CN106114876A - 飞机试飞数据的参数辨识方法 - Google Patents

Abstract

本发明公开了一种飞机试飞数据的参数辨识方法。本发明的方法包括：获取试飞数据；选取一个应变量作为应变量数据，选取若干自变量作为自变量数据，生成数据散点；对所有数据散点进行几何拓扑运算，映射到多维空间；计算多维空间中各个维度的线性无关基函数；将所有数据散点利用线性无关函数拟合为一个多维曲面；基于多维曲面，对应变量数据和自变量数据中的单个自变量数据进行曲线拟合，以得到应变量数据与单个自变量数据的函数关系。本发明通过计算拟合多维曲面再解耦变量，无需根据飞行状态的物理背景进行物理建模和简化，具有非常好的通用性，同时计算量相对较小，具备较高的计算效率和准确性，有利于高效进行飞机性能评估。

Description

飞机试飞数据的参数辨识方法

技术领域

本发明涉及飞机设计领域，尤其涉及一种飞机试飞数据的参数辨识方法。

背景技术

根据飞机试飞数据评估飞机性能是飞机设计的重要环节。飞机试飞是对飞机气动设计最直接也是最重要的测试，对于飞机试飞数据的深度挖掘是辨识飞机性能参数，评估飞机性能非常重要的一环，直接影响到飞机试飞与飞机气动设计改进工作的展开。

目前，用于评估飞机性能的参数辨识通常采用的有以下几种方法。一种是物理模型方法，其根据飞机运动方程，设计多项式物理模型进行解耦，加入修正系数，然后根据试飞数据不断去拟合这些修正系数，来得到飞机性能参数。一种则是在物理模型基础上发展的泰勒级数变量解耦方法，即在每个试飞数据点邻域展开多阶的多变量的偏微分，根据附近一些点的数据计算偏导数，由高阶的偏导数计算性能参数。另一种较复杂的参数辨识方法为神经网络算法，其通过将参数关系列为黑箱，在自变量端排入多输入端口，在数据关系配对中排列多层关系，根据应变量数据来拟合它与各个自变量数据之间的关系，通过大量数据的运算，得到一个合适的多自变量函数，从而将多变量的试飞数据解耦。

然而，上述三种方法各自都存在着明显的缺陷。物理模型方法，仅仅适用于对物理状态深刻理解的情形下，若对物理状态理解有偏差，则必然导致利用物理模型进行简化的过程中产生错误，进而无法得出正确的飞行参数。对于更多的对于物理状态的理解存在不确定性的情形，这一方法完全不能适用。泰勒级数解耦方法同样存在无法适用于普遍的情形而必须利用适当的物理模型，同时随着阶数增加或者自变量的增加，其计算量呈几何级数增长。神经网络方法，对于数据的数量要求极大，加之在同样数据量的条件下其计算量极大，在自变量条件增多的情况下其计算量呈几何级数增长，很多情况下不具备实际应用条件。

因此，亟需一种能够不依赖于物理模型，在计算量上又能够具备可用性和效率的方法，能够准确地实现对于飞机试飞数据的参数辨识，从而实现高效率的飞行性能评估。

发明内容

本发明要解决的技术问题是为了克服现有技术中用于评估飞机性能的参数辨识方法，或存在依赖于对飞机的物理状态的深刻理解及物理模型的建立因而适用范围较小的缺陷，或存在计算量极大而效率低下甚至难以实际应用的缺陷，提出一种使用张量解耦的飞机试飞数据的参数辨识方法。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供了一种飞机试飞数据的参数辨识方法，其特点在于，包括以下步骤：

步骤一、获取试飞数据，所述试飞数据包括飞机的多个飞行变量；

步骤二、选取所述飞行变量中用于表征飞机的飞行性能的一个应变量作为应变量数据，选取所述飞行变量中的若干自变量作为自变量数据，根据所述试飞数据生成数据散点，每个数据散点由所述应变量数据和所述自变量数据构成；

步骤三、对所有数据散点进行几何拓扑运算，映射到一个多维空间，所述多维空间的维数至少为三维；

步骤四、计算所述多维空间中各个维度的线性无关基函数；

步骤五、将所有数据散点利用各个维度的线性无关基函数拟合为一个多维曲面；

步骤六、基于所述多维曲面，对所述应变量数据和所述自变量数据中的单个自变量数据进行曲线拟合，以得到所述应变量数据与单个自变量数据的函数关系。

较佳地，所述飞行变量包括飞行控制参数和飞行状态参数，步骤二中选取所述飞行状态参数中的一个作为应变量数据，选取所述飞行控制参数中的多个作为自变量数据。

较佳地，所述飞行状态参数包括升力系数，所述飞行控制参数包括飞机的迎角、侧滑角、升降舵偏角、方向舵偏角中的一个或多个。

较佳地，步骤二中选取升力系数作为应变量数据，选取飞机的迎角、侧滑角、升降舵偏角作为自变量数据。

较佳地，所述线性无关基函数为Legendre函数。

在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。

本发明的积极进步效果在于：

本发明的飞机试飞数据的参数辨识方法，通过计算拟合多维曲面再解耦变量，无需根据飞行状态的物理背景进行物理建模和简化，具有非常好的通用性。并且，飞机试飞数据本身非常庞大，其中有效数据占全部数据比例非常低，这是由于飞机必须要做出一些特定的动作，比如只有飞机攻角变化的运动，而可以排除其他自变量的影响。通过本发明的使用张量解耦的飞机试飞数据的参数辨识方法，可以使飞机试飞数据的被利用的比例增加。因而本发明还具有计算量相对较小，计算效率较高和准确性好的优点，能用于高效地进行飞机性能评估，帮助提高了飞机设计改进的效率。

附图说明

图1为本发明一较佳实施例的飞机试飞数据的参数辨识方法的流程图。

图2为本发明一较佳实施例的飞机试飞数据的参数辨识方法的一个示例中的散点的示意图。

图3为本发明一较佳实施例的飞机试飞数据的参数辨识方法的一个示例中的拟合得到的曲面的示意图。

图4为本发明一较佳实施例的飞机试飞数据的参数辨识方法的一个示例中的拟合曲线的示意图。

具体实施方式

下面结合说明书附图，进一步对本发明的优选实施例进行详细描述，以下的描述为示例性的，并非对本发明的限制，任何的其他类似情形也都落入本发明的保护范围之中。

在以下的具体描述中，方向性的术语，例如“左”、“右”、“上”、“下”、“前”、“后”、等，参考附图中描述的方向使用。本发明的实施例的部件可被置于多种不同的方向，方向性的术语是用于示例的目的而非限制性的。

参考图1所示，本发明一较佳实施例的飞机试飞数据的参数辨识方法包括以下步骤：

获取试飞数据，试飞数据包括飞机的多个飞行变量；

选取飞行变量中用于表征飞机的飞行性能的一个应变量作为应变量数据，选取飞行变量中的若干自变量作为自变量数据，根据试飞数据生成数据散点，每个数据散点由应变量数据和自变量数据构成；

对所有数据散点进行几何拓扑运算，映射到一个多维空间，多维空间的维数至少为三维；

计算多维空间中各个维度的线性无关基函数，线性无关基函数例如可以是Legendre函数(勒让德函数)，其中可根据试飞数据的性质确认各个维度上的基函数的阶数；

将所有数据散点利用各个维度的线性无关基函数拟合为一个多维曲面；

基于多维曲面，对应变量数据和自变量数据中的单个自变量数据进行曲线拟合，以得到应变量数据与单个自变量数据的函数关系。

其中，根据期望辨识的飞机飞行的某一应变量，选取相应的应变量数据。然后，通常可选取多个自变量作为自变量数据。在一种优选的实施方式中，在选取应变量数据后，可首先根据可以确定的变量的物理背景和物理含义，从试飞数据中包含的所有飞行自变量中，排除可以确定对这一应变量数据不会产生影响或是影响完全已知的飞行自变量，而将剩余的自变量作为自变量数据，进行后续运算。由此，这一优选的实施方式得以在不牺牲准确性的前提下进一步提高其效率。

在本发明的一个例子中，飞行变量包括飞行控制参数和飞行状态参数，其中飞行状态参数包括升力系数，飞行控制参数包括飞机的迎角、侧滑角、升降舵偏角、方向舵偏角，而期望辨识的应变量为升力系数。根据方向舵偏角和升力系数的物理含义，可以确定飞机的方向舵偏角并不会对飞机的升力系数产生明显的影响。鉴于此，在选取升力系数作为应变量数据时，仅选取飞机的迎角、侧滑角、升降舵偏角这几个至少可能会对飞机的升力系数产生明显影响的参数作为自变量数据，而将方向舵偏角从自变量数据中排除。

在此基础上，执行如上的计算过程，通过将数据散点在四维空间中拟合得到四维超曲面。基于所述四维超曲面，对升力系数对应的维度和飞机的迎角、侧滑角、升降舵偏角分别对应的每一个维度进行曲线拟合，就能得到升力系数和飞机的迎角、侧滑角、升降舵偏角中的每一个的函数关系，以完成解耦。

对于本发明，当选取的自变量的数量为两个时，几何拓扑运算后映射到三维空间，并在后续计算中拟合得到三维曲面。而当选取的自变量的数量更多时，在对数据散点进行几何拓扑运算后映射到高维空间，在后续计算中拟合得到的则是高维超曲面，如上述例子中的四维超曲面。

以下结合附图2-4以较为直观的方式简述，当选取的自变量的数量为两个时，上述参数辨识方法的数据处理过程。

如图2所示，为直角坐标系中的基于试飞数据生成的一系列散点，其中纵轴表示应变量数据，而另外两轴分别表示两个自变量数据(即输入1、输入2，亦即自变量1和自变量2)。根据这一系列散点，经历上述运算过程后拟合形成如图3所示的曲面。基于图3所示的曲面，对应变量数据和单个自变量数据(自变量2)进行曲线拟合，就能够得到应变量数据与单个自变量数据(自变量2)的函数关系，如图4中的曲线3所示。

对于本发明的飞机试飞数据的参数辨识方法，选取更多个自变量数据进而拟合得到高维超曲面的处理过程同选取两个自变量数据的上述示例的处理过程，实质是相同的。上述示例仅仅是为了便于更容易地结合附图进行理解本发明，而非限制本发明的保护范围。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (5)

1.一种飞机试飞数据的参数辨识方法，其特征在于，包括以下步骤：

步骤一、获取试飞数据，所述试飞数据包括飞机的多个飞行变量；

步骤二、选取所述飞行变量中用于表征飞机的飞行性能的一个应变量作为应变量数据，选取所述飞行变量中的若干自变量作为自变量数据，根据所述试飞数据生成数据散点，每个数据散点由所述应变量数据和所述自变量数据构成；

步骤三、对所有数据散点进行几何拓扑运算，映射到一个多维空间，所述多维空间的维数至少为三维；

步骤四、计算所述多维空间中各个维度的线性无关基函数；

步骤五、将所有数据散点利用各个维度的线性无关基函数拟合为一个多维曲面；

步骤六、基于所述多维曲面，对所述应变量数据和所述自变量数据中的单个自变量数据进行曲线拟合，以得到所述应变量数据与单个自变量数据的函数关系。

2.如权利要求1所述的参数辨识方法，其特征在于，所述飞行变量包括飞行控制参数和飞行状态参数，步骤二中选取所述飞行状态参数中的一个作为应变量数据，选取所述飞行控制参数中的多个作为自变量数据。

3.如权利要求2所述的参数辨识方法，其特征在于，所述飞行状态参数包括升力系数，所述飞行控制参数包括飞机的迎角、侧滑角、升降舵偏角、方向舵偏角中的一个或多个。

4.如权利要求3所述的参数辨识方法，其特征在于，步骤二中选取升力系数作为应变量数据，选取飞机的迎角、侧滑角、升降舵偏角作为自变量数据。

5.如权利要求1所述的参数辨识方法，其特征在于，所述线性无关基函数为Legendre函数。