CN117574794A - 一种基于气动参数辨识的马赫数修正方法 - Google Patents

一种基于气动参数辨识的马赫数修正方法 Download PDF

Info

Publication number
CN117574794A
CN117574794A CN202311389242.XA CN202311389242A CN117574794A CN 117574794 A CN117574794 A CN 117574794A CN 202311389242 A CN202311389242 A CN 202311389242A CN 117574794 A CN117574794 A CN 117574794A
Authority
CN
China
Prior art keywords
parameter
pneumatic
identified
mach number
identification
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
Application number
CN202311389242.XA
Other languages
English (en)
Inventor
陈微
李娟�
袁志敏
冯书君
谢瑞朋
查霖
谷计划
宗安汉
贾艳丽
曾蓉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shaanxi Aircraft Industry Co Ltd
Original Assignee
Shaanxi Aircraft Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shaanxi Aircraft Industry Co Ltd filed Critical Shaanxi Aircraft Industry Co Ltd
Priority to CN202311389242.XA priority Critical patent/CN117574794A/zh
Publication of CN117574794A publication Critical patent/CN117574794A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fluid Mechanics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明属于航空技术领域，公开了一种基于气动参数辨识的马赫数修正方法，将风洞试验数据作为待辨识气动参数的初始值，利用确定飞行状态点下的试飞数据对气动参数进行辨识；对当前马赫数下步骤一辨识出的气动参数进行线性回归处理，统计出最终与马赫数对应的辨识气动参数结果，对线性回归后的辨识气动参数进行参数拓展和修正，本发明对参数辨识后的气动数据按照上述马赫数修正及拓展方法，获得全包线气动特性参数，将其回归于空气动力学模型，经仿真验证结果与试飞试验数据对比，结果表明按照本发明中马赫数修正拓展方法可较好地实现与真实飞行数据的一致性。

Description

一种基于气动参数辨识的马赫数修正方法
技术领域
本发明属于航空技术领域，涉及一种对马赫数的修正方法，具体涉及一种基于气动参数辨识的马赫数修正方法。
背景技术
为提高空气动力学模型的准确性，利用气动参数辨识技术从飞行试验数据中获得飞机模型的基本气动参数是目前最为常用且有效的方法。但由于受飞行试验数据样本量和飞行包线的限制，飞行试验状态点有限，在利用飞行试验数据进行气动参数辨识时，只能获得特定马赫数线性范围内的气动参数,无法通过试飞数据获得全包线范围内的气动参数。因此，为获得全包线范围的气动参数需研究一种适用于气动参数辨识的马赫数修正拓展方法。
发明内容
为了解决上述问题，本发明提出了一种基于气动参数辨识的马赫数修正方法，将有限的试飞样本点通过参数辨识及回归后，利用马赫数修正方法，将气动参数拓展到全包线范围内,从而为飞行性能仿真模型提供准确的全包线气动参数。
本发明的技术方案如下：
一种基于气动参数辨识的马赫数修正方法，包括以下步骤：
步骤一，将风洞试验数据作为待辨识气动参数的初始值，利用确定飞行状态点下的试飞数据对气动参数进行辨识；
步骤二，对当前马赫数下步骤一辨识出的气动参数进行线性回归处理，统计出最终与马赫数对应的辨识气动参数结果；
步骤三，对线性回归后的辨识气动参数进行参数拓展和修正，具体如下：
a)在线性范围内，对辨识后的气动参数采用线性插值法在不同襟翼角度和不同马赫数下进行拓展；
b)在非线性范围内，采用增量法方法，保留一阶和二阶系数只对常数部分进行计算的平移法，即在线性与非线性的拐点上进行增量叠加。
进一步的，上述步骤三中，部分二阶以上的小量非线性修正量不直接参与辨识，在辨识后进行人工调参。
进一步的，上述步骤三中，大迎角、侧滑角引起的非线性修正量不直接参与辨识，在辨识后进行人工调参。
进一步的，上述步骤二中，利用线性回归手段进行处理，剔除偏差较大值，并根据原气动导数马赫数变化的规律，通过线性回归方法统计出最终与马赫数对应的辨识气动参数结果。
进一步的，步骤一中，采用极大似然法进行气动参数的辨识。
进一步的，将风洞试验数据作为待辨识气动参数的初始值，因气动导数为不同高度、马赫数Ma和襟翼角度的三维插值表，根据飞行试验数据时飞机的空速Ma(t)、襟翼Flag(t)、高度历程H(t)，从风洞数据表中线性插值获得参数初值：
θ1(t)＝f(Ma(t) Flag(t) H(t)) (1)
采用基于状态空间的时域辨识方法，对气动参数进行分阶段实时辨识。
进一步的，步骤一中，基于状态空间的时域辨识方法具体包括采用飞机小扰动线性方程，如下式：
式中：A、B、C、D矩阵表示飞机的稳定导数与操纵导数矩阵，其中含有需要辨识的未知参数；u表示飞机的输入矩阵，分别包括飞机的舵面偏角δe、δa、δr，以及油门偏度δp；x表示n维飞机的状态变量；y与z分别表示m维飞机的观测向量与实际测量向量；v表示飞机观测变量中的噪音，即测量向量z与观测向量y之差。
进一步的，对飞机小扰动线性方程中的参数采用最大似然原则进行处理：
式中θ表示矩阵A、B、C、D中包含的未知参数值，R为测量噪音的协方差矩阵，测量噪音的统计值未知时，采用R的最优估计，即用J对R求极值：
J对θ求极值，得到待辨识参数θ的最优估计；采用Newton-Raphson算法，进行求解，公式如下
θk表示第k次迭代计算中待辨识参数估计值；Dθ为参数更新值；θk+1表示第k+1次迭代估计值；式中
表示观测值对待辨识参数的灵敏度，其中h,l＝1,2,...p。将飞机的动力学状态方程组对θk求导，得到灵敏度方程组，
|(Jk+1-Jk)/Jk|≤0.01 (6)
用θk+1更新θk进行迭代，直至似然准则函数J满足式(6)，则所得θ收敛，即为所求的参数值。
本发明的有益效果如下：
对参数辨识后的气动数据按照上述马赫数修正及拓展方法，获得全包线气动特性参数，将其回归于空气动力学模型，如图5所示，经仿真验证结果与试飞试验数据对比，结果表明按照本发明中马赫数修正拓展方法可较好地实现与真实飞行数据的一致性。
附图说明
为了更清楚地说明本发明专利实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明专利的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为辨识气动参数离散点。
图2CLα的风洞试验结果与辨识后马赫数修正结果对比图。
图3为Cmδe的风洞试验结果与辨识后马赫数修正结果对比图。
图4为Cyβ的风洞试验结果与辨识后马赫数修正结果对比图。
图5为马赫数修正后的仿真结果与试飞数据对比图。
具体实施方式
本部分是本发明的实施例，用于解释和说明本发明的技术方案。在不冲突的情况下，本发明的实施例及实施例中的特征可以互相组合。
本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示方向或位置关系为基于附图的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指装置或与案件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或隐含包括更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或以上。
本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义解释，例如，可以是固定连接，也可以是可拆卸连接或者一体化连接；可以是机械连接，也可以是点连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
实施例1：
一种基于气动参数辨识的马赫数修正方法，包括以下步骤：
步骤一，将风洞试验数据作为待辨识气动参数的初始值，利用确定飞行状态点下的试飞数据对气动参数进行辨识；
步骤二，对当前马赫数下步骤一辨识出的气动参数进行线性回归处理，统计出最终与马赫数对应的辨识气动参数结果；
步骤三，对线性回归后的辨识气动参数进行参数拓展和修正。
(1)气动参数辨识
气动参数辨识算法主要采用极大似然法，将风洞试验数据作为待辨识气动参数的初始值，因气动导数为不同高度、马赫数Ma和襟翼角度的三维插值表，根据飞行试验数据时飞机的空速Ma(t)、襟翼Flag(t)、高度历程H(t)，从风洞数据表中线性插值获得参数初值：
θi(t)＝f(Ma(t) Flag(t) H(t)) (1)
采用基于状态空间的时域辨识方法，对气动参数进行分阶段实时辨识。飞机小扰动线性方程如下式：
式中：
A、B、C、D矩阵表示飞机的稳定导数与操纵导数矩阵，其中含有需要辨识的未知参数；u表示飞机的输入矩阵，分别包括飞机的舵面偏角δe、δa、δr，以及油门偏度δp；x表示n维飞机的状态变量；y与z分别表示m维飞机的观测向量与实际测量向量；v表示飞机观测变量中的噪音，即测量向量z与观测向量y之差。
采用最大似然原则：
式中θ表示矩阵A、B、C、D中包含的未知参数值，R为测量噪音的协方差矩阵，测量噪音的统计值未知时，采用R的最优估计，即用J对R求极值：
J对θ求极值，得到待辨识参数θ的最优估计。采用Newton-Raphson算法，进行求解，公式如下
θk表示第k次迭代计算中待辨识参数估计值；Dθ为参数更新值；θk+1表示第k+1次迭代估计值。式中
表示观测值对待辨识参数的灵敏度，其中h,l＝1,2,...p。将飞机的动力学状态方程组对θk求导，可得到灵敏度方程组。用θk+1更新θk进行迭代，直至似然准则函数J满足式(6)，则所得θ收敛，即为所求的参数值。
|(Jk+1-Jk)/Jk|≤0.01 (6)
(2)参数回归统计
由于大气扰动以及测量噪声无法精确估计，因此不同架次、不同时间、不同科目辨识后得到的气动参数不尽相同，实际为图1所示具有一定规律的离散点图，需要利用线性回归手段进行处理，剔除偏差较大值，并根据原气动导数马赫数变化的规律，通过线性回归等方法，统计出最终与马赫数对应的辨识气动参数结果。
1)马赫数修正
由于飞行试验的状态点有限，无法覆盖至全飞行包线范围内，因此为获得全飞行包线内较为准确的气动参数，需对线性回归后的辨识气动参数进行参数拓展和修正。参数拓展采用的方法和原则如下：
a)在线性范围内，对辨识后的气动参数采用线性插值法在不同襟翼角度和不同马赫数下进行拓展；
b)在非线性范围内，采用增量法方法，保留一阶和二阶系数只对常数部分进行计算的平移法，即在线性与非线性的拐点上进行增量叠加；
c)部分二阶以上的小量，以及大迎角、侧滑角引起的非线性修正量不直接参与辨识，在辨识后进行人工调参。
按照上述方法，对辨识后的气动参数进行马赫数修正拓展，修正拓展后的部分气动参数结果见图2-4。
实施例2:
本发明的具体实施步骤如图所示：
步骤一：根据飞行试验数据进行气动参数辨识选取高质量的飞行试验数据利用气动参数辨识软件进行气动参数辨识。
步骤二：对辨识样本点进行回归统计
利用输出误差法对辨识样本点进行回归统计，统计结果见表1。
表1回归统计结果
0.3 0.4 0.5
CDmin 0.0449 0.0452 0.0455
CLα 5.7874 5.8832 5.979
Cmδe -1.9343 -1.9624 -1.9905
CDmin最小阻力系数，CLα升力对迎角α的导数，Cmδe俯仰力矩对升降舵偏角的导数；
步骤三：对回归后的气动参数进行马赫数修正拓展
1)在线性范围内，对辨识后的气动参数采用线性插值法在不同襟翼角度和不同马赫数下进行拓展。
表2线性范围内修正拓展
2)在非线性范围内，采用增量法方法，保留一阶和二阶系数只对常数部分进行计算的平移。
表3对于非线性范围内参数的修正拓展
0.2 0.3 0.4 0.5 0.6 0.7 备注
Cmδe -1.91952 -1.9343 -1.9624 -1.9905 -2.02804 -2.07606 拓展修正结果
Cmδe.2 -0.00538 -0.00542 -0.00548 -0.00556 -0.00566 -0.00579 保留二阶系数
Cmδe.1 1.82992 1.84365 1.86365 1.88995 1.92482 1.96942 保留一阶系数
Cmδe.0 -2.55758 -2.57715 -2.61222 -2.64949 -2.69919 -2.76276 修正常数部分
3)部分二阶以上小量，以及大迎角、侧滑角引起的非线性修正量辨识后进行人工调参。
最后应该说明的是：以上实施例仅用以说明本发明的技术方案，但本发明的保护范围并不局限于此，任何熟悉本领域的技术人员在本发明揭露的技术范围内，可以轻易想到各种等效的修改或者替换，这些修改或者替换都应该涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于气动参数辨识的马赫数修正方法，其特征在于，包括以下步骤：
步骤一，将风洞试验数据作为待辨识气动参数的初始值，利用确定飞行状态点下的试飞数据对气动参数进行辨识；
步骤二，对当前马赫数下步骤一辨识出的气动参数进行线性回归处理，统计出最终与马赫数对应的辨识气动参数结果；
步骤三，对线性回归后的辨识气动参数进行参数拓展和修正，具体如下：
a)在线性范围内，对辨识后的气动参数采用线性插值法在不同襟翼角度和不同马赫数下进行拓展；
b)在非线性范围内，采用增量法方法，保留一阶和二阶系数只对常数部分进行计算的平移法，即在线性与非线性的拐点上进行增量叠加。
2.根据权利要求1所述的一种基于气动参数辨识的马赫数修正方法，其特征在于，上述步骤三中，部分二阶以上的小量非线性修正量不直接参与辨识，在辨识后进行人工调参。
3.根据权利要求1所述的一种基于气动参数辨识的马赫数修正方法，其特征在于，上述步骤三中，大迎角、侧滑角引起的非线性修正量不直接参与辨识，在辨识后进行人工调参。
4.根据权利要求1所述的一种基于气动参数辨识的马赫数修正方法，其特征在于，上述步骤二中，利用线性回归手段进行处理，剔除偏差较大值，并根据原气动导数马赫数变化的规律，通过线性回归方法统计出最终与马赫数对应的辨识气动参数结果。
5.根据权利要求1所述的一种基于气动参数辨识的马赫数修正方法，其特征在于，步骤一中，采用极大似然法进行气动参数的辨识。
6.根据权利要求5所述的一种基于气动参数辨识的马赫数修正方法，其特征在于，将风洞试验数据作为待辨识气动参数的初始值，因气动导数为不同高度、马赫数Ma和襟翼角度的三维插值表，根据飞行试验数据时飞机的空速Ma(t)、襟翼Flag(t)、高度历程H(t)，从风洞数据表中线性插值获得参数初值：
θi(t)＝f(Ma(t) Flag(t) H(t)) (1)
采用基于状态空间的时域辨识方法，对气动参数进行分阶段实时辨识。
7.根据权利要求6所述的一种基于气动参数辨识的马赫数修正方法，其特征在于，步骤一中，基于状态空间的时域辨识方法具体包括采用飞机小扰动线性方程，如下式：
式中：A、B、C、D矩阵表示飞机的稳定导数与操纵导数矩阵，其中含有需要辨识的未知参数；u表示飞机的输入矩阵，分别包括飞机的舵面偏角δe、δa、δr，以及油门偏度δp；x表示n维飞机的状态变量；y与z分别表示m维飞机的观测向量与实际测量向量；v表示飞机观测变量中的噪音，即测量向量z与观测向量y之差。
8.根据权利要求7所述的一种基于气动参数辨识的马赫数修正方法，其特征在于，对飞机小扰动线性方程中的参数采用最大似然原则进行处理：
式中θ表示矩阵A、B、C、D中包含的未知参数值，R为测量噪音的协方差矩阵，测量噪音的统计值未知时，采用R的最优估计，即用J对R求极值：
J对θ求极值，得到待辨识参数θ的最优估计；采用Newton-Raphson算法，进行求解，公式如下
θk表示第k次迭代计算中待辨识参数估计值；Dθ为参数更新值；θk+1表示第k+1次迭代估计值；式中
表示观测值对待辨识参数的灵敏度，其中h,l＝1,2,...p。将飞机的动力学状态方程组对θk求导，得到灵敏度方程组，
|(Jk+1-Jk)/Jk|≤0.01 (6)
用θk+1更新θk进行迭代，直至似然准则函数J满足式(6)，则所得θ收敛，即为所求的参数值。
CN202311389242.XA 2023-10-25 2023-10-25 一种基于气动参数辨识的马赫数修正方法 Pending CN117574794A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311389242.XA CN117574794A (zh) 2023-10-25 2023-10-25 一种基于气动参数辨识的马赫数修正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311389242.XA CN117574794A (zh) 2023-10-25 2023-10-25 一种基于气动参数辨识的马赫数修正方法

Publications (1)

Publication Number Publication Date
CN117574794A true CN117574794A (zh) 2024-02-20

Family

ID=89861400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311389242.XA Pending CN117574794A (zh) 2023-10-25 2023-10-25 一种基于气动参数辨识的马赫数修正方法

Country Status (1)

Country Link
CN (1) CN117574794A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117910392A (zh) * 2024-03-19 2024-04-19 上海华模科技有限公司 气动模型的矫正方法及装置、飞行模拟机及存储介质
CN118227956A (zh) * 2024-05-23 2024-06-21 珠海翔翼航空技术有限公司 基于飞行数据参数的迎角校正优化方法、系统及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117910392A (zh) * 2024-03-19 2024-04-19 上海华模科技有限公司 气动模型的矫正方法及装置、飞行模拟机及存储介质
CN118227956A (zh) * 2024-05-23 2024-06-21 珠海翔翼航空技术有限公司 基于飞行数据参数的迎角校正优化方法、系统及设备

Similar Documents

Publication Publication Date Title
CN117574794A (zh) 一种基于气动参数辨识的马赫数修正方法
DE602004002235T2 (de) Rechnerisches Verfahren zum Bestimmen des Abstellwinkels und des Schiebewinkels
CN104697462B (zh) 一种基于中轴线的航空叶片型面特征参数提取方法
CN110187713A (zh) 一种基于气动参数在线辨识的高超声速飞行器纵向控制方法
CN106406092B (zh) 一种适用于直升机自适应飞行控制的鲁棒辨识方法
CN107976296B (zh) 一种基于回溯自适应算法的飞行器气动特性在线辨识方法
CN107357176B (zh) 一种航空发动机试车数据建模方法
CN110826168B (zh) 一种飞行器气动辨识修正方法及介质
CN113777931B (zh) 结冰翼型气动模型构造方法、装置、设备及介质
CN106525055B (zh) 一种基于模型摄动的火星大气进入自适应估计方法
KR20220096658A (ko) 비행시험 데이터를 이용한 6 자유도 비행 시뮬레이션 정확도 향상 방법 및 장치
CN114444216A (zh) 基于数值模拟的高空条件下飞行器姿态控制方法及系统
CN106980262A (zh) 基于核递归最小二乘算法的自适应飞行器鲁棒控制方法
CN107037727A (zh) 一种无人直升机大包线自适应增益调度方法
CN114964313A (zh) 一种基于rvm的光纤陀螺温度补偿方法
CN107256290A (zh) 一种基于残差摄动法的边界条件变化对流场影响差量的计算方法
CN109582915B (zh) 应用于纯方位跟踪的改进非线性可观测度自适应滤波方法
CN117533518A (zh) 飞行模拟设备的法向配平方法及相关设备
CN116834977A (zh) 一种卫星轨道数据的范围控制方法
CN113670315B (zh) 一种基于变分迭代卡尔曼滤波的李群重尾干扰噪声动态飞行器姿态估计方法
CN115238454A (zh) 数据校正的方法和装置
KR101891961B1 (ko) 시뮬레이터의 비행성능 튜닝방법
CN108106634A (zh) 一种直接观星的星敏感器内参数标定方法
CN103473470A (zh) 一种地面效应风洞试验数据处理方法
CN114091180A (zh) 基于飞行数据的扰动风定制化建模和大气数据估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination