我国两种歼击机上实际应用,结果表明本文所给的算法对不同的初值和噪声统计特性都能得到飞行数据相容性检验的一致结果,并能用于低采样率下的数据相容性检验。     

数据挖掘技术在飞行试验数据分析和气动参数辨识中的应用研究

为了检验飞行试验辨识结果的可信度,首次将数据挖掘技术用于飞行试验数据的分析和气动参数辨识,初步解决了试验数据有限、数据信息含量差别较大给聚类、分类、回归等分析处理带来的问题;提出了利用不同时间段、不同飞行批次的飞行数据在划分区间的气动特性分布来检验辨识结果可信度的方法;以某飞行器为对象,利用数据挖掘技术,建立了基于飞行试验数据的气动力数学模型,检验了辨识结果的一致性和可信度,并与地面试验结果进行了比较分析,给出了地面试验预测误差。多批次飞行试验数据的整体辨识结果表明,所发展的方法是可行和有效的。该项研究为验证辨识结果的可信度、建立基于飞行试验数据的气动模型提供了新的途径,并可应用于CFD 和风洞试验的验证与确认。     

在飞行中进行风场估计

在飞行中如何获得较精确的风场信息,对于飞行导航、控制和管理系统的研究都是一个重要的、急需解决的问题。目前飞机上无高精度的风测量手段.为此,本文将卡尔曼滤波技术应用到风场估计中去,并提出了一个简单实用的风模型。仿真结果表明该方案是成功的。本文属某无人机航迹控制研究计划的一部分.从这一工程实例出发,详细说明了利用卡尔曼滤波技术进行风场估计的全过程,其中包括飞机地速的估计,风测量精度分析等内容。     

基于遥测数据的无人机气动参数辨识方法研究

针对无人机在高空低速飞行时易受风场影响及在数据分析时遥测数据不完备的问题,进行了气动参数辨识方法研究,提出了基于空速管平面矢量三角形的风场估计方法及基于风场信息修正的气动角估计方法。以某型无人机为例,对遥测数据进行了充分分析与信息综合,运用逐步回归方法进行了纵向气动参数辨识,并进行了实验验证。结果表明,模型计算结果与实测数据吻合较好,说明所提方法有效。考虑到辨识模型的数学本质,该方法对其他固定翼无人机同样适用。     

计及随机噪声的频域多输入多输出模态参数识别

提出了一种计及随机噪声的多输入多输出频域模态参数识别方法。该方法基于连续时间域的频率响应函数有理分式模型,利用Forsythe正交多项式改善求解性态,属频域的极大似然类估计方法。在最小二乘估计的基础上,利用"先验"的随机噪声信息进行优化迭代的极大似然估计,得到更优的模态参数识别结果。根据Cramer Rao下界不等式,在几乎不增加计算量的情况下获得所识别结果的不确定性信息,提高了模态参数识别的可靠性。采用GARTEUR飞机模型作为仿真算例,对本算法进行了仿真验证。