支持向量回归机在飞机气动力建模中的应用

《支持向量回归机在飞机气动力建模中的应用》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、第30卷第10期计算机仿真2013年lO月文章编号：1006—9348(2013)10—0128—05支持向量回归机在飞机气动力建模中的应用吴辰1，姚宏2，彭兴钊1，杜军1(1．空军工程大学航空航天工程学院，陕西西安710038；2．空军工程大学理学院，陕西西安710051)摘要：研究准确的气动力模型是研究飞机机动特性与控制的基础。针对气动参数辨识精度和速度难以大幅度提高的问题，提出了一种支持向量回归机的飞机气动力建模方法。利用其良好的泛化能力，在小样本条件下建立了准确的气动力模型，并通过人工鱼群算法优化其中三个待定参数C，占，盯，增强了全局最优性。在飞机纵向通

2、道气动力建模仿真中，与极大似然法、神经网络进行了对比研究。仿真结果表明：经人工鱼群算法优化的支持向量回归机，克服了极大似然法、神经网络中的局部最优和小样本学习能力不足等问题，同时不需要确定初值，证明是一种有效的气动力准确建模方法。关键词：支持向量回归机；气动力建模；核函数；在线辨识；人工鱼群算法中图分类号：TP391．9文献标识码：BApplicationofSupportVectorRegressionforAerodynamicModelingWUChenl，YAOHon92，PENGXing—zha01，DUJunl(1．AeronauticsandAst

3、ronauticsEngineeringSchool，AirForceEngineeringUniversity，Xi’allShanxxi710038，China；2．ScienceSchool，AirForceengineeringUniversity，Xi’allShanxi710051，China)ABSTRACT：Accurateaerodynamicmodelsagenecessaryforresearchesonsimulationandcontrolofmaneuvers．Tosolvetheproblemthatitisdifficulttoi

4、mprovetheaccuracyandspeedofaerodynamicparameteridentification，amethodofaerodynamicmodelingbasedonsupportvectorregression(SVR)Wasintroducedinthispaper．ByusingofthegoodgeneralizationabilityofSVR，anaccurateaerodynamicmodelwasbuiltintheconditionofsmallsample，andthreeundeterminedparameter

5、sofSVRwereoptimizedbyartificialfishswalToalgorithm(AFSA)，inordertoim-proveglobaloptimalityofit．Thecomparisonswithmaximumlikelihoodestimation(MLE)andneuralnetwork(NN)weremadeintheaerodynamicmodelingsimulationofverticalchannel．ThesimulationresultsshowthattheSVRop—timizedbyAFSAovercomes

6、thelocaloptimalityanddeficientsmallsamplelearningabilitycomparedtoMLEandNN，besidesitdoesn’tneedtodeterminetheinitialvalue．Therefore，themethodisprovedtobeeffectiveforaerody—namicmodeling．KEYWORDS：Supportvectorregression(SVR)；Aerodynamicmodeling；Kernelfunction；Onlineidentification；Arti

7、—ficialfishswarlnalgorithm1引言为满足飞机白适应控制的需要，建立准确的气动力模型，提高气动力参数辨识的精度、速度尤为重要。从总体上，传统的建模方法必须先选取气动模型结构，然后对模型中的未知参数进行辨识¨。J。但是，这种方法存在两个弊端：其一，选取模型结构时含有人为因素，不当的选取会影响建模基金项目：航空科学基金(2011139601)收稿日期：2012—11—19修回13期：2012—12—13．·-——128---——精度；其二，诸如极大似然法在内的常用参数辨识方法对初值要求严格，不当的初值会得到局部最优解甚至导致发散。特别是对极大似

8、然法来说，其中复杂的灵敏