[发明专利]一种高超声速飞行器气动参数在线辨识方法

权利要求书

1.一种高超声速飞行器气动参数智能在线辨识方法，其特征在于，包括如下步骤：

步骤1、获得包括攻角α、舵偏角δ_e、俯仰通道角速率ω_z、马赫数Ma、升力系数C_D、阻力系数C_L以及俯仰力矩系数C_m的实时飞行数据；

确定以下三个气动系数的支持向量机回归气动模型，即：

C_D＝f_D(α,δ_e,Ma)

C_L＝f_L(α,δ_e,Ma)

C_m＝f_m(α,δ_e,w_z,Ma)

其中，C_D表示升力系数、C_L表示阻力系数、C_m表示俯仰力矩系数；

步骤2、对步骤1获得的飞行数据在各个采样点上的取值进行归一化处理；

步骤3、确定选择的采样点的数目n_c；

步骤4、根据步骤3确定的数目n_c，在步骤2归一化处理后的数据中选择数据，然后分别得到升力系数C_D、阻力系数C_L以及俯仰力矩系数C_m各自对应的均值y_mean和标准差σ_y，以及噪声的标准差σ，从而确定支持向量机回归气动模型的超参数ε：

和惩罚因子：

C＝max(|y_mean+3σ_y|,|y_mean-3σ_y|)

步骤5、根据三个支持向量机回归气动模型，从而求取稳定性和操纵性气动导数，具体为：

步骤51、选择一个输入变量，为其增加一个扰动量，并保持其他输入变量不变；

步骤52、对应的气动系数的导数等于支持向量机气动模型输出的变化量与输入变量扰动量之比；

步骤53、针对同一个气动系数的导数，在每一个样本点上执行步骤51和步骤52；

步骤54、则待求气动系数的导数等于各个样本点上所得导数的平均值。

2.如权利要求1所述的一种高超声速飞行器气动参数智能在线辨识方法，其特征在于，所述步骤3中样本数目n_c：

n_c＝40d_in(1+τσ) (7)

其中，d_in表示模型输入维数，τ表示噪声水平。

3.如权利要求1所述的一种高超声速飞行器气动参数智能在线辨识方法，其特征在于，所述步骤4中，噪声的标准差σ的公式为：其中d为多项式回归等高复杂度回归估计器的自由度。

4.如权利要求3所述的一种高超声速飞行器气动参数智能在线辨识方法，其特征在于，每接收一个采样点数据，则计算一次标准差σ；当第三次计算标准差时，将之前所有的标准差的平均值作为本次求取的标准差σ。

5.如权利要求1所述的一种高超声速飞行器气动参数智能在线辨识方法，其特征在于，所述步骤2中，所述归一化处理采用最大值—最小值归一化方式。

6.如权利要求1所述的一种高超声速飞行器气动参数智能在线辨识方法，其特征在于，所述步骤54中，阻力系数C_L对攻角α的导数为

其中，和分别是α_i和δ_ei的归一化值，是Δα的归一化值。

7.如权利要求1所述的一种高超声速飞行器气动参数智能在线辨识方法，其特征在于，设为空速在弹体系下的分量，则飞行器的攻角α、侧滑角β以及飞行速度通过如下方式给出：

8.如权利要求1所述的一种高超声速飞行器气动参数智能在线辨识方法，其特征在于，升力系数C_D、阻力系数C_L、俯仰力矩系数C_m通过如下简化的关系式得出：

C_D＝-C_Xcos(α)-C_Zsin(α)

C_L＝C_Xsin(α)-C_Zcos(α)

其中，S表示飞行器横截面积，L为特征长度，J_z表示飞行器的横向力矩系数，弹体系下力系数C_X,C_Z通过下式得到：

C_X＝mn_x/qS

C_Z＝mn_y/qS

其中，m表示飞行器质量。