基于DNN的飞机俯仰运动响应预测研究 |
| |
引用本文: | 张晓敏.基于DNN的飞机俯仰运动响应预测研究[J].飞行力学,2022(2):53-60. |
| |
作者姓名: | 张晓敏 |
| |
基金项目: | 航空科学基金资助(2018ZA51003); |
| |
摘 要: | 针对人工智能的辨识方法在飞行器模型辨识应用中存在间接依赖数学模型以及泛化能力较低的局限性问题,基于深度学习思想,提出了一种新的数据处理方式,完成飞行器的系统模型辨识。首先,针对飞行器动态模型的特点,提出一种基于时序性的飞行数据处理方式;其次,采用交叉熵损失函数进一步优化深度神经网络;最后,针对飞行器纵向非线性模型进行仿真计算。仿真结果表明,训练好的模型成功提取了飞行器输入与输出之间的非线性映射关系,使得基于深度神经网络的飞行器模型能够对未知输入进行状态预测,克服了目前基于神经网络辨识算法的局限性。
|
关 键 词: | 系统辨识 深度神经网络 飞行器建模 交叉熵损失函数 |
|
|