[发明专利]一种飞行器气动参数在线辨识方法

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)：

x_k+1＝f(x_k，u_k，θ)+w_k

y_k＝g(x_k，u_k，θ)+v_k

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

S2：选取x_k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χ_k-1＝[x_0，k-1，x_1，k-1，…，x_2n，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，P_k为其协方差矩阵，Q为状态量的过程噪声协方差矩阵。

χ_k/k-1＝f(χ_k-1，u_k-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。

γ_k/k-1＝g(χ_k/k-1，u_k-1)

K_k＝P_xyP_yy^-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，X_k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

K_k＝P_kX_k(λ+X_k^TP_kX_k)^-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。