基于EM和高斯平滑器的飛行器參數(shù)辨識(shí)方法.pdf

1、飛行器氣動(dòng)模型參數(shù)辨識(shí)在飛行器設(shè)計(jì)的很多任務(wù)環(huán)節(jié)中都具有重要的意義，并逐漸成為飛行器設(shè)計(jì)定型過(guò)程中不可或缺的一部分。隨著辨識(shí)任務(wù)要求的日益提高，發(fā)展高精度、高效率的新型參數(shù)辨識(shí)算法是一個(gè)非常值得研究的課題。
　　盡管飛行器參數(shù)辨識(shí)領(lǐng)域已經(jīng)發(fā)展了多種算法，但大部分在實(shí)踐中的使用效果不是很理想，主要是由于以下問(wèn)題造成的：1)算法大多采用濾波器進(jìn)行狀態(tài)估計(jì)，不利于充分利用數(shù)據(jù)中的有用信息，對(duì)于強(qiáng)非線性系統(tǒng)往往不能得到精確的估計(jì)結(jié)果；2)

2、飛行器動(dòng)態(tài)模型復(fù)雜程度日益增大，模型中的狀態(tài)量維數(shù)較高且待辨識(shí)參數(shù)多，同時(shí)狀態(tài)與參數(shù)之間還存在深度耦合關(guān)系，很多算法對(duì)此類系統(tǒng)的估計(jì)精度不高；3)現(xiàn)有技術(shù)對(duì)噪聲的估計(jì)效果欠佳，很多算法甚至僅使用固定噪聲值進(jìn)行假設(shè)，估計(jì)結(jié)果誤差很大。
　　針對(duì)上述問(wèn)題，本文提出了一種新的參數(shù)辨識(shí)算法：基于期望最大化(Expectation Maximization，EM)算法和求容積卡爾曼平滑器(Cubature Kalman Smoother，C

3、KS)的聯(lián)合估計(jì)算法(EM-CKS)。EM算法具有良好的數(shù)值穩(wěn)定性，主要用于估計(jì)狀態(tài)均值和協(xié)方差的初值、過(guò)程噪聲以及量測(cè)噪聲；求容積卡爾曼平滑器是高斯平滑器的一種，其較濾波器的估計(jì)精度更高，用于對(duì)狀態(tài)向量和未知參數(shù)進(jìn)行聯(lián)合估計(jì)。算例驗(yàn)證表明本文的方法具有辨識(shí)精度高、收斂特性好等優(yōu)點(diǎn)，在理論方法研究和工程應(yīng)用方面均具有價(jià)值。
　　本文的主要工作與貢獻(xiàn)如下：
　　1)搭建了基于EM和高斯平滑器的聯(lián)合處理框架。在該處理框架下，EM

4、算法對(duì)過(guò)程噪聲、量測(cè)噪聲以及狀態(tài)均值和協(xié)方差的初值進(jìn)行估計(jì)，高斯平滑器對(duì)狀態(tài)向量和未知參數(shù)進(jìn)行估計(jì)；使用該處理框架能夠處理系統(tǒng)噪聲統(tǒng)計(jì)特性未知及狀態(tài)測(cè)量有誤差情況下的參數(shù)辨識(shí)問(wèn)題；
　　2)設(shè)計(jì)了基于EM和CKS的參數(shù)狀態(tài)聯(lián)合估計(jì)算法。首先對(duì)EM算法的核心思想進(jìn)行研究，對(duì)高斯近似濾波器及平滑理論進(jìn)行分析比較，以求容積卡爾曼濾波(Cubature Kalman Filter，CKF)為基本濾波器結(jié)合RTS平滑理論，選擇了CKS作為狀

5、態(tài)和參數(shù)估計(jì)器；再將EM與CKS的具體計(jì)算過(guò)程應(yīng)用于構(gòu)建的聯(lián)合處理框架中，建立了算法的理論體系，給出了算法的計(jì)算步驟；
　　3)提出了基于 EM-CKS算法的飛行器氣動(dòng)參數(shù)辨識(shí)方法。本文分別針對(duì)ATTAS飛機(jī)橫向線性模型和 HFB-320飛機(jī)縱向非線性模型的氣動(dòng)參數(shù)辨識(shí)問(wèn)題，建立相應(yīng)的離散時(shí)間狀態(tài)空間系統(tǒng)方程，應(yīng)用EM-CKS算法，給出了該算法框架下解決飛行器參數(shù)辨識(shí)問(wèn)題的過(guò)程；
　　4)完成了相關(guān)代碼的編制，通過(guò)算例對(duì)算法