深度学习网络修正补偿的气动参数智能辨识方法

    公开(公告)号:CN116382071A

    公开(公告)日:2023-07-04

    申请号:CN202310081892.1

    申请日:2023-02-08

    Abstract: 本发明属于飞行器控制技术领域,涉及一种深度学习网络修正补偿的气动参数智能辨识方法。本发明首先考虑神经网络的智能参数辨识方法,根据地面试验数据离线训练深度学习网络。其次根据离线训练好的网络映射力/力矩系数并与系数的观测值作差,进行递推最小二乘增量辨识补偿。再根据真实飞行状态采集的数据离线修正深度学习网络,进而使得修正后的神经网络映射力/力矩系数更贴近真实值。在保证参数估计精度的同时,保障参数估计的快速性。最后,通过某型飞机模型开展了智能参数辨识及对比分析工作,结果表明离线训练/在线补偿/离线修正的辨识吻合较好,且与传统辨识方法相比计算效率高,具有广阔的应用前景。

    一种基于在线频域递推辨识的飞机自适应控制方法

    公开(公告)号:CN116165896A

    公开(公告)日:2023-05-26

    申请号:CN202310168326.4

    申请日:2023-02-27

    Abstract: 本发明属于飞机控制技术领域,涉及一种基于在线频域递推辨识的飞机自适应控制方法,包括在线递推的频域气动参数辨识方法和改进自适应干扰抑制控制方法。使用递推辨识方法可以精确地对气动导数进行辨识,静稳定系数和舵效系数辨识误差不超过1%。改进自适应动态逆控制在传统自适应动态逆控制基础上引入超前矫正环节,使得自适应动态逆控制器响应更快,结合在线辨识方法可以实现气动模型不准确情况下的高精度控制,将其应用于飞机俯仰姿态控制,相比传统控制器和普通的自适应动态逆控制器而言,超调量更小,上升时间和峰值时间更短,具有良好的控制品质。

Patent Agency Ranking