一种气动数据融合方法及系统技术方案

本发明专利技术涉及飞行器气动数据处理技术领域，公开了一种气动数据融合方法及系统，该方法，基于不同来源的气动数据，在飞行器气动数据建模过程中，利用低准度气动数据建立预测模型，并将高准度气动数据作为观测值，基于观测值对预测模型进行校正。本发明专利技术解决了现有技术存在的获取效率低、使用场景限制较多等问题。使用场景限制较多等问题。使用场景限制较多等问题。

【技术实现步骤摘要】
一种气动数据融合方法及系统


[0001]本专利技术涉及飞行器气动数据处理
，具体是一种气动数据融合方法及系统。

技术介绍

[0002]获取飞行器气动数据的三种主要方式为：飞行试验、风洞试验和数值计算，每一种方式都存在各自的优缺点，如飞行试验的飞行环境真实但代价昂贵、风洞试验准度高但存在各种干扰、数值计算方便灵活但物理模型不够完善。单靠单一单源的气动试验手段，难在短时间获得飞行器飞行包线内的高准度气动数据，不能满足新一代飞行器的研制需求。基于多源气动数据融合方法的气动建模方法为解决这一问题提供了一种高效可行的手段。
[0003]当前气动数据融合方法可归纳为两类：基于不确定度的加权融合算法和基于气动力建模的数据融合方法。前者需要专家经验等先验知识给定数据源的不确定度，以不确定为依据进行融合；后者则需要知道研究对象精确的物理模型，利用气动数据满足气动力变化规律的程度为依据进行融合。实际工程中，很多时候并不知道数据源的不确定度信息和研究对象精确的物理模型，因此上述方法都有各自的适用性和局限性。
[0004]现有技术存在以下缺点：1.现有的获取气动力数据的三种方式各有自己的优缺点，单靠单一单源的气动试验手段，难以在短时间获得飞行器飞行包线内的高精度气动数据，不能满足新一代飞行器的研制需求；2.现有的基于不确定度的加权融合算法，需要根据专家经验、试验经验等先验知识来确定气动数据源的不确定度，而对于很多气动数据来讲，并没有先验知识可以参照，所以局限性很大；3.现有的基于气动力建模的数据融合方法，需要知道研究对象精确的物理模型，然后进行建模和融合，然后对于工程应用来讲，很多情况下并不能明确知道研究对象精确的物理模型，所以局限性很大。

技术实现思路

[0005]为克服现有技术的不足，本专利技术提供了一种气动数据融合方法及系统，解决现有技术存在的获取效率低、使用场景限制较多等问题。
[0006]本专利技术解决上述问题所采用的技术方案是：一种气动数据融合方法，基于不同来源的气动数据，在飞行器气动数据建模过程中，利用低准度气动数据建立预测模型，并将高准度气动数据作为观测值，基于观测值对预测模型进行校正。
[0007]作为一种优选的技术方案，将预测模型的输入变量离散全排列。
[0008]作为一种优选的技术方案，包括以下步骤：S1，预测模型构建：基于低准度数据源构建预测模型；其中，预测模型的输入变量
为类时间项，输出为预测的气动数据；其中，且为正整数；S2，初始时刻预测校正：从时刻开始进行预测，判断该时刻是否存在高准度数据：如果存在，则利用高准度数据校正预测模型，并基于校正后的预测模型进行预测；如果不存在，则直接预测气动数据；S3，后续时刻预测校正：预测后续时刻的气动数据，同时校正预测模型，直至完成所有时刻的预测和校正；S4，输出：输出经过多次校正后的预测模型和融合后的气动数据。
[0009]作为一种优选的技术方案，步骤S1包括以下步骤：S11，构建预测模型，预测模型的输入变量为多维气动数据；S12，对预测模型进行泰勒展开，将输入变量转化为一维变量进行排列，得到输入变量为类时间项、输出为预测的气动数据的预测模型。
[0010]作为一种优选的技术方案，步骤S12中，输入变量的排列顺序为：设有A行B列的二维输入变量，输入变量元素的行的序号为i，1≤i≤A，列的序号为j，1≤j≤B，转化为一维变量后的输入变量元素编号为t，1≤t≤A
×
B，t的编号规则为：在i为奇数的行，t按列编号由小到大进行编号；在i为偶数的行，t按列编号由大到小进行编号；t从i=1、j=1的输入变量元素开始编号，行数大的一行中的任一输入变量元素的t均大于行数小的一行中的所有输入变量元素的t，t编号完某一行的全部输入变量元素后再编号比该行的行数大1的行的输入变量元素。
[0011]作为一种优选的技术方案，输入变量为（,）,范围为1，2，范围为1，2，3；其中，表示第一输入变量，表示第二输入变量。
[0012]作为一种优选的技术方案，为马赫数、迎角、侧滑角、飞行器距离地面高度中的一种，为马赫数、迎角、侧滑角、飞行器距离地面高度中的一种，与种类不同。
[0013]作为一种优选的技术方案，范围为1，2，3，4。
[0014]作为一种优选的技术方案，预测模型为多阶响应面模型。
[0015]一种气动数据融合系统，用于实现所述的一种气动数据融合方法，包括依次连接的以下模块：预测模型构建模块：用以，基于低准度数据源构建预测模型；其中，预测模型的输入变量为类时间项，输出为预测的气动数据；其中，且为正整数；初始时刻预测校正模块：用以，从时刻开始进行预测，判断该时刻是否存在高准度数据：如果存在，则利用高准度数据校正预测模型，并基于校正后的预测模型进行预测；如果不存在，则直接预测气动数据；后续时刻预测校正模块：用以，预测后续时刻的气动数据，同时校正预测模型，直至完成所有时刻的预测和校正；输出模块：用以，输出经过多次校正后的预测模型和融合后的气动数据。
[0016]本专利技术相比于现有技术，具有以下有益效果：（1）本专利技术是一种数据融合方法，综合利用了不同来源的气动数据的优点，在降低试验代价的同时，提高了数据的预测精度；
（2）本专利技术与基于不确定度来源的气动数据融合方法相比，本专利技术不需要获取气动数据的不确定度信息，局限性更小；（3）本专利技术与现有的基于气动力建模的数据融合方法相比，本专利技术不需要获取研究对象精确的物理模型，适用性更强。
[0017]（4）本专利技术用输入变量全排列的方式来类比时间项，解决了传统气动数据不含时间项的问题，扩宽了气动数据融合方法思路。
附图说明
[0018]图1为本专利技术所述的一种气动数据融合方法的流程图；图2为二维变量离散方式图。
具体实施方式
[0019]下面结合实施例及附图，对本专利技术作进一步的详细说明，但本专利技术的实施方式不限于此。
[0020]实施例1如图1至图2所示，本专利技术是一种基于预测校正思想的气动数据融合方法，采用如下技术方案：1.提出了一种基于预测校正思想的气动数据融合方法，相比于单源数据建模方法，在降低了试验代价的同时，提高了模型预测准度；2.将输入变量离散全排列来类比时间项，有效地将基于时间序列的预测校正算法应用于气动数据融合上，扩宽了数据融合方法的研究思路。
[0021]与现有的气动数据融合方法相比，既不需要获取气动数据的不确定度信息，也不需要研究对象精确的物理模型，规避了现有两类气动数据融合方法中的局限性问题，适用性更强。
[0022]本专利技术为一种基于预测校正思想的数据融合方法，预测校正方法是以消除实际目标与预计目标之间的偏差为目的的一种方法，与常规的气动建模思想不同，它不依赖于准确的预测模型，而是在过程中对不断对预测模型进行修正，根据模型预测值与期望预计值的偏差校正控制量，从而达到提高建模准度的目的。
[0023]将预测校正思想应用于气动数据融合中，主要基于不同来源气动数据的特点，在飞本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种气动数据融合方法，其特征在于，基于不同来源的气动数据，在飞行器气动数据建模过程中，利用低准度气动数据建立预测模型，并将高准度气动数据作为观测值，基于观测值对预测模型进行校正。2.根据权利要求1所述的一种气动数据融合方法，其特征在于，将预测模型的输入变量离散全排列。3.根据权利要求2所述的一种气动数据融合方法，其特征在于，包括以下步骤：S1，预测模型构建：基于低准度数据源构建预测模型；其中，预测模型的输入变量为类时间项，输出为预测的气动数据；其中，且为正整数；S2，初始时刻预测校正：从时刻开始进行预测，判断该时刻是否存在高准度数据：如果存在，则利用高准度数据校正预测模型，并基于校正后的预测模型进行预测；如果不存在，则直接预测气动数据；S3，后续时刻预测校正：预测后续时刻的气动数据，同时校正预测模型，直至完成所有时刻的预测和校正；S4，输出：输出经过多次校正后的预测模型和融合后的气动数据。4.根据权利要求3所述的一种气动数据融合方法，其特征在于，步骤S1包括以下步骤：S11，构建预测模型，预测模型的输入变量为多维气动数据；S12，对预测模型进行泰勒展开，将输入变量转化为一维变量进行排列，得到输入变量为类时间项、输出为预测的气动数据的预测模型。5.根据权利要求4所述的一种气动数据融合方法，其特征在于，步骤S12中，输入变量的排列顺序为：设有A行B列的二维输入变量，输入变量元素的行的序号为i，1≤i≤A，列的序号为j，1≤j≤B，转化为一维变量后的输入变量元素编号为t，1≤t≤A
×
B，t的编号规则为：在i为奇数的行，t按列编号由...

【专利技术属性】
技术研发人员：邓晨，陈功，敖厚军，任斯远，
申请(专利权)人：成都流体动力创新中心，
类型：发明
国别省市：