一种基于多核学习的直升机仿真模型制造技术

发明专利技术的一种多核学习的系统辨识方法，把直升机看做一个整体，用多核学习方法来建立直升机的智能化动态仿真模型。多核学习采用MD算法进行求解，建立的仿真模型精度高，避免了复杂的空气动力学知识。

【技术实现步骤摘要】
一、
本专利技术属于智能化建模领域，本专利技术涉及多核学习、动态辨识等方法。二、
技术介绍
用传统的机理建模方法建立直升机的仿真模型是可行的，但是这种方法需要大量的空气动力学知识。神经网络具有良好的非线性映射能力，因此可以用它来建立直升机的仿真模型。在现实问题中，人们得到的样本数量往往是有限的，有时还十分有限。这时的学习结果往往是难以令人满意的，如在神经网络研究中经常会遇到过拟合等问题。可以采用多核学习方法进行动态辨识，建立直升机仿真模型。三、专利内容：1、专利目的为避免复杂的空气动力学知识，建立高精度的直升机仿真模型，专利技术一种基于Bregman距离的非稀疏多核学习方法，这种方法既能提高多核学习的精度，又能提高多核学习的速度。通过多核学习的辨识方法建立直升机的智能化的动态仿真模型。2、技术解决方案把直升机看做一个整体，则有四个控制变量，分别是横向周期变距、纵向周期变距、尾桨距、总距。则输出变量可以选为九个输出变量中的任意一个，即飞行速度在体轴系中三个方向上的分量、直升机角速度的三分量、直升机的俯仰角、侧倾角和偏航角九个变量中的一个。利用这些输入、输出变量来建立直升机的动态仿真模型。3、技术效果及优点这种基于多核学习的动态辨识方法，避免了机理建模所需的空气动力学知识，大大降低了仿真模型的复杂度。与传统神经网络模型相比，多核学习网络模型具有结构简单、运算速度快、泛化能力高等很多优越的性能。<br>四、具体实施方式完整的直升机飞行动力学模型主要包括：直升机的多体动力学、旋翼挥舞和摆振运动、旋翼尾迹、气动干扰效应等环节。如果建立了每个组成部分的仿真模型，那么就可以尝试把这些仿真模型合成一个整体，来建立直升机完整的仿真模型。考虑这种模型的复杂程度和计算量，目前用神经网络还难以建立完整的直升机仿真模型。针对建立直升机仿真模型的目的，从美国军方颁布的“军用旋翼飞行器驾驶品质要求”(ADS-33D标准)中，选取一种在垂直平面内做鱼跃机动的飞行状态建立直升机的仿真模型。多核学习(MKL)通常可以转化为半定规划问题来求解。对于一些规模较小的数据集，MKL不会遇到太大的障碍。但对于一些大规模问题，由于涉及到多核矩阵的快速求解、高维多核矩阵的分解等，半定规划求解算法效率非常低。本专利技术采用MD方法进行多核学习。Mirro-Descent(MD)方法类似于最速下降算法，但是关键之处是，在辅助优化问题的每一步迭代中，利用Bregman距离函数，取代欧几里德(Euclidean)距离函数。Bregman距离函数利用单纯形的几何性质，导致MD方法在单纯形直积(ProductofSimplices)上进行优化，具有非常高的运算效率。利用MD方法的关键之处是构造Bregman距离函数。考虑如下的最优化问题：minf(x)x∈X(1)其中X∈Rn是具有非空内点的凸闭集，目标函数f：X→R具有Lipschitz连续性，即满足|f(x)-f(y)|≤L||x-y||。f对于给定的任意x∈X存在能够计算f(x)和f′(x)的预报。这个优化问题，经典的次梯度投影算法(SPA)采用迭代的方式求解：xt+1＝πX(xt+1-stf(xt))(2)其中st是步长，是x在X上的投影。这个迭代公式经过变形可以等价地表示为xt+1=argminx∈X{<x,stf′(xt)>+||x-xt||222本文档来自技高网...

【技术保护点】
专利技术的一种基于多核学习的直升机仿真模型，采用基于多核学习的新算法，建立直升机的仿真模型。

【技术特征摘要】
1.发明的一种基于多核学习的直升机仿真模型，采用基于多核学习的新算法，建立直升机的
仿真模型。
2.权利要求1所述的一种...

【专利技术属性】
技术研发人员：王书舟，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津;12