科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决输出误差法在不稳定飞机参数辨识过程中的数值发散问题以及初值依赖问题，设计了一种结合神经网络、粒子群优化算法以及Levenberg-Marquardt算法的系统辨识方法。首先，为解决输出误差法的数值发散问题，以神经网络拟合待辨识系统的动力学特性。不同时刻的飞行试验数据用于训练神经网络，训练好的网络可以直接对下一时刻的运动状态进行预测，从而避免对不稳定运动方程的求解。其次，基于粒子群优化算法搜索Levenberg-Marquardt算法中的最佳阻尼因子，并以改进的LM算法替代输出误差法中的高斯-牛顿算法。接下来，改进的LM算法与训练好的神经网络结合得到了一种新的参数辨识算法。最后，基于不稳定飞机的闭环仿真飞行试验数据对提出的算法进行了验证。研究结果表明：与传统的最小二乘法和人工稳定的输出误差法的估计结果相比，所采用的算法具有更高的估计精度；同时，所提出的算法中可以随机选取待辨识参数的初值，克服了输出误差法对参数初值的依赖。本文的研究成果可以直接用于其他不稳定非线性动力学系统辨识领域，经过修改后还可以用于其他非线性优化领域。
- 出版日期2022
- 单位西北工业大学; 自动化学院
