[发明专利]一种基于自适应遗传算法的小型无人旋翼机动力学模型辨识方法

摘要

一种基于自适应遗传算法的小型无人旋翼机动力学模型辨识方法，涉及飞行状态数据采集和优化、动力学模型构建和参数辨识、模型参数优化验证。首先通过数据采集系统采集小型无人旋翼机执行标准动作时候的状态数据和控制数据，并进行平滑滤波消除野值；其次针对小型无人旋翼机自主起降阶段的工作特性，通过平衡点线性化方法构建小型无人旋翼机动力学模型，并通过自适应遗传算法对模型参数进行辨识；构建智能参数评估指标，通过一步预测方法对模型参数有效性进行评估判断。本发明解决了小型无人旋翼机动力学模型辨识问题，从而可以实现小型无人旋翼机高精度控制，具有试验成本低、周期短、计算简单，动力学模型精度高和对初值依赖性弱的优点。

主权项

一种基于自适应遗传算法的小型无人旋翼机动力学模型辨识方法，其特征在于实现步骤如下：(1)通过数据采集系统采集小型无人旋翼机执行标准动作时候的俯仰角和角速度、滚转角和角速度、偏航角和角速度、水平面速度和高度方向的速度，小型无人旋翼机纵向周期变距、横向周期变距、航向舵控制量、主浆总距控制量，并通过平滑滤波消除集数据中存在的野值；(2)针对小型无人旋翼机自主起降阶段的工作特性，通过平衡点线性化方法构建小型无人旋翼机动力学模型，其中模型状态量为小型无人旋翼机的北向速度u，东向速度v，地向速度w，俯仰角φ，滚转角θ，俯仰角速率p，滚转角速率q和偏航角速度r，模型的输入量为小型无人旋翼机纵向周期变距B1s、横向周期变距A1s、航向舵控制量AT、主浆总距控制量AM；基于构建的小型无人旋翼机动力学模型，将待辨识参数构建遗传算法个体，以优化后的部分采集数据作为训练样本，通过自适应遗传算法进行寻优求解，获得优化个体；(3)构建智能参数评估指标，以剩余部分的采集数据为评估指标，通过一步预测方法对模型参数有效性进行评估判断。