-
公开(公告)号：CN116382071B
公开(公告)日：2023-12-22
申请号：CN202310081892.1
申请日：2023-02-08
Applicant: 大连理工大学
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。
-
公开(公告)号：CN115981161B
公开(公告)日：2023-07-11
申请号：CN202310077665.1
申请日：2023-02-07
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明属于下滑控制技术领域，涉及一种基于直接升力的固定翼飞机下滑控制增益指标优化方法。本发明首先考虑传统下滑控制中多操纵面协调问题，确定采用基于直接升力的下滑控制办法，在此基础上，对直接升力控制增益进行优化，相比传统的预设增益下滑控制器，本发明的控制增益优化方法在进行下滑控制时，提升了下滑控制品质；相比于传统控制方法的基础增益，在基于指标的下滑控制增益优化办法优化后，有更小的超调量，更快的响应速度，以及快速收敛的特性，避免了由于控制增益不好而导致下滑品质差的的情况，有更好的下滑控制性能，具有广阔的应用前景。
-
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
Applicant: 大连理工大学
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。
-
公开(公告)号：CN115981161A
公开(公告)日：2023-04-18
申请号：CN202310077665.1
申请日：2023-02-07
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明属于下滑控制技术领域，涉及一种基于直接升力的固定翼飞机下滑控制增益指标优化方法。本发明首先考虑传统下滑控制中多操纵面协调问题，确定采用基于直接升力的下滑控制办法，在此基础上，对直接升力控制增益进行优化，相比传统的预设增益下滑控制器，本发明的控制增益优化方法在进行下滑控制时，提升了下滑控制品质；相比于传统控制方法的基础增益，在基于指标的下滑控制增益优化办法优化后，有更小的超调量，更快的响应速度，以及快速收敛的特性，避免了由于控制增益不好而导致下滑品质差的的情况，有更好的下滑控制性能，具有广阔的应用前景。
-
-
-
Search Results
4
records
(took 0.019 seconds)
