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。     

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。     

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。     

非线性最优解在气动参数辨识中的应用

由于采用最大似然算法进行了扭动参数辨识通常存在着局极值问题，为了寻求非线性全局最优解，提高估计精度，介绍了以混沌优化算法作为搜索工具。与最大似然处算法相结合，求解非凸优化问题全局最优解的方法，算例表明，该方法是有效可行的，并且估计精度也较高。     

一种扑翼飞行器气动参数的辨识方法

针对实际飞行中无法直接测量的扑翼飞行器气动参数辨识问题,结合刚体六自由度模型,提出一种基于迭代学习和人工鱼群法的扑翼飞行器隐式气动参数辨识方法。鉴于扑翼飞行器飞行试验中待辨识气动参数值难以直接测量、导致一般辨识算法中梯度难以求解的问题,提出基于摄动法的梯度方向寻优方法。考虑到待辨识参数数量及辨识结果对参数初始值的敏感性,该方法采用人工鱼群算法优化计算待辨识参数初始值。且针对迭代过程中损失函数易陷入局部最优和优化速度受限问题,采用变学习因子迭代学习策略。试验结果表明,所提出的算法能有效估算出扑翼飞行器气动参数。     

一种估计飞行器运动特性的实用极大似然法

飞行器运动特性受非线性因素和随机噪声的影响,给气动系数,飞行稳定性与操纵性指标的结构模型辨识带来许多困难。为了解这个问题,首先提出了使用极大似然估计法,以提高辨识效率。接着建立了基于飞行器运动固定型数学模型下的极大似然函数,并给出了一种实用极大似然算法及其实现。     

一种实现飞行品质参数实时辨识的实用方法

考虑到辨识算法收敛的可靠性及结果的精度，采用递推最小二乘估计、飞机运动模态连续－离散模型相互转换及递推极大似然估计，实现飞行品质参数的实时辨识。这种方法的优点在于算法的吸收域是全平面的。初值不影响算法的收敛性，能很好地满足实时性要求，同时还保证了结果精度。利用该方法对某型飞机铁鸟台实测数据进行了处理，取得了满意的结果。     

飞行数据相容性检验的极大似然方法

 本文提出了一种有效的飞行仪器偏差估计的极大似然方法。为了提高对偏差估计的精度,采用了最小二乘方法对角速率,过载的测量量进行平滑,以减小系统噪声对估计精度的影响;并给出了灵敏度矩阵和初值的确定方法以保证算法的收敛速度。通过数字仿真和对我国几种不同类型飞机的飞机数据实际计算表明,提出的方法能够较准确地辨识出测量仪器的偏差,比普通极大似然法更有效。     

用于飞机模型参数辨识的飞行数据处理方法研究

飞行过程中产生的飞行器监测数据,对飞行器性能的优化与飞行器控制系统的设计有着重要的指导意义。然而飞行试验环境的复杂性与多变性将导致飞行数据中包含较多异常数据,严重影响数据质量。本文研究飞行数据中异常数据的辨识与补偿方法及其在飞行器模型参数辨识中的应用。结合数据相容性检验,提出了一套从野值的识别、剔除与补正、数据的平滑滤波到基于极大似然法的时间延迟、零位误差与比例误差的辨识与补偿的飞行数据处理方法。除此之外,本文对结合常值误差补偿的飞行器模型参数组合辨识方法及其应用进行了设计。应用实例表明,该方法能够在一定条件下实现具有较高精度与速度的飞行数据中异常数据的辨识与补偿,并验证了该方法在改善飞行器模型参数辨识过程与结果精度上的有效性。     

直升机悬停状态全耦合飞行动力学模型辨识方法

提出了一种基于集员辨识理论的直升机全耦合飞行动力学模型参数辨识方法.该方法针对直升机飞行动力学模型耦合强,难以得到辨识模型和待辨识参数之间显式函数关系的特点,推导并建立了状态空间微分方程形式模型集员辨识的间接辨识算法.通过引入广义噪声的概念以及对其边界的灵活设定,实现了对辨识参数众多、耦合严重且灵敏度差异大的复杂模型的...     

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。     

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。     

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。     

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。     

磁悬浮电励磁三相直线同步电机离线参数辨识

建立磁悬浮电励磁三相直线同步电机(MSEETPLSM)的连续时间参数型状态空间方程数学模型,利用前向一阶差分方法将连续时间数学模型离散化成离散时间参数型状态空间方程数学模型,再利用z变换写成递推最小二乘算法标准形式的数学模型。利用递推最小二乘算法在初级转子静止状态下辨识出MSEETPLSM的电阻及自感参数。利用计算机数值仿真软件仿真MSEETPLSM参数的离线辨识算法,得到MSEETPLSM的初级与次级电阻与电感时域辨识曲线,仿真曲线收敛速度较快且辨识精度较高。仿真结果验证了该参数离线辨识算法的有效性。     

改进粒子群优化算法在亚轨道飞行器固液混合发动机设计中的应用

针对粒子群优化算法在求解多维复杂优化问题时容易陷入局部最优的缺点,提出了动态目标粒子群优化算法,通过分析寻优过程中粒子与个体最优位置和全局最优位置之间存在的位置关系,建立了新的速度更新公式.最后,应用该算法对某型号亚轨道飞行器固液混合发动机进行了优化设计.仿真结果表明,改进算法搜索能力强、收敛速度快,能有效解决此类问题,可为亚轨道飞行器的发动机优化设计提供理论参考.      

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。     

基于时频域滤波及频域广义整体最小二乘辨识的飞机颤振模态参数辨识

提出一套适用于噪声环境的飞机颤振模态参数辨识方法.为减小噪声对辨识结果的影响,首先设计了一种针对扫频激励的时频滤波器,利用扫频信号及其响应在时频域分布较为集中的特点,有效去除噪声,提高了试验数据的信噪比.为进一步提高辨识精度,提出了一种基于随机模型的频域广义最小二乘辨识算法.将噪声条件下的系统辨识问题转化为广义整体最小二乘问题,并采用线性的广义奇异值分解求解模型系数,避免了非线性优化的复杂计算.通过优化加权项,获得了接近极大似然估计的辨识效果.最后,通过试飞试验数据验证了方法的有效性.     

一种系统辨识的递阶算法及其在飞机颤振试飞中的应用

在研究协方差矩阵特性的基础上 ,给出一种最小二乘辨识系统的递阶算法。该算法与自回归模型参数辨识的Levinson方法相似 ,利用协方差矩阵的特性,由低阶模型参数递阶算出高一阶的参数,用阶次辨识方法确定模型阶次。避免了最小二乘系统辨识批处理方法中的高阶矩阵求逆及最小二乘系统辨识递推算法中的循环修正,提高了计算的效率。该辨识方法成功地应用于飞机颤振特性的辨识。     

基于物理信息神经网络的飞机气动参数辨识方法

在飞机设计与研制过程中，通过气动参数辨识建立可靠的飞行动力学模型非常重要。传统的气动参数辨识工程算法，诸如极大似然法，需要给出合理的飞行动力学模型以及待辨识参数的初值。基于传统神经网络的气动参数辨识可以避免飞行动力学建模过程，这种方法需要通过增量法、导数法间接地从神经网络提取气动参数。本文提出了一种基于物理信息神经网络的飞机气动参数辨识方法，可将含待辨识参数的飞行动力学模型作为正则项加入损失函数，直接辨识得到气动参数。该方法可以显著减少建模数据需求，也能提高建模精度。飞行仿真数据验证结果表明，该方法的无噪声、含2%噪声仿真数据，纵向飞行状态空间模型辨识最大相对误差分别为1.80%、4.64%，表明了基于物理信息神经网络的飞机气动参数辨识方法具有可行性，并对含噪声的飞行数据具有泛化性。