【技术实现步骤摘要】
飞行器及其姿态控制模型参数辨识方法、装置及存储介质
[0001]本专利技术涉及飞行姿态控制
,尤其涉及飞行器及其姿态控制模型参数辨识方法、装置及存储介质。
技术介绍
[0002]飞行器的姿态控制研究十分必要,由姿态控制保证快速、精度和鲁棒性。大部分算法都需要依赖于飞行器的精准数学模型,且相关参数的选取没有成熟的规律可循,参数的改变对控制效果的影响比较敏感,存在局限性。
[0003]对于模型的建立以及后续控制器设计,需对特征参数进行在线辨识。常见辨识方法有如最小二乘法、梯度投影法等,在线反复输入姿态状态量循环计算,最终在达到参数要求范围且平稳固定后得到特征模型参数。
[0004]传统的参数辨识算法如最小二乘法、梯度算法是非循环单次算法,将数据进行离线辨识处理,而特征建模过程中与变化状态量相关的辨识,无法获取参数随时间变化情况,因此不能应用于飞行器姿态参数控制建模。
[0005]为了适用于飞行器姿态参数控制建模,目前对传统参数辨识算法进行了改进,例如目前常见特征模型参数辨识方法包括递推最小二乘法在线辨识、含有遗忘因子的递推最小二乘法在线辨识等。
[0006]递推最小二乘辨识:新的参数估计值=旧的参数估计值+修正项。根据时间顺序,在飞行器运行过程中随每一次的状态量改变进行估计,并随着时间的推进修正数值。
[0007]含有遗忘因子的递推最小二乘辨识:当辨识过程中,因旧数据被新数据替代,为适应时变系统参数变化,在递推最小二乘辨识算法的基础上加入遗忘因子,以降低较前时刻数据的权重,提 ...
【技术保护点】
【技术特征摘要】
1.一种飞行器姿态控制模型参数辨识方法,其特征在于,包括:S10、针对飞行器俯仰、滚转和偏航三个姿态角通道分别建立如下特征模型:X(k+1)=α1(k)X(k)+α2(k)X(k
‑
1)+β0(k)U(k);
ꢀꢀꢀꢀꢀꢀ
(1)其中,X(k+1)为下一时刻估计姿态角,X(k)为当前时刻实际姿态角,X(k
‑
1)为上一时刻实际姿态角,U(k)为控制力矩,α1(k)、α2(k)和β0(k)为待辨识参数;S11、根据特征模型误差定义目标函数;S12、基于目标函数的倒数构建适应度函数;S20、获取上一时刻输出的辨识参数估计,并对其进行二进制编码,以输入遗传算法模型进行基因操作,以生成下一代种群;S21、基于所述适应度函数计算该种群的适应度;S22、判断该种群的适应度是否满足精度要求;如是,转至步骤S23;如否,转至步骤S24;S23、对该种群进行解码操作,以得到所述待辨识参数的参数估计;S24、更新进化代数;S25、判断是否达到最大进化代;如是,转至步骤S23;如否,转至步骤S26;S26、判断当前进化代数是否大于等于2;如是,转至步骤S27;如否,转至步骤S28;S27、判断当前种群的适应度是否优于前一代种群的适应度;如是,转至步骤S291;如否,转至步骤S292;S28、以第一代种群为父种群,继续进行基因操作;S291、以当前种群为父种群,继续进行基因操作;S292、以前一代种群为父种群,继续进行基因操作;S30、保存所述待辨识参数的参数估计,以用于下一时刻该通道对应姿态参数估计。2.如权利要求1所述的飞行器姿态控制模型参数辨识方法,其特征在于,所述S11、根据特征模型误差定义目标函数包括:所述特征模型误差为:e=X
M
‑
X
τ
;
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中X
M
为实际姿态角输出,X
τ
为特征模型姿态角估计,采样次数为N,定义目标函数为:3.如权利要求2所述的飞行器姿态控制模型参数辨识方法,其特征在于,所述适应度函数为:其中,种群为M为种群规模。4.如权利要求1所述的飞行器姿态控制模型参数辨识方法,其特征在于,所述基因操作包括复制操作、交叉操作和变异操作。5.如权利要求4所述的飞行器姿态控制模型参数辨识方法,其特征在于,所述复制操作选用轮盘选择算法:
其中,P...
【专利技术属性】
技术研发人员:杜海铭,孙健,王钢,
申请(专利权)人:北京理工大学重庆创新中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。