一种基于云模型优化的飞行器参数辨识算法

极大似然估计方法(ML)在飞行器参数辨识中得到了广泛应用,该方法需要预先推导灵敏度方程,进而求解灵敏度矩阵,在应用过程中比较繁杂,且容易陷入局部最优。提出一种基于云模型优化的飞行器参数辨识算法,根据极大似然估计原理,利用云模型的优化理论对极大似然函数进行优化,从而得到待辨识参数值。该算法不必推导灵敏度矩阵,对初值要求不高,应用便捷,且保留了云模型优化的特点,收敛速度较快、不易陷入局部最优。以Twin Otter飞机为例对算法进行验证。结果表明:算法易于实现、辨识结果精度较高、收敛速度较快,不易陷入局部最优。

飞行器运动数学模型结构误差对辨识精度的影响

本文以系统数学模型为基础,通过试验、仿真某飞行器在垂直平面内的短周期运动辨识过程,着重分析研究了飞行器运动数学模型结构误差对辨识精度的影响.