基于粒子群优化的WNN飞行数据气动力建模

《基于粒子群优化的WNN飞行数据气动力建模》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、航空学报ActaAeronauticaetAslrOnauticaSinicaJul252012Vol33No71209—1217ISSN1000—6893CN11-1929／Vhttp：／／hkxbbuaaeduOnhkxb@buaaedu．crl文章编号：1000—6893(2012)07120909基于粒子群优化的WNN飞行数据气动力建模甘旭升h*，端木京顺2，孟月波3，丛伟21．西京学院基础部，陕西西安7101232．空军工程大学工程学院，陕西西安7100383．西安交通大学系统工程研究所．陕西西安71

2、0049摘要：为了使所建立的气动力模型能准确地描述飞行器的动态特性，提出一种基于改进粒子群优化(IPSO)算法的小波神经网络(WNN)飞行数据气动力建模方法。该方法引入邻近粒子信息和变异操作，对标准PSO(SPSO)算法的不足进行改进，以提高WNN参数的全局搜索能力，克服早熟收敛，再按照所设计的飞行数据的气动力建模流程，构建了IPSO算法训练的WNN模型。试验结果表明：提出的气动力建模方法预测精度高，收敛速度快．能较好控制早熟收敛问题，用于飞行数据的气动力建模是有效的，也是可行的。关键词：小波；神经网络；粒子群

3、优化算法；气动力模型；早熟收敛中图分类号：V212．11；TPl83文献标识码：A气动力建模是飞行控制系统设计的基础，也是飞行性能分析和半实物仿真的关键。以飞行模拟器为例，所建气动力模型能否准确描述飞机的运动特性，是模拟逼真与否的重要前提。考虑到风洞试验耗费巨大，且无法完全模拟飞行器的真实飞行状态，利用现代控制理论和辨识技术，在飞行器实测飞行数据的基础上进行气动力建模，是一个非常有潜力的研究方向，也具有重要的经济意义。传统的飞行器气动力建模方法大致包括两种，即代数法和微积分法，它们出现较早，应用也很广泛，但需要

4、预先选取模型结构，受人为因素影响大，过程也较为复杂，选取不当会导致较大偏差，适用于飞行器设计的初级阶段。随着现代飞行器性能和复杂程度的不断提高，准确的气动力模型对飞行器设计显得越来越重要，必须以新的设计方法和思想来满足新要求。近些年来，利用神经网络技术解决气动力建模问题是个研究热点。Linse和Strengel首次利用运输机的飞行模拟数据，构建了神经网络的气动参数辨识模型[1]。Rokhsaz和Steck从飞机设计的角度研究了神经网络在气动特性模拟中的应用[2]。Peterson等利用神经网络建立了F15飞机气

5、动力模型，并阐述了其重要作用一⋯。Roal和Jategoankan为了模拟飞机的气动力特性，利用递归神经网络构建了飞行数据的气动参数辨识模型[4]。Peyada和Ghosh研究使用Gauss—Newton算法优化神经网络，以有效地从飞行数据中辨识气动参数口]。Kumar等以旋翼飞机为研究对象，利用径向基网络建立了实时飞行数据气动力模型卧]。此外，Yousse{E7

6、、Jategaonkar[8]、HessL9-、Singh10]和Malmathanrajnl3等也都取得了一定成果。这些研究的共同之处在于，都充分

7、利用了前馈神经网收稿日期：2011一09—14；退修日期：2012—01．05；录用日期：2012．02—13；网络出版时间：2012—03-0511：07网络出版地址：WWWcnki．nel／kcms／detail／111929V201203051107002htmI*通讯作者Tel：029·84787776E-mail：ganxushen9123@163com飘揭罄武：GanXS，DuanmuJS．MengY8．etal，AerodynamicmodelingfromflightdatabasedonWNN

8、optimizedbyparticleswarm．ActaAeronauticaetAstronauticaSinica．2012．33(7)：1209—1217甘旭舟，端禾京顿，孟月波，等基f粒子群优化的WNN飞圣亍数据气动力建模航空学报，20T2，33(7)：1209—1217航空学报络的简单直观、自适应学习的特性，有效克服了传统方法的不足。但其自身也暴露出精度不理想、训练速度慢、过拟合、易陷入局部极小以及过于依赖设计者经验等问题，尽管作了很多改进，但由于理论基础上的欠缺，无法从根本上解决问题，影响了它的使

9、用推广。小波神经网络(WaveletNeuralNetwork，WNN)是建立在小波分析理论基础上的一种新型神经网络，其理论严谨，映射能力强，能够克服传统神经网络的诸多不足，适用于神经网络应用的所有领域，这无疑为飞行数据气动力建模提供了一个更佳选择。在现有WNN训练方法中，BP(BackPropagation)算法[1⋯、遗传算法(GeneticAlgorithm，GA)[131和粒子