CN101950317A - 基于模态分割和遗传算法的飞行器定阶次参数模型辨识方法 - Google Patents
基于模态分割和遗传算法的飞行器定阶次参数模型辨识方法 Download PDFInfo
- Publication number
- CN101950317A CN101950317A CN2010102724419A CN201010272441A CN101950317A CN 101950317 A CN101950317 A CN 101950317A CN 2010102724419 A CN2010102724419 A CN 2010102724419A CN 201010272441 A CN201010272441 A CN 201010272441A CN 101950317 A CN101950317 A CN 101950317A
- Authority
- CN
- China
- Prior art keywords
- model
- stage
- aircraft
- identification
- order
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000002068 genetic effect Effects 0.000 title claims abstract description 17
- 230000004044 response Effects 0.000 claims abstract description 19
- 238000002474 experimental method Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000012795 verification Methods 0.000 claims description 11
- 238000012850 discrimination method Methods 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 6
- 238000010200 validation analysis Methods 0.000 abstract 4
- 238000012933 kinetic analysis Methods 0.000 abstract 1
- 230000009466 transformation Effects 0.000 abstract 1
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 9
- 238000013461 design Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
基于模态分割和遗传算法的飞行器定阶次参数模型辨识方法属于飞行器辨识建模领域，其特征在于，含有：模型结构确定、飞行数据获取、模型辨识和模型验证4个阶段，其中，模型结构确定阶段用于建立飞行器的模态分割模型，包括动力学分析、确定模型阶次和模态分割模型3个步骤，飞行数据获取阶段用于获取飞行器的频域响应数据，包括扫频飞行实验、频域变换和频域响应数据3个步骤，模型辨识阶段用于辨识得到飞行器的动力学模型，包括遗传算法辨识模型1个步骤，模型验证阶段用于对辨识得到的动力学模型进行检验，包括模型验证1个步骤，其中：在模型结构确定阶段，利用模态分割模型将复杂的高阶动力学模型进行简化，在保留全部未知参数的同时，使模型精度在辨识过程中不受模型阶次的制约；在飞行数据获取阶段，获取飞行器的真实动力学频域响应；在模型辨识阶段，利用遗传算法使模态分割模型最大程度地逼近真实动力学频域响应；在模型验证阶段，对获取的动力学模型进行检验，如果满足要求则认为所得辨识模型满足要求，否则应重新进行实验。本发明利用模态分割模型保留了飞行器动力学模型的全部参数，利用遗传算法使模态分割模型最大程度地逼近真实飞行数据，并经过严格的模型验证过程，从而获得高精度的飞行器动力学模型。
Description
技术领域
本发明是用于对飞行器进行动力学建模的辨识方法，能够高精度地辨识飞行器尤其是直升机的动力学模型。主要应用在飞行器辨识建模和控制等技术领域。
背景技术
飞行器的动力学模型是飞行控制的前提。只有获得精确的动力学模型，才能获得优良的飞行控制效果。反之，如果没有精确的动力学模型精度，很多先进的飞行控制算法甚至无法得以实现。
传统的飞行器建模方法主要有3种，风洞建模、机理建模和辨识建模。而对于飞行器尤其是直升机而言，其结构、流场和飞行原理甚为复杂。采用风洞建模和机理建模很难精确量化其表面紊乱的流场和内部复杂的动力及操纵机构。因此，近年来开始采用辨识建模方法，根据真实的飞行实验数据对飞行器进行建模。在诸多辨识建模方法中，以美国陆军与NASA(National Aeronautics and Space Administration)联合开发的飞行建模工具软件CIFER
(Comprehensive Identification from Frequency Responses)为典型，其代表了当今飞行器尤其是直升机辨识建模的最高水平。然而，飞行器尤其是直升机的辨识建模技术属于尖端科技，西方国家对我国实行高度的技术封锁。因此，有必要依靠自身力量开展飞行器尤其是直升机建模技术的研究。
传统的辨识建模方法多采用最小二乘、Levy和数值优化等方法，对飞行器动力学模型的常规形式(如多项式传递函数、零极点传递函数、状态空间模型等)直接进行建模。由于飞行器尤其是直升机所具有的高阶模型特点，所以同时、高精度地对高阶次模型的诸多参数进行辨识是非常困难的。模型阶次越高，则辨识精度越难以保证。因此，目前的辨识建模方法需要在模型阶次和模型精度之间进行折衷。此外，传统辨识方法所使用的最小二乘、Levy和数值优化等方法也难以对飞行器动力学定阶次模型进行多参数、多范围、高精度地建模。综合以上因素，传统辨识方法(包括CIFER
)对飞行器尤其是直升机动力学的建模精度有限。
本发明通过采用模态分割模型和遗传算法，可以对飞行器尤其是直升机进行高精度地建模。其原理是，利用模态分割方法将复杂的高阶动力学模型进行简化，在保留全部未知参数的同时，使模型精度在辨识过程中不再受模型阶次的制约；利用遗传算法，对简化的动力学模型进行辨识，使模型能够高精度地逼近真实飞行数据；利用模型验证手段，对获取的动力学模型进行检验。
经过以上步骤的处理，本发明可以获取飞行器尤其是直升机的高精度动力学模型。经过理论分析和大量的飞行实验验证，本发明的建模精度远高于目前最权威的飞行建模工具软件CIFER
。此外，本发明还有概念清晰、操作简单、易于实现和便于飞行控制设计的优点。使用本发明提出的飞行器尤其是直升机动力学模型辨识方法，可以有效缩短飞行器尤其是直升机的飞行控制系统设计周期，并显著改善其飞行控制效果。因此，本发明可以加快新型号的研制或老型号的改进，以及系列化、通用化、工程化的进度，缩短与世界强国的差距。
发明内容
本发明的目的在于提供一种可以高精度获取飞行器尤其是直升机参数模型的辨识方法。
本发明的特征在于，含有：模型结构确定、飞行数据获取、模型辨识和模型验证4个阶段，其中，模型结构确定阶段包括动力学分析、确定模型阶次和模态分割模型3个步骤，飞行数据获取阶段包括扫频飞行实验、频域变换和频域响应数据3个步骤，模型辨识阶段包括遗传算法辨识模型1个步骤，模型验证阶段包括模型验证1个步骤，其中：
在模型结构确定阶段，通过动力学分析确定模型阶次，得到模型的结构形式；利用模态分割模型将复杂的高阶动力学模型进行简化，在保留全部未知参数的同时，使模型精度在辨识过程中不再受模型阶次的制约；在飞行数据获取阶段，获取飞行器尤其是直升机的真实动力学频域响应；在模型辨识阶段，利用遗传算法使模态分割模型最大程度地逼近真实动力学频域响应；在模型验证阶段，对获取的动力学模型进行检验，如果满足要求则认为所得辨识模型满足要求，否则重新进行辨识实验。
本发明的优点在于：可以得到飞行器尤其是直升机的高精度动力学模型。此外，本发明还有概念清晰、操作简单、易于实现和便于飞行控制设计的优点。使用本发明提出的飞行器尤其是直升机动力学模型辨识方法，可以有效缩短飞行器尤其是直升机的飞行控制系统设计周期，并显著改善其飞行控制效果。因此，本发明可以加快新型号的研制或老型号的改进，以及系列化、通用化、工程化的进度，缩短与世界强国的差距。
附图说明
图1是基于模态分割和遗传算法的飞行器定阶次参数模型辨识方法的流程图。图1中通过模型结构确定阶段确定的模态分割模型、飞行数据获取阶段得到的频域响应数据、在模型辨识阶段利用遗传算法即可辨识得到飞行器动力学定阶次模型，最后，在模型验证阶段对辨识得到的模型进行检验。
具体实施方式
模型结构确定阶段用于建立飞行器的模态分割模型，包括动力学分析、确定模型阶次和模态分割模型3个步骤。通过动力学分析，得到飞行器的动力学模型阶次(分子阶次和分母阶次)。通过模态分割方法，将阶次已知的复杂高阶动力学模型进行简化，得到模态分割模型。通过模态分割方法的处理，飞行器尤其是直升机的高阶动力学模型被划分为低阶子系统的组合，从而便于被遗传算法所辨识。此外，在保留高阶动力学模型全部未知参数的同时，模型精度在辨识过程中不再受模型阶次的制约。
飞行数据获取阶段用于获取飞行器的频域响应数据，包括扫频飞行实验、频域变换和频域响应数据3个步骤。通过扫频飞行实验获得飞行器尤其是直升机的原始时域飞行数据。通过频域变换，将原始时域飞行数据变换为频域响应，从而得到飞行器尤其是直升机真实的动力学频域响应数据。
模型辨识阶段用于辨识得到飞行器的动力学模型，包括遗传算法辨识模型1个步骤。利用遗传算法对真实动力学频域响应数据进行辨识，使模态分割模型能最大程度地逼近动力学频域响应数据，并以此作为飞行器的动力学模型。
模型验证阶段用于对辨识得到的动力学模型进行检验。如果满足要求则认为所得辨识模型可用，否则应重新进行辨识实验。在模型检验中，可选用常用的代价函数(频域)或吻合度(时域)方法。
经过以上4个阶段的逐步处理，即可获得飞行器尤其是直升机的高精度动力学模型。
Claims (1)
1.基于模态分割和遗传算法的飞行器定阶次参数模型辨识方法，其特征在于，含有：模型结构确定、飞行数据获取、模型辨识和模型验证4个阶段，其中，模型结构确定阶段用于建立飞行器的模态分割模型，包括动力学分析、确定模型阶次和模态分割模型3个步骤，飞行数据获取阶段用于获取飞行器的频域响应数据，包括扫频飞行实验、频域变换和频域响应数据3个步骤，模型辨识阶段用于辨识得到飞行器的动力学模型，包括遗传算法辨识模型1个步骤，模型验证阶段用于对辨识得到的动力学模型进行检验，包括模型验证1个步骤，其中：
在模型结构确定阶段，通过动力学分析确定模型阶次，得到模型的结构形式，并利用模态分割模型将复杂的高阶动力学模型进行简化，在保留全部未知参数的同时，使模型精度在辨识过程中不再受模型阶次的制约；在飞行数据获取阶段，获取飞行器的真实动力学频域响应；在模型辨识阶段，利用遗传算法使模态分割模型最大程度地逼近真实动力学频域响应；在模型验证阶段，对获取的动力学模型进行检验，如果满足要求则认为所得辨识模型满足要求，否则应重新进行实验。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010102724419A CN101950317A (zh) | 2010-09-03 | 2010-09-03 | 基于模态分割和遗传算法的飞行器定阶次参数模型辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010102724419A CN101950317A (zh) | 2010-09-03 | 2010-09-03 | 基于模态分割和遗传算法的飞行器定阶次参数模型辨识方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101950317A true CN101950317A (zh) | 2011-01-19 |
Family
ID=43453817
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010102724419A Pending CN101950317A (zh) | 2010-09-03 | 2010-09-03 | 基于模态分割和遗传算法的飞行器定阶次参数模型辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101950317A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289714A (zh) * | 2011-06-02 | 2011-12-21 | 北京航空航天大学 | 一种基于行为模型的小型无人旋翼机自主起降控制方法 |
| CN102298329A (zh) * | 2011-08-19 | 2011-12-28 | 北京航空航天大学 | 一种基于自适应遗传算法的小型无人旋翼机动力学模型辨识方法 |
| CN104699905A (zh) * | 2015-03-18 | 2015-06-10 | 中国航空工业集团公司雷华电子技术研究所 | 基于频域响应的调速系统齿轮传动机构辨识建模方法 |
| CN107609221A (zh) * | 2017-08-15 | 2018-01-19 | 东南大学 | 一种基于遗传算法的含铰结构非线性参数识别方法 |
-
2010
- 2010-09-03 CN CN2010102724419A patent/CN101950317A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289714A (zh) * | 2011-06-02 | 2011-12-21 | 北京航空航天大学 | 一种基于行为模型的小型无人旋翼机自主起降控制方法 |
| CN102289714B (zh) * | 2011-06-02 | 2014-02-26 | 北京航空航天大学 | 一种基于行为模型的小型无人旋翼机自主起降控制方法 |
| CN102298329A (zh) * | 2011-08-19 | 2011-12-28 | 北京航空航天大学 | 一种基于自适应遗传算法的小型无人旋翼机动力学模型辨识方法 |
| CN104699905A (zh) * | 2015-03-18 | 2015-06-10 | 中国航空工业集团公司雷华电子技术研究所 | 基于频域响应的调速系统齿轮传动机构辨识建模方法 |
| CN104699905B (zh) * | 2015-03-18 | 2017-10-31 | 中国航空工业集团公司雷华电子技术研究所 | 基于频域响应的调速系统齿轮传动机构辨识建模方法 |
| CN107609221A (zh) * | 2017-08-15 | 2018-01-19 | 东南大学 | 一种基于遗传算法的含铰结构非线性参数识别方法 |
| CN107609221B (zh) * | 2017-08-15 | 2018-07-17 | 东南大学 | 一种基于遗传算法的含铰结构非线性参数识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101930494B (zh) | 基于模态分割和遗传算法的飞行器不定阶次参数模型辨识方法 | |
| CN111274671A (zh) | 一种基于数字孪生的复杂产品装配过程精准修配方法及其运行系统 | |
| CN101692257A (zh) | 一种复杂曲面的配准方法 | |
| CN110633790B (zh) | 基于卷积神经网络的飞机油箱剩余油量测量方法和系统 | |
| CN103714166B (zh) | 激光雷达电力线点云数据的拟合方法 | |
| CN103267507A (zh) | 基于有限元分析提取机械结构平面的平面度误差的方法 | |
| CN102682172B (zh) | 基于参数分类的超临界机翼极多参数优化设计方法 | |
| CN101950317A (zh) | 基于模态分割和遗传算法的飞行器定阶次参数模型辨识方法 | |
| CN101750136A (zh) | 一种基于管内磁场仿真数值计算的电磁流量计干标定方法 | |
| CN103542820A (zh) | 一种检测风洞内表面平整度的方法 | |
| CN111504191A (zh) | 一种基于三维激光扫描的航空零件自动快速测量方法 | |
| CN106354955A (zh) | 一种基于磨机振动模态参数的滑动轴承刚度识别方法 | |
| CN103434585A (zh) | 客车车身结构减重方法 | |
| CN103366056A (zh) | 基于有限元分析的机械零件圆柱度误差的测量方法 | |
| CN114936428A (zh) | 一种基于adams的转向机构多体动力学建模及参数确认方法 | |
| CN103177165A (zh) | 客车车身结构设计系统、客车侧翻仿真测试系统及方法 | |
| CN113221278B (zh) | 一种车载光电平台照准架轻量化方法 | |
| CN104180789A (zh) | 基于图形匹配算法的叶片检测方法 | |
| CN104537145A (zh) | 一种测试航空机载转速传感器电磁输出特性的方法 | |
| Kaplan et al. | Reverse engineering design of a hydraulic turbine runner | |
| He et al. | Reverse Engineering of Free‐Form Surface Based on the Closed‐Loop Theory | |
| RIVA | Implementation and Application of the Actuator Line Model by OpenFOAM for a Vertical Axis Wind Turbine set on a University of Stavanger building roof | |
| CN104154889A (zh) | 一种基于关节臂测量仪的航空结构件数字化磨削方法 | |
| Cao et al. | Aerodynamic configuration optimization for hypersonic gliding vehicle based on improved hybrid multi-objective PSO algorithm | |
| CN113156359B (zh) | 一种用于确定电容式电压互感器计量误差的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20110119 |