基于模态分割和遗传算法的飞行器定阶次参数模型辨识方法技术

基于模态分割和遗传算法的飞行器定阶次参数模型辨识方法属于飞行器辨识建模领域，其特征在于，含有：模型结构确定、飞行数据获取、模型辨识和模型验证４个阶段，其中，模型结构确定阶段用于建立飞行器的模态分割模型，包括动力学分析、确定模型阶次和模态分割模型３个步骤，飞行数据获取阶段用于获取飞行器的频域响应数据，包括扫频飞行实验、频域变换和频域响应数据３个步骤，模型辨识阶段用于辨识得到飞行器的动力学模型，包括遗传算法辨识模型１个步骤，模型验证阶段用于对辨识得到的动力学模型进行检验，包括模型验证１个步骤，其中：在模型结构确定阶段，利用模态分割模型将复杂的高阶动力学模型进行简化，在保留全部未知参数的同时，使模型精度在辨识过程中不受模型阶次的制约；在飞行数据获取阶段，获取飞行器的真实动力学频域响应；在模型辨识阶段，利用遗传算法使模态分割模型最大程度地逼近真实动力学频域响应；在模型验证阶段，对获取的动力学模型进行检验，如果满足要求则认为所得辨识模型满足要求，否则应重新进行实验。本发明专利技术利用模态分割模型保留了飞行器动力学模型的全部参数，利用遗传算法使模态分割模型最大程度地逼近真实飞行数据，并经过严格的模型验证过程，从而获得高精度的飞行器动力学模型。

【技术实现步骤摘要】

本专利技术是用于对飞行器进行动力学建模的辨识方法，能够高精度地辨识飞行器尤 其是直升机的动力学模型。主要应用在飞行器辨识建模和控制等

技术介绍
飞行器的动力学模型是飞行控制的前提。只有获得精确的动力学模型，才能获得 优良的飞行控制效果。反之，如果没有精确的动力学模型精度，很多先进的飞行控制算法甚 至无法得以实现。传统的飞行器建模方法主要有3种，风洞建模、机理建模和辨识建模。而对于飞行 器尤其是直升机而言，其结构、流场和飞行原理甚为复杂。采用风洞建模和机理建模很难精 确量化其表面紊乱的流场和内部复杂的动力及操纵机构。因此，近年来开始采用辨识建模 方法，根据真实的飞行实验数据对飞行器进行建模。在诸多辨识建模方法中，以美国陆军与 NASA (National Aeronautics and Space Administration)联合开发的飞行建模工具软件 CIFER (Comprehensive Identification from Frequency Responses)为典型，其代表了 当今飞行器尤其是直升机辨识建模的最高水平。然而，飞行器尤其是直升机的辨识建模技 术属于尖端科技，西方国家对我国实行高度的技术封锁。因此，有必要依靠自身力量开展飞 行器尤其是直升机建模技术的研究。传统的辨识建模方法多采用最小二乘、Levy和数值优化等方法，对飞行器动力学 模型的常规形式(如多项式传递函数、零极点传递函数、状态空间模型等)直接进行建模。 由于飞行器尤其是直升机所具有的高阶模型特点，所以同时、高精度地对高阶次模型的诸 多参数进行辨识是非常困难的。模型阶次越高，则辨识精度越难以保证。因此，目前的辨识 建模方法需要在模型阶次和模型精度之间进行折衷。此外，传统辨识方法所使用的最小二 乘、Levy和数值优化等方法也难以对飞行器动力学定阶次模型进行多参数、多范围、高精度 地建模。综合以上因素，传统辨识方法(包括CIFERO对飞行器尤其是直升机动力学的建 模精度有限。本专利技术通过采用模态分割模型和遗传算法，可以对飞行器尤其是直升机进行高精 度地建模。其原理是，利用模态分割方法将复杂的高阶动力学模型进行简化，在保留全部未 知参数的同时，使模型精度在辨识过程中不再受模型阶次的制约；利用遗传算法，对简化的 动力学模型进行辨识，使模型能够高精度地逼近真实飞行数据；利用模型验证手段，对获取 的动力学模型进行检验。经过以上步骤的处理，本专利技术可以获取飞行器尤其是直升机的高精度动力学模 型。经过理论分析和大量的飞行实验验证，本专利技术的建模精度远高于目前最权威的飞行建 模工具软件CIFER-。此外，本专利技术还有概念清晰、操作简单、易于实现和便于飞行控制设计 的优点。使用本专利技术提出的飞行器尤其是直升机动力学模型辨识方法，可以有效缩短飞行 器尤其是直升机的飞行控制系统设计周期，并显著改善其飞行控制效果。因此，本专利技术可以3加快新型号的研制或老型号的改进，以及系列化、通用化、工程化的进度，缩短与世界强国 的差距。
技术实现思路
本专利技术的目的在于提供一种可以高精度获取飞行器尤其是直升机参数模型的辨 识方法。本专利技术的特征在于，含有模型结构确定、飞行数据获取、模型辨识和模型验证4 个阶段，其中，模型结构确定阶段包括动力学分析、确定模型阶次和模态分割模型3个步 骤，飞行数据获取阶段包括扫频飞行实验、频域变换和频域响应数据3个步骤，模型辨识阶 段包括遗传算法辨识模型1个步骤，模型验证阶段包括模型验证1个步骤，其中在模型结构确定阶段，通过动力学分析确定模型阶次，得到模型的结构形式；利用 模态分割模型将复杂的高阶动力学模型进行简化，在保留全部未知参数的同时，使模型精 度在辨识过程中不再受模型阶次的制约；在飞行数据获取阶段，获取飞行器尤其是直升机 的真实动力学频域响应；在模型辨识阶段，利用遗传算法使模态分割模型最大程度地逼近 真实动力学频域响应；在模型验证阶段，对获取的动力学模型进行检验，如果满足要求则认 为所得辨识模型满足要求，否则重新进行辨识实验。本专利技术的优点在于可以得到飞行器尤其是直升机的高精度动力学模型。此外，本 专利技术还有概念清晰、操作简单、易于实现和便于飞行控制设计的优点。使用本专利技术提出的飞 行器尤其是直升机动力学模型辨识方法，可以有效缩短飞行器尤其是直升机的飞行控制系 统设计周期，并显著改善其飞行控制效果。因此，本专利技术可以加快新型号的研制或老型号的 改进，以及系列化、通用化、工程化的进度，缩短与世界强国的差距。附图说明图1是的流程图。图 1中通过模型结构确定阶段确定的模态分割模型、飞行数据获取阶段得到的频域响应数据、 在模型辨识阶段利用遗传算法即可辨识得到飞行器动力学定阶次模型，最后，在模型验证 阶段对辨识得到的模型进行检验。具体实施例方式模型结构确定阶段用于建立飞行器的模态分割模型，包括动力学分析、确定模型 阶次和模态分割模型3个步骤。通过动力学分析，得到飞行器的动力学模型阶次(分子阶 次和分母阶次)。通过模态分割方法，将阶次已知的复杂高阶动力学模型进行简化，得到模 态分割模型。通过模态分割方法的处理，飞行器尤其是直升机的高阶动力学模型被划分为 低阶子系统的组合，从而便于被遗传算法所辨识。此外，在保留高阶动力学模型全部未知参 数的同时，模型精度在辨识过程中不再受模型阶次的制约。飞行数据获取阶段用于获取飞行器的频域响应数据，包括扫频飞行实验、频域变 换和频域响应数据3个步骤。通过扫频飞行实验获得飞行器尤其是直升机的原始时域飞行 数据。通过频域变换，将原始时域飞行数据变换为频域响应，从而得到飞行器尤其是直升机 真实的动力学频域响应数据。模型辨识阶段用于辨识得到飞行器的动力学模型，包括遗传算法辨识模型1个步 骤。利用遗传算法对真实动力学频域响应数据进行辨识，使模态分割模型能最大程度地逼 近动力学频域响应数据，并以此作为飞行器的动力学模型。模型验证阶段用于对辨识得到的动力学模型进行检验。如果满足要求则认为所得 辨识模型可用，否则应重新进行辨识实验。在模型检验中，可选用常用的代价函数(频域) 或吻合度(时域)方法。经过以上4个阶段的逐步处理，即可获得飞行器尤其是直升机的高精度动力学模型。权利要求，其特征在于，含有模型结构确定、飞行数据获取、模型辨识和模型验证4个阶段，其中，模型结构确定阶段用于建立飞行器的模态分割模型，包括动力学分析、确定模型阶次和模态分割模型3个步骤，飞行数据获取阶段用于获取飞行器的频域响应数据，包括扫频飞行实验、频域变换和频域响应数据3个步骤，模型辨识阶段用于辨识得到飞行器的动力学模型，包括遗传算法辨识模型1个步骤，模型验证阶段用于对辨识得到的动力学模型进行检验，包括模型验证1个步骤，其中在模型结构确定阶段，通过动力学分析确定模型阶次，得到模型的结构形式，并利用模态分割模型将复杂的高阶动力学模型进行简化，在保留全部未知参数的同时，使模型精度在辨识过程中不再受模型阶次的制约；在飞行数据获取阶段，获取飞行器的真实动力学频域响应；在模型辨识阶段，利用遗传算法使模态分割模型最大程度地逼近真实动力学频域响应；在模型验证阶段，对获取的动力学模型进行检验，如果满足要求则认为所得辨识模型满足要求，否则应重新进行实验。全文摘要属于飞行器辨本文档来自技高网...

【技术保护点】
基于模态分割和遗传算法的飞行器定阶次参数模型辨识方法，其特征在于，含有：模型结构确定、飞行数据获取、模型辨识和模型验证４个阶段，其中，模型结构确定阶段用于建立飞行器的模态分割模型，包括动力学分析、确定模型阶次和模态分割模型３个步骤，飞行数据获取阶段用于获取飞行器的频域响应数据，包括扫频飞行实验、频域变换和频域响应数据３个步骤，模型辨识阶段用于辨识得到飞行器的动力学模型，包括遗传算法辨识模型１个步骤，模型验证阶段用于对辨识得到的动力学模型进行检验，包括模型验证１个步骤，其中：在模型结构确定阶段，通过动力学分析确定模型阶次，得到模型的结构形式，并利用模态分割模型将复杂的高阶动力学模型进行简化，在保留全部未知参数的同时，使模型精度在辨识过程中不再受模型阶次的制约；在飞行数据获取阶段，获取飞行器的真实动力学频域响应；在模型辨识阶段，利用遗传算法使模态分割模型最大程度地逼近真实动力学频域响应；在模型验证阶段，对获取的动力学模型进行检验，如果满足要求则认为所得辨识模型满足要求，否则应重新进行实验。

【技术特征摘要】

【专利技术属性】
技术研发人员：王冠林，夏慧，朱纪洪，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]