[发明专利]一种飞行器气动参数在线辨识方法

说明书

本发明公开了一种飞行器气动参数在线辨识方法，用于实现实现对飞行器气动参数的实时在线辨识。该方法结合了无迹卡尔曼滤波算法与遗忘因子最小二乘法，无迹卡尔曼滤波算法用于估计出去除飞机传感器以及过程噪声影响的状态量，遗忘因子最小二乘法用于利用状态估计值参数辨识，该方法利用卡尔曼滤波算法用于状态估计的优势，解决遗忘因子最小二乘法因噪声对参数估计不准确的问题，提高了在线辨识的参数估计精度。该方法因涉及了实际工程背景，有较高的工程应用价值。

技术领域

本发明涉及飞行控制领域，尤其是飞行器气动参数的在线辨识。

背景技术

在飞行器控制系统的设计中，需要一个客观的飞行动力学数学模型，且该模型的精确性直接影响控制律的设计。良好的飞控系统的设计需要较为准确的数学模型。

系统辨识是一类通过系统输入—输出数据来得到与真实系统等价的数学模型的方法。通过系统辨识的方法得出飞行器的模型参数，可以避免进行昂贵、繁杂的风洞试验以及计算结果需要校验的CFD计算，具有试验成本较低、可信度较高等优势。对于模型参数随时间变化的飞行器，如倾转旋翼飞行器，需要进行在线辨识，实时地去捕获参数的变化，即在飞机飞行的过程中实时地根据输入和测量数据辨识出相应的参数。一方面要能够估计飞行的过程噪声和观测噪声随时间的演化，另一方面辨识算法要具有较低的时间复杂度。

针对飞行器的在线辨识，主要利用的方法有各种递推方法和卡尔曼滤波方法等。基于递推思想的最小二乘法对参数估计受噪声影响较大，卡尔曼滤波算法估计参数，受初值影响较大，较为适合状态估计。

发明内容

本发明目的是在于提供一种将卡尔曼滤波与最小二乘算法相结合的参数估计方法，以实现对飞行器气动参数的实时在线辨识。

为实现上述目的，本发明采用如下技术方案：

S1：先利用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。

无迹卡尔曼滤波通过近似非线性函数的概率分布来解决状态量均值和协方差的传播。这种近似非线性分布的方式称为无迹变换(UT)，设飞行器的状态与观测方程(离散形式)如下：

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，为其均值，P_k为其协方差矩阵，f为非线性状态方程，w_k，v_k分别为过程和观测噪声，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。

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)。

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]。

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)