[发明专利]一种飞行器气动参数在线辨识方法在审
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 | ||
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。
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。