面向变形飞行器的时变气动参数在线辨识方法

针对变形飞行器快时变气动参数的在线高精度获取问题,本文提出一种基于BP神经网络模型的气动参数在线辨识方法。基于变形飞行器气动模型的非线性输入/输出映射关系,建立能够在一定精度范围内逼近变形飞行器气动模型的BP神经网络模型。根据在线实测动力学参数观测数据,采用扩展卡尔曼滤波方法在线训练神经网络,实时校正并获取神经网络模型参数,基于神经网络模型快速计算并预测气动参数,从而跟踪快时变、非线性气动模型的变化。通过对变形飞行器连续变形/构型突变的气动参数辨识进行数学仿真验证。结果表明:提出的方法收敛速度快、在线辨识精度较高,可以实现对变形飞行器气动参数的有效辨识。