基于模块化神经网络的飞艇非线性参数估计
完全非线性环境中飞艇的估计稳定性和控制导数。 完整的六自由度飞艇模型的空气动力学模型为迎角的非线性函数。 在非线性环境中估计空气动力学模型的参数具有挑战性,因为它需要一个详尽的数据集来覆盖飞艇的整个运行状态。 在这项工作中,通过模拟从连续性分析获得的不同修剪条件的飞艇数学模型,可以实现数据生成。 使用通过DATCOM方法获得的预测参数值来模拟数学模型。 然后使用反向传播和Adam优化算法分别为每个空气动力学系数训练模块化神经网络。 发现估计的非线性飞艇参数与用于开环仿真的DATCOM参数值一致。 这验证了该方法。
文章
DOI: : 《航空学报》,第124卷,第1273期,2020年3月,第409-428页
评论0
最新资源