一种不确定外形飞行器气动参数辨识方法

本发明涉及一种飞行器气动参数辨识方法，具体涉及一种不确定外形飞行器气动参数辨识方法。

背景技术：

1、不确定外形飞行器可通过变形改变气动特性，具备更强的环境与任务适应能力，受到世界各国的争相研究。然而，相较于传统确定外形飞行器，不确定外形飞行器飞行空域与速域更加宽广，飞行过程中所受的气动作用更为复杂且机理未知，加之不确定变形与气动的耦合，使得离线无法构建覆盖全部变形过程的准确不确定外形飞行器气动模型，亟需快速准确的在线气动参数辨识方法。

2、目前气动参数在线辨识方法主要有频/时域气动参数在线辨识方法、基于人工智能的气动参数在线辨识方法两种。频/时域气动参数在线辨识方法需要依据人为经验，且辨识过程实质为基于最优准则的估计，难以满足不确定外形飞行器气动参数在线辨识实时性的要求；基于人工智能的气动参数辨识方法需要大量的样本进行训练，样本与计算资源需求量大，且泛化性能有限。

3、因此，亟待开发一种可实现不确定外形飞行器气动参数在线快速准确辨识方法。

技术实现思路

1、为了克服现有气动参数在线辨识方法实时性与适应性不足的问题，本发明提供了一种不确定外形飞行器气动参数辨识方法。该方法采用“线下学习+线上修正”的气动参数在线辨识方法，充分利用基于人工智能的气动参数辨识优势，实现不确定外形飞行器气动参数的在线快速准确辨识。

2、本发明的目的是通过以下技术方案实现的：

3、一种不确定外形飞行器气动参数辨识方法，包括如下步骤：

4、步骤1：收集不确定外形飞行器风洞试验与历史飞行数据，获得飞行状态与气动力、力矩系数，构建气动模型学习样本库；

5、步骤2：基于步骤1构建的气动模型学习样本库，通过神经网络学习训练构建飞行状态到气动力/力矩系数的基础气动辨识网络模型；

6、步骤3：在线飞行时，收集空速、过载量测信息，利用飞行力学原理构建气动辨识网络样本；

7、步骤4：利用步骤3构建的气动辨识网络样本，每间隔t时刻采用随机梯度下降方法对气动辨识网络进行增量调整，从而获得更加准确的气动辨识网络模型；

8、步骤5：根据实时飞行状态与步骤4整后的气动辨识网络模型获得不确定外形飞行器气动系数，对气动系数进行数值微分求导获得气动参数。

9、相比于现有技术，本发明具有如下优点：

10、本发明采用基于神经网络的“线下学习+线上修正”气动参数在线辨识方法，无需构建显式的气动模型，可充分利用不确定外形飞行器线上与线下数据，提升气动参数在线辨识的实时性与准确度，实现不确定外形飞行器气动参数的快速准确辨识。

技术特征：

1.一种不确定外形飞行器气动参数辨识方法，其特征在于所述方法包括如下步骤：

2.根据权利要求1所述的不确定外形飞行器气动参数辨识方法，其特征在于所述飞行状态包括马赫数、攻角、侧滑角、舵偏角、变形量。

3.根据权利要求1所述的不确定外形飞行器气动参数辨识方法，其特征在于所述步骤2的具体步骤如下：

4.根据权利要求1所述的不确定外形飞行器气动参数辨识方法，其特征在于所述步骤3的具体步骤如下：

5.根据权利要求1所述的不确定外形飞行器气动参数辨识方法，其特征在于所述步骤5的具体步骤如下：

技术总结本发明公开了一种不确定外形飞行器气动参数辨识方法，所述待定包括如下步骤：步骤1：构建气动模型学习样本库；步骤2：构建飞行状态到气动力/力矩系数的基础气动辨识网络模型；步骤3：构建气动辨识网络样本；步骤4：利用气动辨识网络样本，每间隔T时刻采用随机梯度下降方法对气动辨识网络进行增量调整，从而获得更加准确的气动辨识网络模型；步骤5：根据实时飞行状态与整后的气动辨识网络模型获得不确定外形飞行器气动系数，对气动系数进行数值微分求导获得气动参数。该方法采用“线下学习+线上修正”的气动参数在线辨识方法，充分利用基于人工智能的气动参数辨识优势，实现不确定外形飞行器气动参数的在线快速准确辨识。技术研发人员：韦常柱,俞茗叶,刘哲,孙智力,许河川,徐磊受保护的技术使用者：哈尔滨工业大学技术研发日：技术公布日：2024/11/14