买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军国防科技大学

摘要：本申请涉及一种基于ELM与UKF的飞行器气动参数在线辨识方法。所述方法包括：对飞行器进行横纵向运动解耦，将待辨识的气动参数与飞行器动力学模型的状态变量进行合并，建立增广状态变量；根据增广状态变量对飞行器动力学模型进行重构，得到增广状态方程；利用预先获取的观测数据和传感器数据构建样本数据集；根据ELM对样本数据集进行训练和测试并根据最小二乘法计算最优输出权重构建飞行器运动参数观测方程；根据增广状态方程和飞行器运动参数观测方程构建在线辨识模型；利用UKF对在线辨识模型进行在线更新，根据更新后的在线辨识模型对飞行器气动参数进行在线辨识。采用本方法能够提高飞行器气动参数在线识别准确率。

主权项：1.一种基于ELM与UKF的飞行器气动参数在线辨识方法，其特征在于，所述方法包括：对飞行器进行横纵向运动解耦，将待辨识的气动参数与飞行器动力学模型的状态变量进行合并，建立增广状态变量；所述待辨识的气动参数包括飞行器的轴向气动力系数和法向气动力系数；根据所述增广状态变量对所述飞行器动力学模型进行重构，得到增广状态方程为： 其中，X＝h,V,γ,Cx,CyT表示增广状态变量，re表示地球半径，h表示飞行器的当前高度，V为飞行器相对于地球的速度，γ表示弹道倾角，σ为倾侧角，g为重力加速度，m表示飞行器的质量；P为飞行器的轴向推力，q表示动压，S为飞行器参考面积，Cx为轴向气动力系数，Cy为法向气动力系数，fX,u为非线性函数，u＝P,α,σT为模型输入，α表示飞行器的攻角；利用预先获取的观测数据和传感器数据构建样本数据集；根据ELM对所述样本数据集进行训练和测试并根据最小二乘法计算最优输出权重构建飞行器运动参数观测方程；根据所述增广状态方程和所述飞行器运动参数观测方程构建在线辨识模型；利用UKF对所述在线辨识模型进行在线更新，通过构造确定的采样点集对在线辨识模型的概率密度分布进行逼近实现状态变量和观测变量的在线更新预测，得到更新后的在线辨识模型；根据所述更新后的在线辨识模型对飞行器气动参数进行在线辨识；利用UKF对所述在线辨识模型进行在线更新，通过构造确定的采样点集对在线辨识模型的概率密度分布进行逼近实现状态变量和观测变量的在线更新预测，得到更新后的在线辨识模型，包括：采用无迹变换构造一系列确定样本点及样本点的权值，对所述在线辨识模型中非线性函数的概率密度分布进行近似，按照在线辨识模型中的增广状态方程对当前时刻的样本点的下一时刻状态进行预测并对所有样本点进行加权，得到下一时刻状态的预测值和新状态均值以及方差；根据所述新状态均值和方差采用无迹变换构建样本点集，将所述样本点集带入在线辨识模型中的飞行器运动参数观测方程，得到样本点集在下一个时刻的预测观测量，并利用样本点集的预测观测量加权求和，得到新的观测均值；利用所述新的观测均值和预测观测量之间的偏差对观测值的方差和协方差进行在线更新，得到更新后的方差和协方差；根据所述更新后的方差和协方差计算卡尔曼增益；根据所述卡尔曼增益对所述在线辨识模型的状态和协方差进行更新，得到更新后的在线辨识模型。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 基于ELM与UKF的飞行器气动参数在线辨识方法