[发明专利]一种高超声速飞行器气动参数在线辨识方法

说明书

本发明公开了一种高超声速飞行器气动参数在线辨识方法，利用SVR对小样本的良好学习性能，利用SVR对小样本进行智能实时气动建模。该模型具有良好的泛化能力，可用于气动预测。然后采用数值微分法从SVR模型中实时提取气动参数；为保证识别精度和计算效率，提出了输入维数和噪声水平的经验公式，用于在线选择训练样本容量。针对SVR模型超参数难以在线优化的问题，提出了选取模型参数的经验公式，以追求SVR模型良好的泛化性能。基于训练样本噪声方差的渐近估计，在线选择SVR的超参数；该方法不依赖于先验的飞行器数学模型，能在较低的时间开销下实现对气动力参数在线准确、鲁棒的估计；它不仅可以作为一种在线的方法，而且可以作为一种离线使用的方法。

技术领域

本发明属于参数辨识技术领域，具体涉及一种高超声速飞行器气动参数在线辨识方法。

背景技术

相较于传统运载器，高超声速飞行器面临复杂的环境特性，稀薄气体效应、高温气体效应以及流动转捩等机理尚未完全掌握，气动不确定性强。高超声速飞行时周围空气静温被激波加热到数千度，高温下空气分子将产生振动激发、离解、甚至电离，使普通空气成为包含热化学反应的复杂流体介质，空气的热力学特性改变，会导致飞行器表面压力分布不确定性变强，飞行器所受气动力矩发生剧烈变化；另一方面，高空飞行时存在稀薄流动问题，在局部位置引起速度滑移与温度梯度跳跃，导致升阻特性、力矩特性发生改变。此外，姿态和高度的变化将显著影响飞行器发生转捩的位置，从而影响飞行器表面压力分布，进一步增加了复杂流动环境下的气动特性数据准确获取难度。

由于高超声速流动力学场理论发展尚不完备，工程计算方法难以获得准确的气动特性数据；而受风洞规模、风洞尖刺、风洞壁效应等影响，风洞试验也难以复现高超声速飞行器的飞行环境以及覆盖其全部飞行状态，基于风洞试验/工程计算等方法得到的高超声速飞行器气动模型往往具有一定偏差，因此需要基于飞行试验数据进行气动数据库更新和气动模型修正。然而，当高超声速飞行器以高超声速飞行时，目前的热防护技术不能保证在给定飞行状态下维持充足时间飞行，且试验代价高昂，几乎难以覆盖所有飞行状态。因此，通过离线建模+模型修正方法所得气动模型存在一定偏差和不确定性，且难以体现气动的非定常特性。考虑到高超声速飞行器气动的非定常特性和不确定性时间依赖性强，均体现在一定时间内的飞行数据中，具有小样本数据特性，可寻求智能化手段，进行非定常强耦合气动参数在线辨识技术研究，基于小样本实时飞行数据进行支持向量机在线气动建模，再基于数值微分方法，快速、实时获得准确的高超声速飞行器气动特性，解决其气动特性难以准确描述的问题。

发明内容

本发明的目的是提供一种高超声速飞行器气动参数智能在线辨识方法，该方法解决了解决高超声速飞行器气动特性难以准确描述的问题，该方法基于实时飞行数据，有针对性地采用支持向量机进行气动在线建模，由于不同飞行数据分布区间差异较大，首先对飞行数据进行预处理，其次选择训练样本数目以及模型参数，完成支持向量机进行气动在线建模后，基于所得气动模型，利用数值差分方法进行气动参数在线辨识，从而完成气动参数在线辨识。

一种高超声速飞行器气动参数智能在线辨识方法，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)