基于EM和高斯平滑器的飛行器參數(shù)辨識方法.pdf

1、飛行器氣動模型參數(shù)辨識在飛行器設(shè)計的很多任務(wù)環(huán)節(jié)中都具有重要的意義，并逐漸成為飛行器設(shè)計定型過程中不可或缺的一部分。隨著辨識任務(wù)要求的日益提高，發(fā)展高精度、高效率的新型參數(shù)辨識算法是一個非常值得研究的課題。
　　盡管飛行器參數(shù)辨識領(lǐng)域已經(jīng)發(fā)展了多種算法，但大部分在實踐中的使用效果不是很理想，主要是由于以下問題造成的：1)算法大多采用濾波器進行狀態(tài)估計，不利于充分利用數(shù)據(jù)中的有用信息，對于強非線性系統(tǒng)往往不能得到精確的估計結(jié)果；2)

2、飛行器動態(tài)模型復(fù)雜程度日益增大，模型中的狀態(tài)量維數(shù)較高且待辨識參數(shù)多，同時狀態(tài)與參數(shù)之間還存在深度耦合關(guān)系，很多算法對此類系統(tǒng)的估計精度不高；3)現(xiàn)有技術(shù)對噪聲的估計效果欠佳，很多算法甚至僅使用固定噪聲值進行假設(shè)，估計結(jié)果誤差很大。
　　針對上述問題，本文提出了一種新的參數(shù)辨識算法：基于期望最大化(Expectation Maximization，EM)算法和求容積卡爾曼平滑器(Cubature Kalman Smoother，C

3、KS)的聯(lián)合估計算法(EM-CKS)。EM算法具有良好的數(shù)值穩(wěn)定性，主要用于估計狀態(tài)均值和協(xié)方差的初值、過程噪聲以及量測噪聲；求容積卡爾曼平滑器是高斯平滑器的一種，其較濾波器的估計精度更高，用于對狀態(tài)向量和未知參數(shù)進行聯(lián)合估計。算例驗證表明本文的方法具有辨識精度高、收斂特性好等優(yōu)點，在理論方法研究和工程應(yīng)用方面均具有價值。
　　本文的主要工作與貢獻如下：
　　1)搭建了基于EM和高斯平滑器的聯(lián)合處理框架。在該處理框架下，EM

4、算法對過程噪聲、量測噪聲以及狀態(tài)均值和協(xié)方差的初值進行估計，高斯平滑器對狀態(tài)向量和未知參數(shù)進行估計；使用該處理框架能夠處理系統(tǒng)噪聲統(tǒng)計特性未知及狀態(tài)測量有誤差情況下的參數(shù)辨識問題；
　　2)設(shè)計了基于EM和CKS的參數(shù)狀態(tài)聯(lián)合估計算法。首先對EM算法的核心思想進行研究，對高斯近似濾波器及平滑理論進行分析比較，以求容積卡爾曼濾波(Cubature Kalman Filter，CKF)為基本濾波器結(jié)合RTS平滑理論，選擇了CKS作為狀

5、態(tài)和參數(shù)估計器；再將EM與CKS的具體計算過程應(yīng)用于構(gòu)建的聯(lián)合處理框架中，建立了算法的理論體系，給出了算法的計算步驟；
　　3)提出了基于 EM-CKS算法的飛行器氣動參數(shù)辨識方法。本文分別針對ATTAS飛機橫向線性模型和 HFB-320飛機縱向非線性模型的氣動參數(shù)辨識問題，建立相應(yīng)的離散時間狀態(tài)空間系統(tǒng)方程，應(yīng)用EM-CKS算法，給出了該算法框架下解決飛行器參數(shù)辨識問題的過程；
　　4)完成了相關(guān)代碼的編制，通過算例對算法