一种垂直起降运载器气动参数在线辨识方法技术

本发明专利技术公开了一种垂直起降运载器气动参数在线辨识方法，所述方法在风洞数据的基础上，利用极大似然法对不同飞行条件下的气动参数进行辨识，再通过训练神经网络的方式建立运载器飞行条件和气动参数间的关系，以适应运载器气动参数随飞行条件变化的情况。本发明专利技术基于风洞数据和极大似然法进行气动参数辨识，风洞数据气动插值表得到的气动参数，可以为极大似然法辨识参数提供良好的初值；训练后的神经网络可以用于气动参数在线辨识，实时性好，具有良好的工程实用性。该方法解决了垂直起降运载器气动参数离线辨识中一组气动参数对应多种飞行条件与实际不符、运载器气动参数在线辨识实时性差的问题，可用于在线气动参数辨识。

An On-line Identification Method for Aerodynamic Parameters of Vertical Takeoff and Landing Vehicles

【技术实现步骤摘要】
一种垂直起降运载器气动参数在线辨识方法
本专利技术属于飞行器气动参数辨识领域，涉及一种垂直起降运载器气动参数在线辨识方法，具体涉及一种基于极大似然法和BP神经网络的垂直起降运载器气动参数在线辨识方法。
技术介绍
获取运载器准确气动特性是研制高性能运载器自动驾驶仪的基础。目前获取运载器气动参数的途径包含三种：风洞试验、数值计算、飞行试验。风洞试验通过模拟飞行工况测量运载器气动特性，但由于无法完全模拟运载器真实飞行环境，会造成气动参数的较大偏差；而数值计算通过数值模拟计算运载器气动特性，但由于存在理论缺陷也无法准确刻画运载器气动特性；飞行试验通过飞行试验测出运载器过载和角运动量等飞行数据，再利用气动参数离线辨识获取运载器的气动特性，是获取和验证运载器气动特性最有效的方式。利用目前的气动参数离线辨识方法进行运载器气动参数辨识必须做出如下假设：一定时间内运载器的气动参数是不变的。而运载器实际飞行中其飞行状态时时在变化，因此气动参数也在一直变化，严格来说，运载器的一个飞行条件就对应一组运载器气动参数。而且，垂直起降运载器具有实时制导要求、飞行条件变化剧烈，需要进行气动参数在线辨识，但目前的气动参数在线辨识方法往往不能满足实时性的要求，不具有工程实用性。可以考虑利用离线辨识方法对运载器气动参数进行辨识，然后以一定方式用于气动参数在线辨识，神经网络工具提供了这样一种方式。神经网络具有优良的拟合特性，可以通过训练神经网络来直接构建运载器气动参数同飞行条件间的关系。
技术实现思路
本专利技术的目的是提供一种垂直起降运载器气动参数在线辨识方法，该方法解决了垂直起降运载器气动参数离线辨识中一组气动参数对应多种飞行条件与实际不符、运载器气动参数在线辨识实时性差的问题，可用于在线气动参数辨识。本专利技术的目的是通过以下技术方案实现的：一种垂直起降运载器气动参数在线辨识方法，包括如下步骤：步骤(1)：根据风洞试验数据得到气动插值表，将马赫数、攻角、舵偏的组合称为飞行节点，经过差商计算，得到不同飞行节点下的气动参数；步骤(2)：进行闭环气动参数辨识输入设计，进行运载器飞行试验，获得运载器历史飞行数据；步骤(3)：利用运载器历史飞行试验数据，采用极大似然法对各条弹道上各节点处的三通道气动参数进行辨识，辨识过程中先对俯仰通道气动参数进行辨识，再对滚转和偏航通道气动参数进行辨识；步骤(4)：按照步骤(3)的方法完成插值表上所有节点的三通道气动参数辨识后，再对节点间隔进行加密插值扩充，作为神经网络的训练样本；步骤(5)：利用BP神经网络对步骤(4)的样本数据进行训练，直接构建飞行条件-俯仰通道气动参数、飞行条件-偏航与滚转通道气动参数之间的关系，建立两个神经网络，然后对神经网络进行训练，训练完成后获得弹道上任意节点的气动参数。相比于现有技术，本专利技术具有如下优点：1、基于风洞数据和极大似然法进行气动参数辨识，风洞数据气动插值表得到的气动参数，可以为极大似然法辨识参数提供良好的初值；2、训练后的神经网络可以用于气动参数在线辨识，实时性好，具有良好的工程实用性。附图说明图1为基于神经网络和风洞数据进行运载器气动参数的辨识流程图；图2为时间-速度曲线；图3为时间-攻角曲线；图4为时间-俯仰角速度曲线；图5为时间-高度曲线。具体实施方式下面结合附图对本专利技术的技术方案作进一步的说明，但并不局限于此，凡是对本专利技术技术方案进行修改或者等同替换，而不脱离本专利技术技术方案的精神和范围，均应涵盖在本专利技术的保护范围中。本专利技术提供了一种垂直起降运载器气动参数在线辨识方法，该方法在风洞数据的基础上，利用极大似然法对不同飞行条件下的气动参数进行辨识，再通过训练神经网络的方式建立运载器飞行条件和气动参数间的关系，以适应运载器气动参数随飞行条件变化的情况。如图1所示，具体实施步骤如下：(1)根据风洞试验数据得到气动插值表，将马赫数、攻角、舵偏的组合称为飞行节点，则经过差商计算，可以得到不同飞行节点下的气动参数。(2)历史飞行试验数据生成。运载器的飞行试验弹道上应包含气动插值表上所有飞行节点。实际运载器飞行试验均是在闭环控制下完成的，这会严重抑制运载器动力学系统相关运动模态，大大降低气动参数的可辨识性。因此在运载器飞行试验中还有必要进行闭环系统气动参数辨识输入设计，运载器需在与气动插值表上对应的飞行节点附近作机动飞行，激发运载器动力学系统运动模态。另外，后续进行运载器气动参数辨识时，是通过分通道气动参数辨识的，因此试验弹道应包含纵向机动和横滚机动。(3)气动插值表节点气动参数修正。由气动插值表得到的气动参数与真实的气动参数有一定偏差，因此利用运载器历史飞行试验数据进行气动参数辨识，以修正气动参数。前面提到，基于极大似然法的运载器气动参数辨识需要给定一组良好的待辨识参数初值，而由气动插值表的得到的气动参数恰好可以作为参数辨识初值，很好地解决了这一问题。采用极大似然法对各条弹道上各节点处的三通道气动参数进行辨识，以对气动参数进行修正，获得更为准确的气动参数。为避免气动参数数目过多所造成的极大似然法辨识精度下降的问题，将三通道解耦，即先对俯仰通道气动参数进行辨识，再对滚转和偏航通道气动参数进行辨识。(4)神经网络的训练样本扩充。完成插值表上所有节点的气动参数辨识后，再对节点间隔进行加密插值扩充，作为神经网络的训练样本。(5)利用BP神经网络训练样本数据。利用BP神经网络对样本数据进行训练，直接构建飞行条件同待辨识气动参数之间的关系，网络训练完成后，就可以获得弹道上任意节点的气动参数，该神经网络还能用于实时气动参数辨识。神经网络的规模越小，越有利于提高神经网络拟合精度，因此，仍将俯仰通道和偏航、滚转通道分开，对飞行条件-俯仰通道气动参数、飞行条件-偏航与滚转通道气动参数的关系分别进行构建，建立两个神经网络。下面以具体实例对上述方案作以说明。1)运载器六自由度运动气动参数辨识模型采用极大似然法这一传统方法进行运载器气动参数辨识，要求先给出运载器运动状态方程、运载器气动参数数学模型、观测方程。采用运载器六自由度运动与动力学方程组作为气动参数辨识的状态方程组。状态方程组为：补充方程为：下面给出用极大似然法辨识运载器六自由度模型的气动参数的具体表达式。运载器外作用力有气动力R、重力以及他们形成的绕质心的力矩。气动力R运载器体轴系的三个分量为轴向力Rx、法向力Ry、侧向力Rz。气动力形成的气动力矩M的三个分量为Mx、My和Mz。气动力和力矩系数非线性数学模型采用多项式模型，考虑三通道间的主要耦合作用，气动力和力矩系数具体模型如下：待辨识参数包括：Cx0、Cy0、Cz0、Mz0、Mx0、My0、一共24个待辨识参数。其中，Cx0、Cy0、Cz0、Mx0、My0、Mz0分别表示攻角、侧滑角、舵偏角为零时的零阻力系数、零升力系数、零侧向力系数、零俯仰力矩系数、零偏航力矩系数、零滚转力矩系数，主要是由于运载器气动外形不对称产生的；为阻力系数、升力系数、俯仰力矩系数、滚转力矩系数对攻角的偏导数，表示攻角变化单位角度时相应系数的变化量；分别表示阻力系数、升力系数、俯仰力矩系数对俯仰舵偏角δz的偏导数；分别表示侧向力系数、滚转力矩系数、偏航力矩系数对侧滑角的偏导数；表示俯仰、偏航、滚转三通道的阻尼力矩系数；为本文档来自技高网...

【技术保护点】
1.一种垂直起降运载器气动参数在线辨识方法，其特征在于所述方法包括如下步骤：步骤(1)：根据风洞试验数据得到气动插值表，将马赫数、攻角、舵偏的组合称为飞行节点，经过差商计算，得到不同飞行节点下的气动参数；步骤(2)：进行闭环气动参数辨识输入设计，进行运载器飞行试验，获得运载器历史飞行数据；步骤(3)：利用运载器历史飞行试验数据，采用极大似然法对各条弹道上各节点处的三通道气动参数进行辨识，辨识过程中先对俯仰通道气动参数进行辨识，再对滚转和偏航通道气动参数进行辨识；步骤(4)：按照步骤(3)的方法完成插值表上所有节点的三通道气动参数辨识后，再对节点间隔进行加密插值扩充，作为神经网络的训练样本；步骤(5)：利用BP神经网络对步骤(4)的样本数据进行训练，直接构建飞行条件‑俯仰通道气动参数、飞行条件‑偏航与滚转通道气动参数之间的关系，建立两个神经网络，然后对神经网络进行训练，训练完成后获得弹道上任意节点的气动参数。

【技术特征摘要】
1.一种垂直起降运载器气动参数在线辨识方法，其特征在于所述方法包括如下步骤：步骤(1)：根据风洞试验数据得到气动插值表，将马赫数、攻角、舵偏的组合称为飞行节点，经过差商计算，得到不同飞行节点下的气动参数；步骤(2)：进行闭环气动参数辨识输入设计，进行运载器飞行试验，获得运载器历史飞行数据；步骤(3)：利用运载器历史飞行试验数据，采用极大似然法对各条弹道上各节点处的三通道气动参数进行辨识，辨识过程中先对俯仰通道气动参数进行辨识，再对滚转和偏航通道气动参数进行辨识；步骤(4)：按照步骤(3)的方法完成插值表上所有节点的三通道气动参数辨识后，再对节点间隔进行加密插值扩充，作为神经网络的训练样本；步骤(5)：利用BP神经网络对步骤(4)的样本数据进行训练，直接构建飞行条件-俯仰通道气动参数、飞行条件-偏航与滚转通道气动参数之间的关系，建立两个神经网络，然后对神经网络进行训练，训练完成后获得弹道上任意节点的气动参数。2.根据权利要求1所述的垂直起降运载器气动参数在线辨识方法，其特征在于所述步骤(2)中，闭环气动参数辨识输入设计时，采用阶跃输入作为舵偏输入形式。3.根据权利要求1所述的垂直起降运载器气动参数在线辨识方法，其特征在于所述步骤(3)中，俯仰...

【专利技术属性】
技术研发人员：韦常柱，李源，崔乃刚，吕吉星，浦甲伦，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23