一种基于制造技术

本发明专利技术涉及在线建模技术领域，提供了一种基于

【技术实现步骤摘要】
一种基于OS
‑
ELM模型的气动力在线建模方法


[0001]本专利技术涉及在线建模
，尤其涉及一种基于
OS
‑
ELM
模型的气动力在线建模方法
。

技术介绍

[0002]在飞行器研发阶段，建立气动力数学模型是进行控制器设计，实现精准导航的前提
。
目前，气动力建模按照建模方式可以分为离线和在线两大类
。
[0003]离线气动力建模需要通过大量的地面风洞试验和
CFD
计算来获得足够丰富的气动数据，配合最小二乘法
、
模糊逻辑
、BP
神经网络等批处理建模算法，将数据一次性输入到算法中
。
因此，该方式既昂贵又耗时，且难以对具有多变量
、
多参数特点的飞行器进行建模
。
由于风洞试验中使用的飞行器缩比模型与全尺寸飞行器之间存在几何差异，
CFD
中使用的飞行器数学模型与真实飞行器之间存在的误差难以消除，以及风洞试验中存在洞壁干扰
、
支架干扰和流动模型缺陷等不利因素，会导致气动力模型的保真度受到限制
。
[0004]在线气动力建模采用飞行器传感器实时量测的运动数据作为数据来源，配合递归最小二乘法
、
局部模型网络等建模算法在线处理数据
。
该方式相比离线建模方式，能够突破风洞试验的雷诺数限制，可实现多参数飞行器的气动力模型开发，能够避免飞行器数学模型
、
缩比模型与真实飞行器之间的误差
。
但现有的在线建模方式中的神经网络结构和参数更新过程较繁琐，每一步输出权值需要重新求解计算
。

技术实现思路

[0005]本专利技术的目的是提供一种基于
OS
‑
ELM
模型的气动力在线建模方法，通过将特征向量和气动系数作为样本，使用样本对
OS
‑
ELM
模型进行训练，得到气动力模型，极大地简化了神经网络结构和参数更新过程，随着实时数据不断到达，输出权值可以在前一步的基础上递推而得，避免了输出权值的重新求解计算
。
[0006]本专利技术是这样实现的：
[0007]一种基于
OS
‑
ELM
模型的气动力在线建模方法，包括：
[0008]基于气动系数的表达式及对所述气动系数产生影响的参数，得到特征向量的表达式；
[0009]将所述特征向量的表达式和所述气动系数的表达式进行组合得到样本的表达式；
[0010]获取飞行器飞行过程中的运动数据；
[0011]将所述运动数据代入所述样本的表达式得到训练样本；
[0012]通过训练样本对
OS
‑
ELM
模型进行训练，得到训练完成后的气动力模型
。
[0013]进一步地，所述气动系数包括轴向力系数
C
X
、
横向力系数
C
Y
、
法向力系数
C
Z
、
滚转力矩系数
C
l
、
俯仰力矩系数
C
m
、
偏航力矩系数
C
n
中的至少一项，所述气动系数的表达式为：
[0014][0015][0016][0017][0018][0019][0020]其中：
m
为飞行器质量，
T
为发动机推力，
a
x
、a
y
、a
z
分别为机体坐标系
x、y、z
轴的线加速度，分别为飞行器绕机体坐标系
x、y、z
轴上的角加速度，
p、q、r
分别为飞行器绕机体坐标系
x、y、z
轴上的角速度，
I
x
、I
y
、I
z
分别为飞行器绕机体坐标系
x、y、z
轴的转动惯量，为动压，
S
为飞行器的机翼参考面积，
d
为飞行器的翼展长度，为飞行器的机翼平均气动弦长
。
[0021]进一步地，所述特征向量的表达式为：
[0022][0023]其中为气动系数
C
g
的特征向量，
C
g
＝
C
X
、C
Y
、C
Z
、C
l
、C
m
、C
n
，为对
C
g
产生影响的参数，为的高阶项，为之间混合后的耦合项
。
[0024]进一步地，对轴向力系数
C
X
产生影响的参数包括：空速
V、
迎角
α
、
升降舵舵偏
δ
e
、
俯仰角速度
q
中的至少一项；
[0025]对横向力系数
C
Y
产生影响的参数包括：空速
V、
迎角
α
、
侧滑角
β
、
副翼舵偏
δ
a
、
方向舵舵偏
δ
r
中的至少一项；
[0026]对法向力系数
C
Z
产生影响的参数包括：空速
V、
迎角
α
、
侧滑角
β
、
俯仰角速度
q、
升降舵舵偏
δ
e
中的至少一项；
[0027]对滚转力矩系数
C
l
产生影响的参数包括：空速
V、
迎角
α
、
侧滑角
β
、
滚转角速度
p、
偏航角速度
r、
副翼舵偏
δ
a
、
方向舵舵偏
δ
r
中的至少一项；
[0028]对俯仰力矩系数
C
m
产生影响的参数包括：空速
V、
迎角
α
、
俯仰角速度
q、
升降舵舵偏
δ
e
中的至少一项；
[0029]对偏航力矩系数
C
n
产生影响的参数包括：空速
V、
迎角
α
、
侧滑角
β
、
滚转角速度
p、
偏航角速度
r、
副翼舵偏
δ
a
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
OS
‑
ELM
模型的气动力在线建模方法，其特征在于，包括：基于气动系数的表达式及对所述气动系数产生影响的参数，得到特征向量的表达式；将所述特征向量的表达式和所述气动系数的表达式进行组合得到样本的表达式；获取飞行器飞行过程中的运动数据；将所述运动数据代入所述样本的表达式得到训练样本；通过训练样本对
OS
‑
ELM
模型进行训练，得到训练完成后的气动力模型
。2.
根据权利要求1所述的一种基于
OS
‑
ELM
模型的气动力在线建模方法，其特征在于，所述气动系数包括轴向力系数
C
X
、
横向力系数
C
Y
、
法向力系数
C
Z
、
滚转力矩系数
C
l
、
俯仰力矩系数
C
m
、
偏航力矩系数
C
n
中的至少一项，所述气动系数的表达式为：中的至少一项，所述气动系数的表达式为：中的至少一项，所述气动系数的表达式为：中的至少一项，所述气动系数的表达式为：中的至少一项，所述气动系数的表达式为：中的至少一项，所述气动系数的表达式为：其中：
m
为飞行器质量，
T
为发动机推力，
a
x
、a
y
、a
z
分别为机体坐标系
x、y、z
轴的线加速度，分别为飞行器绕机体坐标系
x、y、z
轴上的角加速度，
p、q、r
分别为飞行器绕机体坐标系
x、y、z
轴上的角速度，
I
x
、I
y
、I
z
分别为飞行器绕机体坐标系
x、y、z
轴的转动惯量，为动压，
S
为飞行器的机翼参考面积，
d
为飞行器的翼展长度，为飞行器的机翼平均气动弦长
。3.
根据权利要求1所述的一种基于
OS
‑
ELM
模型的气动力在线建模方法，其特征在于，所述特征向量的表达式为：其中为气动系数
C
g
的特征向量，
C
g
＝
C
X
、C
Y
、C
Z
、C
l
、C
m
、C
n
，为对
C
g
产生影响的参数，为的高阶项，为之间混合后的耦合项
。4.
根据权利要求3所述的一种基于
OS
‑
ELM
模型的气动力在线建模方法，其特征在于，对轴向力系数
C
X
产生影响的参数包括：空速
V、
迎角
α
、
升降舵舵偏
δ
e
、
俯仰角速度
q
中的至少一项；对横向力系数
C
Y
产生影响的参数包括：空速
V、
迎角
α
、
侧滑角
β
、
副翼舵偏
δ
a
、
方向舵舵偏
δ
r
中的至少一项；
对法向力系数
C
Z
产生影响的参数包括：空速
V、
迎角
α
、
侧滑角
β
、
俯仰角速度
q、
升降舵舵偏
δ
e
中的至少一项；对滚转力矩系数
C
l
产生影响的参数包括：空速
V、
迎角
α
、
侧滑角
β
、
滚转角速度
p、
偏航角速度
r、
副翼舵偏
δ
a
、
方向舵舵偏
δ
r
中的至少一项；对俯仰力矩系数
C
m
产生影响的参数包括：空速
y、
迎角
α
、
俯仰角速度
q、
升降舵舵偏
δ
e
中的至少一项；对偏航力矩系数
C
n
产生影响的参数包括：空速
V、
迎角
α
、
侧滑角
β
、
滚转角速度
p、
偏航角速度
r、
副翼舵偏
δ
a
、
方向舵舵偏
δ
r
中的至少一项
。5.
根据权利要求3所述的一种基于
OS
‑
ELM
模型的气动力在线建模方法，其特征在于，所述样本的表达式为
6.
根据权利要求5...

【专利技术属性】
技术研发人员：徐若洋，岑飞，蒋永，郭亮，陈滨琦，魏政磊，杨宇，郭天豪，
申请(专利权)人：中国空气动力研究与发展中心低速空气动力研究所，
类型：发明
国别省市：