CN102867129B - 基于可变数据长度最大信息量-可信度准则的飞行器建模方法 - Google Patents
基于可变数据长度最大信息量-可信度准则的飞行器建模方法 Download PDFInfo
- Publication number
- CN102867129B CN102867129B CN201210383069.8A CN201210383069A CN102867129B CN 102867129 B CN102867129 B CN 102867129B CN 201210383069 A CN201210383069 A CN 201210383069A CN 102867129 B CN102867129 B CN 102867129B
- Authority
- CN
- China
- Prior art keywords
- omega
- overbar
- eta
- sigma
- partiald
- 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.)
- Expired - Fee Related
Links
Abstract
本发明公开了一种基于可变数据长度最大信息量-可信度准则的飞行器建模方法,用于解决现有的最大信息量准则不考虑数据长度而导致飞行试验给出的气动模型和参数验证正确性差的技术问题。技术方案是通过在最大信息量准则考虑数据长度并且引入可信度参数,可以根据飞行器的不同飞行试验因素修正建模准则;对测量方差估计Rj和Rj+1的U-D分解,得到了标量模型选择和验证判别式。便于直接根据飞行试验数据建立飞行器气动力、力矩模型,避免了最大信息量准则未直接考虑数据长度导致用不同飞行试验数据建立和验证气动模型不正确的技术问题。
Description
技术领域
本发明涉及一种飞行器建模方法,特别是涉及一种基于可变数据长度最大信息量-可信度准则的飞行器建模方法。
背景技术
根据飞机气动模型和参数不仅可以确定飞机的操纵稳定性,还可为地面和空中仿真器提供正确的数学模型;验证飞机气动参数的风洞实验和理论计算结果;为飞机控制系统的设计和改进提供基本数据;鉴定定型飞机的飞行品质;研究高性能飞机的飞行品质;进行飞机失事的事故分析等等;准确地建立飞机数学模型问题与通过基本定律、定理等机理建模的理论方法截然不同,主要根据实验所得的输入和输出数据建立模型,其基本理论依据为非线性系统辨识学和非线性飞行动力学;当飞机作小迎角小扰动飞行时,气动力和力矩模可以用台劳级数展开取一次项,即Bryan模型表示。当马赫数、高度一定时,这一模型是线性定常模型,此模型因为形式简单而一直沿用至今,成为气动数学模型的基石;采用这种模型,飞行器系统辨识就成了对已知数学模型的系统参数估计了;现代战斗机、战术导弹在作战时需要较大机动、过失速甚至尾旋,其迎角可以从十几度、几十度直至一百多度,已不能采用线性模型;飞机大迎角形成的脱体涡、分离涡所引起的非定常下洗流场、使得定常模型也不能再适用了。研究在大迎角下飞行器的非定常、非线性气动模型已成为当前飞机研制的迫切需要的问题。然而,非线性气动力的辨识异常复杂,它是一般的非线性系统辨识问题,输入量与状态之间的函数关系很难确定,需要对模型进行辨识;模型辨识的关键是建模判据和优选算法,对于给定的结构形式,应用建模判据来确定模型的最优阶数并从侯选模型中选出最优模型;由于实测数据含有噪声,建模判据不能仅仅考察对现有数据的拟合误差大小,而且综合考虑其它因素,否则将会使模型不正确;通常,建模判据应能使优选出的模型具有以下特点:1.模型很好地拟合现有飞行数据;2.模型各项有明显的物理意义;3.模型能预测类似条件下的实测数据;4.在性能相当的条件下阶次最低;最常用的模型辨识方法是逐步回归法,其原理是逐项将影响显著性的预报因子选入,并将影响小的因子剔除,建立回归方程的方法;这一方法计算简单、比较实用;但这一方法有两个明显的缺点:一是选择标准由人而定,而且没有给出结果的可信度;二是误差积累大,容易漏选和误选;为此,人们对要求较高的飞行器模型辨识问题常常采用最大信息量准则AIC方法,但是该方法处理速度慢,信噪比较小时模型辨识精度差;由于在非线性情况下,只能对飞机非线性方程进行数值积分,进行灵敏度矩阵计算和迭代计算,从而使计算的复杂程度和计算量比线性估计高得多,同时也使模型输出与实验数据之间的拟合变得更加困难,特别是当飞行数据长度不同时,现有AIC准则没有直接考虑不同的数据长度,常常会导致飞行试验给出的气动模型和参数验证不正确。
发明内容
为了克服现有最大信息量准则不考虑数据长度而导致飞行试验给出的气动模型和参数验证正确性差的不足,本发明提供一种基于可变数据长度最大信息量-可信度准则的飞行器建模方法。该方法通过分析数据长度的影响,并且引入可信度参数对最大信息量准则进行了修正,得到了新的模型辨识判据,由新判据建立了指数建模,直接可以用于飞行器的飞行试验建模和模型验证,可以避免根据飞行试验建立和验证飞行器大迎角模型存在的技术问题。
本发明解决其技术问题所采用的技术方案是:一种基于可变数据长度最大信息量-可信度准则的飞行器建模方法,其特点是包括以下步骤:
步骤一、飞行试验待确定的飞行器候选模型的状态方程为
观测方程为
(1)、(2)式中,x(t)为n维状态向量;y(t)为m维观测向量;f{f0[x(t),Ω0],f1[x(t),θ1],...,fq[θq,x(t)],t}、g{g0[x(t),Ω0],g1[x(t),θ1],...,gq[θq,x(t)],t}为表达式已知的待确定模型结构函数,f0[x(t),Ω0]、g0[x(t),Ω0]为根据物理概念必须选入的模型,fi[x(t),θi]、gi[x(t),θi](i=1,2,…,q)为候选模型,z(tk)为在tk时刻对y(tk)的测量值;Ω为未知维数的参数向量,Ω0为已知维数的参数向量;v(k)为测量噪声,假定方差为Rk的零均值高斯白噪声;fi[x(t),θi]、gi[x(t),θi](i=1,2,…,q)是否在模型中出现及Ω0、θi(i=1,2,…,q)的取值需要辨识,q为已知的候选模型个数;
由于对飞行器的模型结构准确度要求较高,给出以下最大信息量-可信度准则:
式中,L1[x(t),Ω1,t]、L2[x(t),Ω2,t]为取不同的参数向量Ω1和Ω2的极大似然函数,δ为给定正实数、表示可信度参数,
步骤二、根据假定f0[x(t),Ω0]、g0[x(t),Ω0]、Ω0=Ω0已经通过优选算法选入模型,并由以下算法迭代计算得到:
令j=0,1,2,…,q,假定fj[x(t),θj]、gj[x(t),θj]、Ωj已经选入模型,按照以下方式选择其它候选模型:
求(4)式极大值,迭代计算:
以及
(5)、(6)式中:
当两个飞行试验数据长度分别为N、M、设 θj+1的选入或剔除及验证条件为:θj+1的选入或剔除模型验证条件为:当
时,θj+1、fj+1[x(t),θj+1]、gj+1[x(t),θj+1]选入模型,且 否则剔除fj+1[x(t),θj+1]、gj+1[x(t),θj+1]候选项,且Ωj+1=Ωj;
(7)式中:ε为给定正数,
步骤三、由于飞行器测量向量y的维数m较大,采用Gram-Schmidt正交化方法对RNj、RMj、RN(j+1)和RM(j+1)进行U-D分解,RNj、RMj、RN(j+1)和RM(j+1)的U-D分解分别为:
式中,URNj、URMj、URN(j+1)、URM(j+1)为单位上三角阵;
DRNj=diag[dRNj(1),dRNj(2),…,dRNj(m)],DRN(j+1)=diag[dRN(j+1)(1),dRN(j+1)(2),…,dRN(j+1)(m)],
DRMj=diag[dRMj(1),dRMj(2),…,dRMj(m)],DRM(j+1)=diag[dRM(j+1)(1),dRM(j+1)(2),…,dRM(j+1)(m)];
diag为对角符号;
模型验证的最大信息量准则写成:当
成立时,θj+1、fj+1[x(t),θj+1]、gj+1[x(t),θj+1]选入模型正确,且 否则剔除fj+1[x(t),θj+1]、gj+1[x(t),θj+1]候选项,且Ωj+1=Ωj。
本发明的有益效果是:由于通过在最大信息量准则考虑数据长度并且引入可信度参数,可以根据飞行器的不同飞行试验因素修正建模准则;对测量方差估计Rj和Rj+1的U-D分解,得到了标量模型选择和验证判别式,便于直接根据飞行试验数据建立飞行器气动力、力矩模型,避免了最大信息量准则未直接考虑数据长度导致用不同飞行试验数据建立和验证气动模型不正确的技术问题。
下面结合具体实施方式对本发明作详细说明。
具体实施方式
本发明基于可变数据长度最大信息量-可信度准则的飞行器建模方法具体步骤如下:
1、许多飞行器在迎角小于60度时常用候选模型形式为:
(1)、(2)式中,,x(t)为n维状态向量;y(t)为m维观测向量,Φ(Ω0)f0[x(t)]、Ψ(Ω0)g0[x(t)]为根据物理概念必须选入的模型,θifi[x(t)]、θigi[x(t)](i=1,2,…,q)为候选模型,z(tk)为在tk时刻对y(tk)的测量值;Ω为未知维数的参数向量,Ω0为已知维数的参数向量;v(k)为测量噪声,假定方差为Rk的零均值高斯白噪声;θifi[x(t)]、θigi[x(t)](i=1,2,…,q)是否在模型中出现及Ω0、θi(i=1,2,…,q)的取值需要辨识·,q为已知的候选模型个数;
通常对飞行器的模型结构准确度要求较高,本发明给出以下最大信息量-可信度准则:
式中,L1[x(t),Ω1,t]、L2[x(t),Ω2,t]为取不同的参数向量Ω1和Ω2的极大似然函数,δ为给定正实数、表示可信度参数,
2、根据假定f0[x(t),Ω0]、g0[x(t),Ω0]、Ω0=Ω0已经通过优选算法选入模型,并由以下算法迭代计算得到:
令j=0,1,2,…,q,假定fj[x(t),θj]、gj[x(t),θj]、Ωj已经选入模型,按照以下方式选择其它候选模型:
求(4)式极大值,迭代计算:
以及
(5)、(6)式中:
当两个飞行试验数据长度分别为N、M、设 θj+1的选入或剔除及验证条件为:θj+1的选入或剔除模型验证条件为:当
时,θj+1、θjfj[x(t)]、θjgj[x(t)]选入模型,且 否则剔除θjfj[x(t)]、θjgj[x(t)]候选项,且Ωj+1=Ωj;
(7)式中:ε为给定正数,
3、通常飞行器测量向量y的维数m较大,采用Gram-Schmidt正交化方法对RNj、RMj、RN(j+1)和RM(j+1)进行U-D分解,RNj、RMj、RN(j+1)和RM(j+1)的U-D分解分别为:
式中,URNj、URMj、URN(j+1)、URM(j+1)为单位上三角阵;
DRNj=diag[dRNj(1),dRNj(2),…,dRNj(m)],DRN(j+1)=diag[dRN(j+1)(1),dRN(j+1)(2),…,dRN(j+1)(m)],
DRMj=diag[dRMj(1),dRMj(2),…,dRMj(m)],DRM(j+1)=diag[dRM(j+1)(1),dRM(j+1)(2),…,dRM(j+1)(m)];
diag为对角符号;
模型验证的最大信息量准则可写成:当
成立时,θj+1、θjfj[x(t)]、θjgj[x(t)]选入模型正确,且 否则剔除θjfj[x(t)]、θjgj[x(t)]候选项,且Ωj+1=Ωj。
Claims (1)
1.一种基于可变数据长度最大信息量-可信度准则的飞行器建模方法,其特征在于包括以下步骤:
步骤一、飞行试验待确定的飞行器候选模型的状态方程为
观测方程为
(1)、(2)式中,x(t)为n维状态向量;y(t)为m维观测向量;f{f0[x(t),Ω0],f1[x(t),θ1],...,fq[θq,x(t)],t}、g{g0[x(t),Ω0],g1[x(t),θ1],...,gq[θq,x(t)],t}为表达式已知的待确定模型结构函数,f0[x(t),Ω0]、g0[x(t),Ω0]为根据物理概念必须选入的模型,fi[x(t),θi]、gi[x(t),θi]为候选模型,其中,i=1,2,…,q;z(tk)为在tk时刻对y(tk)的测量值;Ω为未知维数的参数向量,Ω0为已知维数的参数向量;v(k)为测量噪声,假定方差为Rk的零均值高斯白噪声;fi[x(t),θi]、gi[x(t),θi]是否在模型中出现及Ω0、θi的取值需要辨识,q为已知的候选模型个数;
由于对飞行器的模型结构准确度要求较高,给出以下最大信息量-可信度准则:
式中,L1[x(t),Ω1,t]、L2[x(t),Ω2,t]为取不同的参数向量Ω1和Ω2的极大似然函数,δ为给定正实数、表示可信度参数,
步骤二、根据假定f0[x(t),Ω0]、g0[x(t),Ω0]、Ω0=Ω0已经通过优选算法选入模型,并由以下算法迭代计算得到:
令j=0,1,2,…,q,假定fj[x(t),θj]、gj[x(t),θj]、Ωj已经选入模型,按照以下方式选择其它候选模型:
求(4)式极大值,迭代计算:
以及
(5)、(6)式中:
当两个飞行试验数据长度分别为N、M、设 θj+1的选入或剔除及验证条件为:当
(7)式中:ε为给定正数,
步骤三、由于飞行器测量向量y的维数m较大,采用Gram-Schmidt正交化方法对RNj、RMj、RN(j+1)和RM(j+1)进行U-D分解,RNj、RMj、RN(j+1)和RM(j+1)的U-D分解分别为:
式中,URNj、URMj、URN(j+1)、URM(j+1)为单位上三角阵;
DRNj=diag[dRNj(1),dRNj(2),…,dRNj(m)],DRN(j+1)=diag[dRN(j+1)(1),dRN(j+1)(2),…,dRN(j+1)(m)],DRMj=diag[dRMj(1),dRMj(2),…,dRMj(m)],DRM(j+1)=diag[dRM(j+1)(1),dRM(j+1)(2),…,dRM(j+1)(m)];diag为对角符号;
模型验证的最大信息量准则写成:当
成立时,θj+1、fj+1[x(t),θj+1]、gj+1[x(t),θj+1]选入模型正确,且 否则剔除fj+1[x(t),θj+1]、gj+1[x(t),θj+1]候选项,且Ωj+1=Ωj。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210383069.8A CN102867129B (zh) | 2012-10-11 | 2012-10-11 | 基于可变数据长度最大信息量-可信度准则的飞行器建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210383069.8A CN102867129B (zh) | 2012-10-11 | 2012-10-11 | 基于可变数据长度最大信息量-可信度准则的飞行器建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102867129A CN102867129A (zh) | 2013-01-09 |
CN102867129B true CN102867129B (zh) | 2015-01-28 |
Family
ID=47445997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210383069.8A Expired - Fee Related CN102867129B (zh) | 2012-10-11 | 2012-10-11 | 基于可变数据长度最大信息量-可信度准则的飞行器建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102867129B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861699B (zh) * | 2020-07-02 | 2021-06-22 | 北京睿知图远科技有限公司 | 一种基于运营商数据的反欺诈指数生成方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726295B (zh) * | 2008-10-24 | 2011-09-07 | 中国科学院自动化研究所 | 考虑加速度补偿和基于无迹卡尔曼滤波的惯性位姿跟踪方法 |
-
2012
- 2012-10-11 CN CN201210383069.8A patent/CN102867129B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102867129A (zh) | 2013-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105843073B (zh) | 一种基于气动力不确定降阶的机翼结构气动弹性稳定性分析方法 | |
CN105115692B (zh) | 一种cfd数值模拟与风洞试验相结合的气动预测方法 | |
CN103020456B (zh) | 一种飞行器气动参数辨识误差区间估算方法 | |
CN109596145A (zh) | 一种车载导航的动态测试方法及系统 | |
Cenko | Store separation lessons learned during the last 30 years | |
CN110334449A (zh) | 一种基于在线代理模型算法的翼型快速设计方法 | |
CN104899448A (zh) | 一种集合卡尔曼滤波静态局地化方案的自适应补偿方法 | |
CN108537376B (zh) | 基于rs-pso-grnn的埋地油气管道土壤腐蚀预测方法 | |
Spurlock et al. | Cartesian mesh simulations for the third AIAA sonic boom prediction workshop | |
CN102880057B (zh) | 利用可变数据长度最大信息量准则使飞行器模型更精确的方法 | |
CN102867130B (zh) | 基于可变测量数最大信息量准则的飞行器建模方法 | |
CN102880188B (zh) | 基于最大信息量-可信度在线辨识准则的飞行器建模方法 | |
CN102867129B (zh) | 基于可变数据长度最大信息量-可信度准则的飞行器建模方法 | |
CN104462022A (zh) | 飞行器动力学系统参数可辨识性分析方法 | |
CN116992577B (zh) | 跨介质航行器的仿真方法、系统、设备及存储介质 | |
Grauer | Real-time data-compatibility analysis using output-error parameter estimation | |
CN107621632A (zh) | 用于nshv跟踪滤波的自适应滤波方法及系统 | |
CN102938002B (zh) | 基于可调参数最大信息量准则的飞行器建模方法 | |
CN102890452B (zh) | 基于可变测量数最大信息量-可信度准则的飞行器建模方法 | |
CN102867102B (zh) | 基于最大信息量-可信度准则的飞行器建模方法 | |
CN102866630B (zh) | 基于最大信息量在线辨识准则的飞行器建模方法 | |
CN104677531A (zh) | 基于混合特征选择算法的飞机机翼载荷实测方法 | |
Venkatachari et al. | Boundary-Layer Transition Prediction Through Loose Coupling of OVERFLOW and LASTRAC | |
Nambu et al. | Numerical analysis of the ONERA-M6 wing with wind tunnel wall interference | |
CN109558563A (zh) | 稀疏度自适应的稀疏傅里叶变换方法、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150128 Termination date: 20211011 |
|
CF01 | Termination of patent right due to non-payment of annual fee |