CN111695192A - 气动力多源数据融合和辨识方法、系统及介质 - Google Patents

Abstract

本发明提供了一种气动力多源数据融合和辨识方法、系统及介质，包括：步骤1：建立全局相关的气动力数学模型；步骤2：根据现有计算数据、风洞试验数据和飞行试验数据，计算多种来源数据的标准差；步骤3：将现有计算数据、风洞试验数据和飞行试验数据作为气动力数学模型的数据样本，建立超定方程组；步骤4：采用加权最小二乘法求解超定方程组，权值由标准差计算获得，解出气动力数学模型中的系数，完成多源数据融合气动力数学模型的建立。本发明解决了气动力数学模型辨识和修正中不同来源数据可靠度不同及误差分解到样本点的问题，可对计算、风洞试验和飞行试验三个来源的数据进行综合求解超定方程组，一步完成辨识和模型修正。

Description

气动力多源数据融合和辨识方法、系统及介质

技术领域

本发明涉及气动设计技术领域，具体地，涉及一种气动力多源数据融合和辨识方法、系统及介质。

背景技术

随着飞行器外形复杂度增加和飞行包线的扩大，沿袭传统的分段函数作为气动力数学模型的建模方法，难以科学地平衡不同来源数据的不同可靠度；同时，将飞行试验中非建模样本点数据误差分解到样本点上，存在分解难题，经常采用的贝叶斯方法被认为科学性不够。大量的工程师们对气动力数学模型的建模方法进行了持之以恒的努力和发展，以便形成连续函数形式的气动力数学模型的建模方法。

专利文献CN108318203A(申请号：201810172976.5)公开了飞行器等价地面颤振综合试验方法，该方法通过分析不同温度、飞行速度、大气密度、气流环境对飞行器所受弹性气动力耦合的影响，建立非线性偏微分方程描述的飞行器弹性气动力模型；在此模型基础上，根据已有试验数据分析，优化信号激励/拾振点布局，采用偏微分方程反卷积方法，设计获取气动力输入信号理论值，采用多点分布激励力控制方法，有效跟踪输入信号理论值，精确控制多点激振力，实现多点激励力模拟气动力的效果；建立结构温度试验覆盖大范围温度的环境，采用专用多点非接触高速图像与接触式传感器一体化融合检测方法，解决了接触式传感器无法精确检测超低温、高温情况下结构振动幅度、频率的问题。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种气动力多源数据融合和辨识方法、系统及介质。

根据本发明提供的气动力多源数据融合和辨识方法，包括：

步骤1：建立全局相关的气动力数学模型；

步骤2：根据现有计算数据、风洞试验数据和飞行试验数据，计算这三种来源数据的标准差；

步骤3：将现有计算数据、风洞试验数据和飞行试验数据作为气动力数学模型的数据样本，建立超定方程组；

步骤4：采用加权最小二乘法求解超定方程组，权值由标准差计算获得，解出气动力数学模型中的系数，完成多源数据融合气动力数学模型的建立。

优选的，所述步骤1中的全局相关的气动力数学模型的表达式为：

其中，f(Ma,α_Φ,Φ,δ_P,δ_Y,δ_R)表示气动力系数或气动力矩系数，包括法向力系数、俯仰力矩系数、侧向力系数、偏航力矩系数、滚转力矩系数和轴向力系数，轴向力系数不包括摩阻和底阻部分；

Ma为来流马赫数；α_Φ为合成攻角，速度矢量与体轴的夹角；Φ为气流滚转角，速度矢量在飞行器横截面的分量与选定子午面的夹角；δ_P为俯仰通道舵偏角；δ_Y为偏航通道舵偏角；δ_R为滚转通道舵偏角；φ为初始相位角；

表示对i、j、k、l、r和s所有取值范围进行求和；a_ijklrs为常系数，i、j、k、l均为0，1，2，…；T_r(x)为马赫数相关的切比雪夫多项式，T_s(y)为合成攻角相关的切比雪夫多项式。

优选的，所述T_r(x)计算式为：

T_r(x)＝cos(rcos^-1(x))，r＝1,2,…；

优选的，所述T_s(y)计算式为：

T_s(y)＝cos(scos^-1(y))，s＝1,2,…；

其中下标max表示最大值，下标min表示最小值。

优选的，对i、j、k、l、r和s进行组合，选取m项基函数E＝{e1,e2,…,em}，全局相关的气动力数学模型写为：

其中，

a_i表示数学模型各项系数；e_i表示m项基函数E的第i项基。

优选的，所述步骤3中的超定方程组表达式为：

其中，n为现有计算数据、风洞试验数据和飞行试验数据三个来源的数据总量。

优选的，写成矩阵形式为：

f_n×1＝a_m×ne_n×1；

即F＝AE；F表示f_n×1；A表示a_m×n；E表示e_n×1。

优选的，所述步骤4中的加权最小二乘法求解超定方程组后，系数矩阵A为：

A＝(J^TWJ)^-1J^TWF；

其中，J为雅克比矩阵；W为权函数矩阵，公式为：

w_i为权函数，i＝1,2,…,n，计算公式为：

σ_i为现有计算数据、风洞试验数据和飞行试验数据三个来源数据的标准差，i＝1,2,…,n；

其中，上标T表示矩阵转置，上标-1表示矩阵求逆。

根据本发明提供的气动力多源数据融合和辨识系统，包括：

模块M1：建立全局相关的气动力数学模型；

模块M2：根据现有计算数据、风洞试验数据和飞行试验数据，计算这三种来源数据的标准差；

模块M3：将现有计算数据、风洞试验数据和飞行试验数据作为气动力数学模型的数据样本，建立超定方程组；

模块M4：采用加权最小二乘法求解超定方程组，权值由标准差计算获得，解出气动力数学模型中的系数，完成多源数据融合气动力数学模型的建立。

与现有技术相比，本发明具有如下的有益效果：

1、本发明解决了气动力数学模型辨识和修正中不同来源数据可靠度不同及误差分解到样本点的问题，可对计算、风洞试验和飞行试验三个来源的数据进行综合求解超定方程组，一步完成辨识和模型修正；

2、本发明随着研制的深入和飞行数据的积累，将新的飞行试验数据持续增加进来辨识数据、更新和修正气动力数学模型，从而不断提高数学模型精度。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明方法的步骤流程图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

本发明要解决的技术问题是：针对具有复杂气动特性飞行器的全局相关气动力数学模型，基于气动数据来源多样性的事实，将现有计算数据、风洞试验数据和飞行试验数据共同作为建模的样本点，建立超定方程组，采用加权最小二乘法求解，以权值平衡不同来源气动数据的可靠度，从而获得新的气动力数学模型。本发明可随着研制阶段的不断推进，将新的飞行试验数据持续增加进来辨识数据、更新和修正气动力数学模型，不断提高气动力数学模型的精度。

针对具有复杂气动特性飞行器的全局相关气动力数学模型，基于气动数据来源多样性的事实，将现有计算数据、风洞试验数据和飞行试验数据共同作为建模的样本点，建立超定方程组，采用加权最小二乘法求解，以权值平衡不同来源气动数据的可靠度，从而获得多源数据融合气动力数学模型。在不增加飞行试验获取信息的基础上，本发明提供了一种全局相关、精确的气动力多源数据融合和辨识方法。

根据本发明提供的气动力多源数据融合和辨识方法，如图1所示，包括如下步骤：

S1、建立全局相关的气动力数学模型表达式：

全局相关的气动力数学模型的一般表达式为：

式中，f(Ma,α_Φ,Φ,δ_P,δ_Y,δ_R)为气动力系数或气动力矩系数,包括法向力系数、俯仰力矩系数、轴向力系数(不包括摩阻和底阻部分)、侧向力系数、偏航力矩系数和滚转力矩系数；

Ma为来流马赫数；

α_Φ为合成攻角，速度矢量与体轴的夹角；

Φ为气流滚转角，速度矢量在飞行器横截面的分量与选定子午面的夹角；

δ_P为俯仰通道舵偏角；

δ_Y为偏航通道舵偏角；

δ_R为滚转通道舵偏角；

φ为初始相位角；

表示对i、j、k、l、r和s所有取值范围进行求和；

a_ijklrs为常系数，i、j、k、l均为0，1，2，…；

T_r(x)为马赫数相关的切比雪夫多项式，计算式如下：

T_r(x)＝cos(rcos^-1(x))，r＝1,2,…；

T_s(y)为合成攻角相关的切比雪夫多项式，计算式如下：

T_s(y)＝cos(scos^-1(y))，s＝1,2,…；

其中，下标max表示最大值，下标min表示最小值；

对i、j、k、l、r和s合理组合，选取m项基函数E＝{e1,e2,…,em}，全局相关的气动力数学模型写为：

S2、针对现有计算数据、风洞试验数据和飞行试验数据，计算多种来源数据的标准差；

S3、将现有计算数据、风洞试验数据和飞行试验数据作为气动力数学模型的数据样本，建立超定方程组：

式中，n表示现有计算数据、风洞试验数据和飞行试验数据三个来源的数据总量；

写成矩阵形式：f_n×1＝a_m×ne_n×1；

即：F＝AE；

S4、采用加权最小二乘法求解S3中的超定方程组，其中权值由S2中的标准差计算获得，解出气动力数学模型中的系数，完成多源数据融合气动力数学模型的建立

加权最小二乘法求解超定方程组后，系数矩阵A为：

A＝(J^TWJ)^-1J^TWF；

式中，J为雅克比矩阵，W为权函数矩阵，公式如下：

w_i为权函数，i＝1,2,…,n，计算公式如下：

σ_i表示现有计算数据、风洞试验数据和飞行试验数据三个来源数据的标准差，i＝1,2,…,n；

其中，上标T表示矩阵转置，上标-1表示矩阵求逆。

根据本发明提供的气动力多源数据融合和辨识系统，包括：

模块M1：建立全局相关的气动力数学模型表达式；

模块M2：根据现有计算数据、风洞试验数据和飞行试验数据，计算多种来源数据的标准差；

模块M3：将现有计算数据、风洞试验数据和飞行试验数据作为气动力数学模型的数据样本，建立超定方程组；

模块M4：采用加权最小二乘法求解超定方程组，权值由标准差计算获得，解出气动力数学模型中的系数，完成多源数据融合气动力数学模型的建立。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种气动力多源数据融合和辨识方法，其特征在于，包括：

步骤1：建立全局相关的气动力数学模型；

步骤2：根据现有计算数据、风洞试验数据和飞行试验数据，计算这三种来源数据的标准差；

步骤3：将现有计算数据、风洞试验数据和飞行试验数据作为气动力数学模型的数据样本，建立超定方程组；

步骤4：采用加权最小二乘法求解超定方程组，权值由标准差计算获得，解出气动力数学模型中的系数，完成多源数据融合气动力数学模型的建立。

2.根据权利要求1所述的气动力多源数据融合和辨识方法，其特征在于，所述步骤1中的全局相关的气动力数学模型的表达式为：

其中，f(Ma,α_Φ,Φ,δ_P,δ_Y,δ_R)表示气动力系数或气动力矩系数，包括法向力系数、俯仰力矩系数、侧向力系数、偏航力矩系数、滚转力矩系数和轴向力系数，轴向力系数不包括摩阻和底阻部分；Ma为来流马赫数；α_Φ为合成攻角，速度矢量与体轴的夹角；Φ为气流滚转角，速度矢量在飞行器横截面的分量与选定子午面的夹角；δ_P为俯仰通道舵偏角；δ_Y为偏航通道舵偏角；δ_R为滚转通道舵偏角；φ为初始相位角；

表示对i、j、k、l、r和s所有取值范围进行求和；a_ijklrs为常系数，i、j、k、l均为0，1，2，…；T_r(x)为马赫数相关的切比雪夫多项式，T_s(y)为合成攻角相关的切比雪夫多项式。

3.根据权利要求2所述的气动力多源数据融合和辨识方法，其特征在于，所述T_r(x)计算式为：

T_r(x)＝cos(rcos^-1(x))，r＝1,2,…；

4.根据权利要求2所述的气动力多源数据融合和辨识方法，其特征在于，所述T_s(y)计算式为：

T_s(y)＝cos(s cos^-1(y))，s＝1,2,…；

其中下标max表示最大值，下标min表示最小值。

5.根据权利要求2所述的气动力多源数据融合和辨识方法，其特征在于，对i、j、k、l、r和s进行组合，选取m项基函数E＝{e₁,e₂,…,e_m}，全局相关的气动力数学模型为：

其中，a_i表示数学模型各项系数；e_i表示m项基函数E的第i项基。

6.根据权利要求1所述的气动力多源数据融合和辨识方法，其特征在于，所述步骤3中的超定方程组表达式为：

其中，n为现有计算数据、风洞试验数据和飞行试验数据三个来源的数据总量。

7.根据权利要求6所述的气动力多源数据融合和辨识方法，其特征在于，写成矩阵形式为：

f_n×1＝a_m×ne_n×1；

即F＝AE；F表示f_n×1；A表示a_m×n；E表示e_n×1。

8.根据权利要求1所述的气动力多源数据融合和辨识方法，其特征在于，所述步骤4中的加权最小二乘法求解超定方程组后，系数矩阵A为：

A＝(J^TWJ)^-1J^TWF；

其中，J为雅克比矩阵；W为权函数矩阵，公式为：

w_i为权函数，i＝1,2,…,n，计算公式为：

σ_i为现有计算数据、风洞试验数据和飞行试验数据三个来源数据的标准差，i＝1,2,…,n；上标T表示矩阵转置，上标-1表示矩阵求逆。

9.一种气动力多源数据融合和辨识系统，其特征在于，包括：

模块M1：建立全局相关的气动力数学模型；

模块M2：根据现有计算数据、风洞试验数据和飞行试验数据，计算这三种来源数据的标准差；

模块M3：将现有计算数据、风洞试验数据和飞行试验数据作为气动力数学模型的数据样本，建立超定方程组；

模块M4：采用加权最小二乘法求解超定方程组，权值由标准差计算获得，解出气动力数学模型中的系数，完成多源数据融合气动力数学模型的建立。

10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

Images