

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、飛行器參數(shù)的在線辨識在現(xiàn)代飛行控制系統(tǒng)設計中扮演越來越重要的角色,近年來一直是飛行器領域的研究熱點之一。通常來講,飛控系統(tǒng)是基于預先建立的數(shù)學模型設計的,其中考慮了參數(shù)的不確定性,以提高控制系統(tǒng)的魯棒性。但是,由于建模不可避免地存在誤差,特別是某些參數(shù)隨著飛行條件的變化、飛機構型的變化、故障或戰(zhàn)損而發(fā)生變化。這些參數(shù)的變化有些無法測量,或者超出了人們的預期,對飛控系統(tǒng)的性能和飛行安全帶來嚴峻挑戰(zhàn)。通過在線系統(tǒng)辨識,可以獲得更準確的參數(shù)、
2、跟蹤參數(shù)的變化、檢測故障的發(fā)生,使控制系統(tǒng)可以在線進行相應的調整,保持系統(tǒng)的穩(wěn)定性和預期性能,確保飛行安全。因此,飛行器參數(shù)的在線辨識對先進控制系統(tǒng)實現(xiàn)、實時飛行穩(wěn)定性評估、以及故障診斷具有重要意義。然而,從帶有噪聲和干擾的數(shù)據(jù)中辨識出有用的信息是非常困難的。并且,在線辨識還受到算法計算時間和復雜程度的限制。本文基于狀態(tài)空間模型,采用灰箱辨識方法,對飛行器模型參數(shù)的在線辨識問題進行了系統(tǒng)地研究。
飛行器動力學模型及參數(shù)辨識模型
3、是開展在線辨識研究的基礎,這兩類模型既相互區(qū)別,又存在密切聯(lián)系。本文采用連續(xù)形式的狀態(tài)空間模型和離散的觀測方程模型構成了連續(xù)/離散混合的系統(tǒng)辨識模型框架。用連續(xù)時間狀態(tài)空間模型來描述飛行器系統(tǒng),所有參數(shù)物理意義明確,這對飛行器總體設計優(yōu)化和飛行控制系統(tǒng)設計非常必要和方便,但卻給參數(shù)的在線辨識帶來不小的困難。這是因為,需要辨識的參數(shù)為線性狀態(tài)空間模型的狀態(tài)轉移陣和輸入控制陣的各元素,分別對應飛行器對象的穩(wěn)定導數(shù)和控制導數(shù),而辨識算法要求狀
4、態(tài)空間模型中的所有狀態(tài)變量可測,且狀態(tài)方程左端的微分量可以準確獲取,這在實際中往往難以滿足。本文側重在狀態(tài)空間模型描述框架下開展飛行器的參數(shù)在線辨識研究,從時域和頻域兩個角度,考慮系統(tǒng)維數(shù)、輸入、噪聲、參數(shù)及狀態(tài)的不同情形,設計并實現(xiàn)了相對有效的在線辨識算法,在噪聲的處理能力、辨識的速度、精度及算法效率等方面均可滿足在線實時應用的要求。
針對時域在線辨識,首先,給出飛行器的參數(shù)化模型,將灰箱辨識算法分為方程誤差法、輸出誤差法和
5、濾波誤差法三大類;基于連續(xù)狀態(tài)空間模型,給出基本的遞推最小二乘(RLS)辨識算法;針對方程誤差辨識方法中,回歸方程左端項(對應狀態(tài)方程微分項)無法直接觀測的問題,提出帶卡爾曼濾波狀態(tài)估計的遞推最小二乘兩步辨識(KF+RLS)算法,實現(xiàn)了部分狀態(tài)未知條件下的參數(shù)辨識;針對參數(shù)未知情況下無法使用狀態(tài)卡爾曼濾波的難題,給出基于增廣狀態(tài)的擴展卡爾曼濾波(EKF)非線性辨識算法,實現(xiàn)了狀態(tài)與參數(shù)的聯(lián)合估計;進一步地,針對卡爾曼濾波需要噪聲參數(shù)已知
6、這一限制,采用增廣參數(shù)的擴展最小二乘非線性辨識(EFRLS)算法,實現(xiàn)了噪聲未知條件下的狀態(tài)和參數(shù)的聯(lián)合估計。
針對頻域在線辨識,本文深入研究了傅里葉變換回歸(FTR)辨識方法,該方法在提高噪聲處理能力、減小辨識計算量等方面具有獨特的優(yōu)勢,且不必像傳統(tǒng)的頻域方法那樣需要對系統(tǒng)施加長時間的或持續(xù)的激勵。通過遞推傅里葉變換(RFT),將時域數(shù)據(jù)在線轉換為頻域數(shù)據(jù),從而得到飛行器參數(shù)辨識的頻域線性回歸模型,采用批量最小二乘算法進行參
7、數(shù)辨識,本文推導給出三種頻域最小二乘計算式,并進行了比較分析,其中,信息陣的求逆采用奇異值分解(SVD)方法,提高了算法在遞推過程中的穩(wěn)定性;針對MIMO系統(tǒng)的頻域辨識,提出了一種正交多正弦激勵信號設計方法,能夠對多個輸入通道同時激勵,提高了辨識效率,用于辨識試驗時可大幅降低飛行試驗時間及費用;分析了典型信號激勵時長對辨識結果的影響,為頻域方法中的激勵信號設計提供了思路;最后,對時域和頻域在線辨識方法進行了性能對比,并在本文構建的雙機實
8、時仿真環(huán)境中,驗證了在線辨識算法的有效性及實時性,為各類算法的選擇及應用提供了支持。
時變參數(shù)的辨識一直是辨識領域的挑戰(zhàn)性問題之一,現(xiàn)有研究主要針對慢變參數(shù)系統(tǒng),然而實際中飛行器可能因故障導致參數(shù)突然變化。針對飛行器模型中時變參數(shù)的辨識問題,特別是快時變情形,本文基于前述的時域和頻域辨識算法,引入不同形式的遺忘因子/漸消因子,使各算法具備了時變參數(shù)的跟蹤辨識能力。本文借鑒自適應卡爾曼濾波器的思想,提出將漸消因子引入增廣參數(shù)的擴
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 飛行器氣動參數(shù)辨識方法研究.pdf
- 空間飛行器慣性參數(shù)在軌辨識算法.pdf
- 四旋翼飛行器模型氣動參數(shù)辨識與控制方法研究.pdf
- 傾轉旋翼飛行器在線辨識模型研究.pdf
- 飛行器隨機控制系統(tǒng)參數(shù)辨識估計方法.pdf
- 飛行器氣動參數(shù)辨識與組合優(yōu)化.pdf
- 基于EM和高斯平滑器的飛行器參數(shù)辨識方法.pdf
- 狀態(tài)空間模型辨識方法研究
- 狀態(tài)空間模型辨識方法研究.pdf
- 高超聲速飛行器閉環(huán)氣動參數(shù)辨識.pdf
- 空間飛行器交會制導方法研究.pdf
- 空間飛行器軌道交會中的狀態(tài)估計.pdf
- 固定翼飛行器氣動參數(shù)辨識技術應用研究.pdf
- 高超聲速飛行器氣動參數(shù)辨識與LPV混合控制方法研究.pdf
- 接近空間目標飛行器的制導方法研究.pdf
- 空間飛行器快速繞飛制導方法研究.pdf
- 無人飛行器控制參數(shù)離線優(yōu)化與在線調整研究.pdf
- 微型飛行器飛行參數(shù)獲取系統(tǒng)研究.pdf
- 微型飛行器飛行姿態(tài)控制方法研究.pdf
- 飛行器多參數(shù)采集系統(tǒng)設計.pdf
評論
0/150
提交評論