[发明专利]适用于电传飞控直升机的飞行实验数据快速频域辨识方法在审
| 申请号: | 201811479888.6 | 申请日: | 2018-12-05 |
| 公开(公告)号: | CN109684599A | 公开(公告)日: | 2019-04-26 |
| 发明(设计)人: | 郑强;马钊 | 申请(专利权)人: | 中国航空工业集团公司西安飞行自动控制研究所 |
| 主分类号: | G06F17/14 | 分类号: | G06F17/14;G06F17/13;G06F17/12 |
| 代理公司: | 中国航空专利中心 11008 | 代理人: | 王迪 |
| 地址: | 710076 陕*** | 国省代码: | 陕西;61 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 辨识 飞行实验 频域 初值估计 数据转换成频域 直升机 模型结构辨识 状态空间模型 传感器位置 数据相容性 直升机模型 辨识模型 参数收敛 低通滤波 计算效率 输出误差 数据重建 优化算法 计算量 补正 构建 频谱 线化 校正 剔除 检查 保证 | ||
本发明属于直升机模型辨识领域,提供一种适用于电传飞控直升机的飞行实验数据快速频域辨识方法,包括以下步骤:步骤1:数据野值的剔除与补正、低通滤波、传感器位置校正以及数据相容性检查和数据重建;步骤2:将飞行实验数据转换成频域,并构建辨识模型,采用完全线化的状态空间模型;步骤3:快速初值估计,得到待辨识参数的初值估计θ;步骤4:模型结构辨识,在进行下一步辨识之前,对这些参数进行取舍;步骤5:快速频域输出误差。本发明根据各个待辨识参数收敛速度不同的特点设计了加速优化算法,进一步提高了计算效率,实现了对频谱较为细致的描述,同时又保证了计算量。
技术领域
本发明属于直升机模型辨识领域。
背景技术
基于飞行试验数据的参数辨识方法为直升机飞行品质评估提供了有效的技术手段。国内外飞行品质规范均提出用参数辨识来检查直升机的飞行品质的方法。所谓参数辨识是根据飞行实测试验得到的输入—输出数据建立系统数学模型,其主要特点就是不需要知道研究对象的详细物理机理细节。但为了辨识出与实际情况吻合的模型,需要产生能够充分反映研究对象特性的试验数据,需要建立能够合理描述研究对象的参数化模型,需要有良好估计准度和效率的辨识算法。对于直升机来说,根据飞行试验数据求取直升机的气动导数是一个十分复杂的问题。
经过长期的探索研究,飞行试验技术得到了很大的发展,飞行试验所产生的试验数据能有效反映直升机的飞行特性;经过长期的机理建模研究,对飞行动力学内在的物理机理认识已有相当的基础,从而为直升机飞行动力学的辨识建模提供了丰富的先验知识,虽然对少数复杂气动现象的机理认识有待提高并加以准确描述,总体上能合理描述直升机的参数化模型。然而,由于直升机飞行动力学参数化模型固有的复杂性,包括待辨识参数数量多、在不同操纵输入下各个参数灵敏度差异大等等,给模型的辨识带来了许多数学问题,建立具有良好估计准度和效率的辨识算法,成为直升机飞行动力学模型辨识成败的关键。
通过研究,掌握电传直升机时域辨识技术、频域辨识技术的关键技术,突破传统参数辨识应用的瓶颈,可以为我国电传直升机设计鉴定试飞奠定理论和技术基础,为设计鉴定试飞数据处理提供工程技术手段。
发明内容
本发明要解决的技术问题:
提供一种适用于电传飞控直升机的飞行实验数据快速频域辨识方法,计算规模降低,计算效率提高。
本发明的技术方案:
一种适用于电传飞控直升机的飞行实验数据快速频域辨识方法,包括以下步骤:
步骤1:数据野值的剔除与补正、低通滤波、传感器位置校正以及数据相容性检查和数据重建;
步骤2:将飞行实验数据转换成频域,并构建辨识模型,采用完全线化的状态空间模型;
步骤3:快速初值估计,得到待辨识参数的初值估计θ;
步骤4:模型结构辨识,在进行下一步辨识之前,对这些参数进行取舍;
步骤5:快速频域输出误差。
步骤1具体为:
首先利用低阶多项式滑动拟合法来进行野值的判断和剔除;
之后使用滤波器滤去高频噪声,并且需要对传感器的位置进行校正;
之后进行数据相容性检查,利用具有函数关系的不同测量响应来辨识出这些偏差;
之后进行数据重建,以消除所有测量数据的偏差,确保数据的相容性。
步骤1的滤波方法如下式:
其中,ωc为低通滤波的截止频率,单位为Hz,f(t)为测量得到的响应序列,为滤波后的响应序列,sinc(·)为滤波函数。
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空工业集团公司西安飞行自动控制研究所,未经中国航空工业集团公司西安飞行自动控制研究所许可,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/201811479888.6/2.html,转载请声明来源钻瓜专利网。





