[发明专利]一种飞行器气动参数在线辨识方法在审

专利信息
申请号: 201910693133.4 申请日: 2019-07-30
公开(公告)号: CN110532621A 公开(公告)日: 2019-12-03
发明(设计)人: 唐鹏;党小为;郑琛;刘舒娜 申请(专利权)人: 北京航空航天大学
主分类号: G06F17/50 分类号: G06F17/50
代理公司: 暂无信息 代理人: 暂无信息
地址: 100191*** 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: 最小二乘法 遗忘因子 卡尔曼滤波算法 参数估计 气动参数 在线辨识 状态估计 飞行器 无迹卡尔曼滤波 飞机传感器 参数辨识 工程应用 过程噪声 实际工程 实时在线 状态量 辨识 算法 噪声
【权利要求书】:

1.一种飞行器气动参数在线辨识方法,其特征在于:将卡尔曼滤波算法与遗忘因子最小二乘算法相结合,无迹卡尔曼滤波估计出去除飞机传感器以及过程噪声影响的状态量,利用状态估计值进行遗忘因子最小二乘参数辨识。

2.根据权利要求1所述的一种飞行器气动参数在线辨识方法,其特征在于:所述无迹卡尔曼滤波算法进行状态估计包括如下步骤:

S1:建立飞行器的状态与观测方程(离散形式):

xk+1=f(xk,uk,θ)+wk

yk=g(xk,uk,θ)+vk

xk∈Rn为n维状态向量,f为非线性状态方程,wk,vk分别为过程和观测噪声。

S2:选取xk分布中的2n+1个点,被称为sigma点,以及一组对应的权值分别为均值和协方差的权值。将初始向量的一组sigma点采用如下方式表示χk-1=[x0,k-1,x1,k-1,…,x2n,k-1]。

S3:进一步地,将这组sigma点经过飞行器的状态方程变换之后,即进行飞行器一步时间更新之后得到新的状态量的sigma点,计算出飞行器状态量经状态方程传播后下一采样时刻的先验估计值(均值和协方差),其中为其均值,Pk为其协方差矩阵,Q为状态量的过程噪声协方差矩阵。

χk/k-1=f(χk-1,uk-1)

S4:进一步地,由飞行器的观测方程进行测量值的更新,得到飞行器观测量的均值和协方差以及状态量与观测量的互协方差,进而求得卡尔曼增益系数K,得出新时间点的状态量的均值与方差的后验估计值,其中R为观测噪声协方差矩阵。

γk/k-1=g(χk/k-1,uk-1)

Kk=PxyPyy-1

即为去除噪声影响的飞行器状态量

3.根据权利要求1所述的一种飞行器气动参数在线辨识方法,其特征在于:采用递推形式的最小二乘算法可用于飞行器参数的辨识,加入遗忘因子以削弱旧数据的权重,增强在线辨识算法对于参数变化的跟踪能力,具体包括以下步骤:

S1:利用遗忘因子最小二乘法进行一步测量值更新,Xk为UKF估计出的状态量加上输入量的增广状态量:

S4:在线计算测量值更新增益

Kk=PkXk(λ+XkTPkXk)-1

S5:进行参数更新与校正以及飞行器增广状态量

即为实时估计出的离散化待辨识参数。

4.根据权利要求2所述的一种飞行器气动参数在线辨识方法,其特征在于:S2中所述Sigma点的初始值可以选取如下对称采样策略

其中,表示矩阵的第i列(默认x为列向量)。

5.根据权利要求2所述的一种飞行器气动参数在线辨识方法,其特征在于:S2中所述权值的选取如下:

λ=α2(n+κ)-n

α、β、κ为尺度参数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京航空航天大学,未经北京航空航天大学许可,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/201910693133.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top