一种采用加速度观测器的飞机气动参数分区分步辨识方法

摘要

本发明公开了一种采用加速度观测器的飞机气动参数分区分步辨识方法，针对目前根据飞行数据进行气动参数辨识存在的问题作出了改进。本发明以飞行器角加速度观测器、飞行数据多重分区和信息矩阵奇异值分解为核心，其特征及优点在于：利用等加速度模型的预报观测器对角加速度进行准确估计，从而根据飞行器动力学方程解算得到准确的气动力矩系数，有效解决了角加速度估计不准确的问题；通过信息矩阵奇异值分解，对飞行数据共线性问题进行检测与评估，能够准确获取可辨识部分的气动参数项；在准定常假设下，通过飞行数据多重分区，建立各个区间气动参数的线性模型，应用最小二乘法简单有效地辨识各项气动参数，并且适用于大幅机动飞行数据。

主权项

一种采用加速度观测器的飞机气动参数分区分步辨识方法，其特征在于，包括下列步骤：步骤1：利用飞行器角加速度观测器对飞行器角加速度进行估计；步骤2：计算气动力和力矩系数大小，根据飞行器动力学方程和飞行数据，解算得到纵向和横侧向的三个气动力系数大小和三个气动力矩系数大小；步骤3：建立气动力和力矩系数模型，将气动力和力矩系数分解为静态项、动稳定导数项、控制导数项三个部分，每个部分都是迎角、侧滑角和马赫数中一个或多个量的函数关系；纵向和横侧向的气动参数模型分别表示为：$C_a=C_{a0}(\alpha ,\beta ,M)+C_{aq}(\alpha ,\beta ,M)\frac{q\bar{c}}{2V}+C_{a\delta }(\alpha ,\beta ,M)\delta$$C_a=C_{a0}(\alpha ,\beta ,M)+C_{ap}(\alpha ,\beta ,M)\frac{pb}{2V}+C_{ar}(\alpha ,\beta ,M)\frac{rb}{2V}+C_{a\delta }(\alpha ,\beta ,M)\delta$步骤4：针对飞行数据进行多重分区，将飞行数据根据迎角大小划分为若干区间，保证每个区间迎角范围足够小；由步骤3可知，各项气动参数是迎角、侧滑角和马赫数中一个或多个量的函数关系，可根据实际情况，继续根据侧滑角、马赫数大小针对每个区间飞行数据进一步分区；步骤5：辨识各项气动参数，经过步骤4对飞行数据分区后，结合步骤3建立的气动参数模型，每个区间内的气动参数模型可表示为如下形式：$C_a=C_{a0}({\bar{\alpha }}_k,{\bar{\beta }}_k,{\bar{M}}_k)+C_{aq}({\bar{\alpha }}_k,{\bar{\beta }}_k,{\bar{M}}_k)\frac{q\bar{c}}{2V}+C_{a\delta }({\bar{\alpha }}_k,{\bar{\beta }}_k,{\bar{M}}_k)\delta$$C_a=C_{a0}({\bar{\alpha }}_k,{\bar{\beta }}_k,{\bar{M}}_k)+C_{ap}({\bar{\alpha }}_k,{\bar{\beta }}_k,{\bar{M}}_k)\frac{pb}{2V}+C_{ar}({\bar{\alpha }}_k,{\bar{\beta }}_k,{\bar{M}}_k)\frac{rb}{2V}+C_{a\delta }({\bar{\alpha }}_k,{\bar{\beta }}_k,{\bar{M}}_k)\delta$上述每个区间的气动系数模型可进一步表示为最小二乘模型Y＝Xθ+v，对每个区间的飞行数据应用最小二乘法，即可辨识得到每个区间的各项气动参数大小；利用奇异值分解处理数据共线性问题，针对每个区间的信息矩阵X进行奇异值分解，检测与评估每个区间内飞行数据共线性情况，准确获取可以辨识部分的气动参数；步骤6：在获取新的飞行数据情况下，结合步骤5所得辨识结果，实现气动参数的分步辨识，其特征在于：若步骤5中某区间已辨识得到全部气动参数项，则新的飞行数据中对应区间不必再进行重复辨识；若步骤5中某区间仅辨识得到部分气动参数项，则新的飞行数据中对应区间可利用已辨识得到的部分气动参数项，进一步辨识该区间其余的气动参数项。