[发明专利]一种飞行器气动参数辨识误差区间估算方法有效
申请号: | 201210547952.6 | 申请日: | 2012-12-11 |
公开(公告)号: | CN103020456A | 公开(公告)日: | 2013-04-03 |
发明(设计)人: | 王贵东 | 申请(专利权)人: | 中国航天空气动力技术研究院 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 中国航天科技专利中心 11009 | 代理人: | 褚鹏蛟 |
地址: | 100074 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 飞行器 气动 参数 辨识 误差 区间 估算 方法 | ||
技术领域
本发明属于飞行器系统辨识领域,涉及对飞行器气动参数辨识结果的误差区间进行估算的方法。
背景技术
对于飞行器气动参数的极大似然辨识,C-R界给出了参数辨识误差区间的最好的理论预测,被广泛地应用于对飞行器气动参数辨识误差区间的确定,其前提条件是观测噪声为高斯白噪声。但对于飞行试验测量数据的气动参数辨识实践表明,多次飞行试验气动参数辨识结果的样本标准偏差统计值比C-R界高数倍,参见《利用两种辨识方法从轻型飞机飞行数据中提取稳定与控制导数》(《Determination of Stability and Control Parameter of a Light Airplanefrom Flight Data Using Two Estimation Methods》),Klevin V,NASA TP-1036,1979。究其原因是,C-R界在高斯白噪声条件下导出的,而实测数据的噪声通常是低频区域的有色噪声,不满足使用条件,因此得到的误差区间是不准确的。
发明内容
本发明所要解决的技术问题是:在常用的参数辨识误差区间估算标准C-R界的基础上,针对其应用于飞行试验测量数据时估算结果量值过小的问题,通过理论推导得到一种C-R界修正方法,利用该修正方法能够较准确地估算飞行器气动参数辨识误差区间。
本发明包括如下技术方案:
一种飞行器气动参数辨识误差区间估算方法,步骤如下:
进行飞行试验,获取观测矢量y的测量数据ym;
建立气动数学模型,所述气动数学模型为飞行器气动力和力矩系数与状态和控制参数之间的函数关系式;
利用极大似然辨识方法,对飞行器气动力数学模型中的未知气动参数组成的矢量θ进行辨识,获取气动参数θ的辨识值
根据辨识值通过求解飞行动力学方程组,计算观测量的预测值并计算观测噪声v,
对所述观测噪声进行傅立叶变换,并获得观测噪声的截止频率fc;
根据飞行试验测量数据的采样频率fm,确定测量数据的奈奎斯特频率fn,fn=fm/2;
利用截止频率fc和奈奎斯特频率fn计算修正系数K,
计算任意一个气动参数θi的C-R界Ci;
利用修正系数K,对该气动参数θi的C-R界Ci进行修正,修正后的C-R界为此即为气动参数θi的辨识误差。
确定气动参数θi的辨识误差区间为
本发明与现有技术相比具有如下优点:
本发明的参数辨识误差区间估算方法简便、实用,仅需要单次飞行试验测量数据样本,就可以给出每一个气动参数辨识结果的误差区间。
本发明的参数辨识误差区间估算方法,针对现有方法存在的问题进行了修正,因此误差区间估算结果比现有方法更加准确、可信,为将根据飞行试验数据辨识的气动参数应用于飞行器设计与改进奠定了基础。
附图说明
图1为构造白噪声示意图;
图2为俯仰力矩导数的5次飞行试验辨识结果示意图;
图3为俯仰力矩导数辨识结果的平均值和样本标准差示意图;
图4为俯仰力矩导数辨识结果的平均值和C-R界平均值示意图;
图5为飞行试验观测噪声的功率谱密度示意图;
图6为根据本发明方法得到的C-R界修正值示意图。
具体实施方式
下面就结合附图对本发明做进一步介绍。
本发明的一种飞行器气动参数辨识误差区间估算方法,利用该方法获取气动参数辨识结果误差区间的步骤如下:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国航天空气动力技术研究院,未经中国航天空气动力技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201210547952.6/2.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用