[發明專利]一種飛行器氣動參數辨識誤差區間估算方法有效
| 申請號: | 201210547952.6 | 申請日: | 2012-12-11 |
| 公開(公告)號: | CN103020456A | 公開(公告)日: | 2013-04-03 |
| 發明(設計)人: | 王貴東 | 申請(專利權)人: | 中國航天空氣動力技術研究院 |
| 主分類號: | G06F19/00 | 分類號: | G06F19/00 |
| 代理公司: | 中國航天科技專利中心 11009 | 代理人: | 褚鵬蛟 |
| 地址: | 100074 *** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 飛行器 氣動 參數 辨識 誤差 區間 估算 方法 | ||
技術領域
本發明屬于飛行器系統辨識領域,涉及對飛行器氣動參數辨識結果的誤差區間進行估算的方法。
背景技術
對于飛行器氣動參數的極大似然辨識,C-R界給出了參數辨識誤差區間的最好的理論預測,被廣泛地應用于對飛行器氣動參數辨識誤差區間的確定,其前提條件是觀測噪聲為高斯白噪聲。但對于飛行試驗測量數據的氣動參數辨識實踐表明,多次飛行試驗氣動參數辨識結果的樣本標準偏差統計值比C-R界高數倍,參見《利用兩種辨識方法從輕型飛機飛行數據中提取穩定與控制導數》(《Determination?of?Stability?and?Control?Parameter?of?a?Light?Airplanefrom?Flight?Data?Using?Two?Estimation?Methods》),Klevin?V,NASA?TP-1036,1979。究其原因是,C-R界在高斯白噪聲條件下導出的,而實測數據的噪聲通常是低頻區域的有色噪聲,不滿足使用條件,因此得到的誤差區間是不準確的。
發明內容
本發明所要解決的技術問題是:在常用的參數辨識誤差區間估算標準C-R界的基礎上,針對其應用于飛行試驗測量數據時估算結果量值過小的問題,通過理論推導得到一種C-R界修正方法,利用該修正方法能夠較準確地估算飛行器氣動參數辨識誤差區間。
本發明包括如下技術方案:
一種飛行器氣動參數辨識誤差區間估算方法,步驟如下:
進行飛行試驗,獲取觀測矢量y的測量數據ym;
建立氣動數學模型,所述氣動數學模型為飛行器氣動力和力矩系數與狀態和控制參數之間的函數關系式;
利用極大似然辨識方法,對飛行器氣動力數學模型中的未知氣動參數組成的矢量θ進行辨識,獲取氣動參數θ的辨識值
根據辨識值通過求解飛行動力學方程組,計算觀測量的預測值并計算觀測噪聲v,
對所述觀測噪聲進行傅立葉變換,并獲得觀測噪聲的截止頻率fc;
根據飛行試驗測量數據的采樣頻率fm,確定測量數據的奈奎斯特頻率fn,fn=fm/2;
利用截止頻率fc和奈奎斯特頻率fn計算修正系數K,
計算任意一個氣動參數θi的C-R界Ci;
利用修正系數K,對該氣動參數θi的C-R界Ci進行修正,修正后的C-R界為此即為氣動參數θi的辨識誤差。
確定氣動參數θi的辨識誤差區間為
本發明與現有技術相比具有如下優點:
本發明的參數辨識誤差區間估算方法簡便、實用,僅需要單次飛行試驗測量數據樣本,就可以給出每一個氣動參數辨識結果的誤差區間。
本發明的參數辨識誤差區間估算方法,針對現有方法存在的問題進行了修正,因此誤差區間估算結果比現有方法更加準確、可信,為將根據飛行試驗數據辨識的氣動參數應用于飛行器設計與改進奠定了基礎。
附圖說明
圖1為構造白噪聲示意圖;
圖2為俯仰力矩導數的5次飛行試驗辨識結果示意圖;
圖3為俯仰力矩導數辨識結果的平均值和樣本標準差示意圖;
圖4為俯仰力矩導數辨識結果的平均值和C-R界平均值示意圖;
圖5為飛行試驗觀測噪聲的功率譜密度示意圖;
圖6為根據本發明方法得到的C-R界修正值示意圖。
具體實施方式
下面就結合附圖對本發明做進一步介紹。
本發明的一種飛行器氣動參數辨識誤差區間估算方法,利用該方法獲取氣動參數辨識結果誤差區間的步驟如下:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國航天空氣動力技術研究院,未經中國航天空氣動力技術研究院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201210547952.6/2.html,轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06F 電數字數據處理
G06F19-00 專門適用于特定應用的數字計算或數據處理的設備或方法
G06F19-10 .生物信息學,即計算分子生物學中的遺傳或蛋白質相關的數據處理方法或系統
G06F19-12 ..用于系統生物學的建模或仿真,例如:概率模型或動態模型,遺傳基因管理網絡,蛋白質交互作用網絡或新陳代謝作用網絡
G06F19-14 ..用于發展或進化的,例如:進化的保存區域決定或進化樹結構
G06F19-16 ..用于分子結構的,例如:結構排序,結構或功能關系,蛋白質折疊,結構域拓撲,用結構數據的藥靶,涉及二維或三維結構的
G06F19-18 ..用于功能性基因組學或蛋白質組學的,例如:基因型–表型關聯,不均衡連接,種群遺傳學,結合位置鑒定,變異發生,基因型或染色體組的注釋,蛋白質相互作用或蛋白質核酸的相互作用





