小型无人机气动参数辨识的新型HGAPSO算法

小型无人机气动参数辨识的新型HGAPSO算法

ID:46637573

大小:5.19 MB

页数:11页

时间:2019-11-26

小型无人机气动参数辨识的新型HGAPSO算法_第1页
小型无人机气动参数辨识的新型HGAPSO算法_第2页
小型无人机气动参数辨识的新型HGAPSO算法_第3页
小型无人机气动参数辨识的新型HGAPSO算法_第4页
小型无人机气动参数辨识的新型HGAPSO算法_第5页
资源描述:

《小型无人机气动参数辨识的新型HGAPSO算法》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ActaAerOnauticaetAstronauticaSinicaApr252017V01.38No.4SSN1000.6893ON11-1929/Vhttp://hkxb.buaa.edu.cnhkxb@buaa.edu.ca小型无人机气动参数辨识的新型HGAPSO算法邵干1,张曙光1’2’3一,唐鹏2’3“1.北京航空航天大学交通科学与工程学院,北京1000832.飞机/发动机综合系统安全性北京市重点实验室,北京1000833.先进航空发动机协同创新中心,北京1000834.北京航空航天大学能源与动力工程学院,北京100083摘

2、要:针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PS0)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA

3、算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。关键词:小型无人机;气动参数;参数辨识;混合遗传粒子群优化算法(HGAPs0);搜索效率;全局优化中图分类号:V212.11文献标识码:A文章编号:1000—6893(2017)04—120365—11近年来小型无人机(UAV)技术正快速发展。与有人驾驶飞机相比,UAV具有不受载人限制、尺寸小、成本低等一系列优点,在航拍、地图测量、植保、军事侦察等军用和民用领域市

4、场需求越来越大。飞行控制系统是UAV实现上述任务的核心部件,而设计的基础是获得可预测UAV运动特性的描述模型及其气动参数。一般获得气动参数的方法主要有风洞试验、计算流体力学(CFD)计算和飞行辨识试验等。多年来,风洞试验数据一直是新研飞行器气动参数的最主要来源,然而风洞试验本身有其固有的局限性,例如缩比相似性、支架和洞壁干扰等问题,无法完全模拟真实飞行环境,且风洞试验需经过多次修正,周期长,费用昂贵[1]。CFD计算具有相对高效、低成本等优势,但其计算结果的精准度往往需要试验校验[2]。直接基于飞行试验辨识气动参数和动力学特性,更加接近真实物理

5、系统[3。4],也是对风洞试验和CFD结果进行校验的重要手段。对于小型UAV,其具有制作和试验成本低的优势,直接利用飞行辨识得到气动参数从精度、适用性和成本等各个方面都能很好地满足小型UAV的需求[5。7]。气动参数辨识目前已发展了多种辨识方法,包含广义卡尔曼滤波、极大似然法、分割算法等,其中应用最为广泛的就是基于极大似然法发展的一系列辨识算法[8],如方程误差法(EEM)、输出收稿日期:2016—04—25;退修日期:2016—06-02;录用日期:2016—06—15;网络出版时间:2016.06-2715:34网络出版地址:WWW.cnk

6、inet/kcms/detail/111929.V201606271534010.htmI基金项目:国家“863”计划(2014AA2157)*通讯作者.E—mail:gnahz@buaa.edu.cn引用撂武i邵f.张曙光.唐鹦.小型无人机气动参数辨识的新型HGAPSO算法!J].航空学报。2017.38(4):120365。SHAOG。ZHANGSG,TANGP.HGAPSO:AnewaerodynamicparametersidentificationalgorithmforsmallunmannedaerialvehiclesEJJ.A

7、ctaAeronauticaetAstronauticaSinica,2017,38(4):120365.120365.1航空学报误差法(OEM)以及滤波误差法(FEM)等[910】。基于极大似然法的这些辨识方法取得了很多成功经验,但一般都需要求解雅克比矩阵或海森矩阵,要求搜索空间内连续可微。由于需要计算导数,算法对于系统噪声和野值比较敏感,在强噪声和野值存在的情况下可能会导致算法失效。另外,多极值时的局部性、矩阵奇异时的求解、对初值依赖等问题,也需要克服。对于小型UAV可能面临更大的测量噪声环境,原因在于其较小的重量和尺寸导致更快的响应动态(

8、运动频率更高),对突风等各类飞行干扰相对于大型飞机更加敏感,而且传感器成本控制等实际因素也易引入附加测量噪声。因此,需要发展一类不依赖于导数求取、对初

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。