基于EM和高斯平滑器的飞行器参数辨识方法

发布时间：2017-08-09 20:19

  本文关键词：基于EM和高斯平滑器的飞行器参数辨识方法

  更多相关文章： EM算法 求容积卡尔曼平滑(CKS) 飞行器参数辨识 非线性系统

【摘要】：飞行器气动模型参数辨识在飞行器设计的很多任务环节中都具有重要的意义,并逐渐成为飞行器设计定型过程中不可或缺的一部分。随着辨识任务要求的日益提高,发展高精度、高效率的新型参数辨识算法是一个非常值得研究的课题。尽管飞行器参数辨识领域已经发展了多种算法,但大部分在实践中的使用效果不是很理想,主要是由于以下问题造成的:1)算法大多采用滤波器进行状态估计,不利于充分利用数据中的有用信息,对于强非线性系统往往不能得到精确的估计结果;2)飞行器动态模型复杂程度日益增大,模型中的状态量维数较高且待辨识参数多,同时状态与参数之间还存在深度耦合关系,很多算法对此类系统的估计精度不高;3)现有技术对噪声的估计效果欠佳,很多算法甚至仅使用固定噪声值进行假设,估计结果误差很大。针对上述问题,本文提出了一种新的参数辨识算法:基于期望最大化(Expectation Maximization,EM)算法和求容积卡尔曼平滑器(Cubature Kalman Smoother,CKS)的联合估计算法(EM-CKS)。EM算法具有良好的数值稳定性,主要用于估计状态均值和协方差的初值、过程噪声以及量测噪声;求容积卡尔曼平滑器是高斯平滑器的一种,其较滤波器的估计精度更高,用于对状态向量和未知参数进行联合估计。算例验证表明本文的方法具有辨识精度高、收敛特性好等优点,在理论方法研究和工程应用方面均具有价值。本文的主要工作与贡献如下:1)搭建了基于EM和高斯平滑器的联合处理框架。在该处理框架下,EM算法对过程噪声、量测噪声以及状态均值和协方差的初值进行估计,高斯平滑器对状态向量和未知参数进行估计;使用该处理框架能够处理系统噪声统计特性未知及状态测量有误差情况下的参数辨识问题;2)设计了基于EM和CKS的参数状态联合估计算法。首先对EM算法的核心思想进行研究,对高斯近似滤波器及平滑理论进行分析比较,以求容积卡尔曼滤波(Cubature Kalman Filter,CKF)为基本滤波器结合RTS平滑理论,选择了CKS作为状态和参数估计器;再将EM与CKS的具体计算过程应用于构建的联合处理框架中,建立了算法的理论体系,给出了算法的计算步骤;3)提出了基于EM-CKS算法的飞行器气动参数辨识方法。本文分别针对ATTAS飞机横向线性模型和HFB-320飞机纵向非线性模型的气动参数辨识问题,建立相应的离散时间状态空间系统方程,应用EM-CKS算法,给出了该算法框架下解决飞行器参数辨识问题的过程;4)完成了相关代码的编制,通过算例对算法进行了验证。在MATLAB环境下编程计算,通过上述两个算例验证了算法具有可行性和有效性;又将CKS方法、EM与无迹平滑器(Unscented RTS Smoother,URTSS)结合的方法与EM-CKS算法进行对比分析,发现本文算法具有辨识精度高、收敛特性好等特点,能够得到满意的辨识结果。虽然存在计算量较大的问题,但是在离线辨识的领域中,本文的算法具有明显的优势。
【关键词】：EM算法 求容积卡尔曼平滑(CKS) 飞行器参数辨识 非线性系统
【学位授予单位】：西北工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V221.3
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 研究背景及意义10-11
• 1.2 研究现状与问题提出11-15
• 1.2.1 研究现状分析11-14
• 1.2.2 研究问题提出14-15
• 1.3 本文主要研究内容及章节安排15-16
• 第二章 解析高斯近似滤波及平滑理论16-30
• 2.1 贝叶斯滤波框架16-18
• 2.1.1 贝叶斯滤波的统一框架16-17
• 2.1.2 经典卡尔曼滤波17-18
• 2.2 非线性系统解析高斯近似滤波18-25
• 2.2.1 扩展卡尔曼滤波器(EKF)19-20
• 2.2.2 中心差分卡尔曼滤波器(CDKF)20-22
• 2.2.3 无迹卡尔曼滤波器(UKF)22-24
• 2.2.4 求容积卡尔曼滤波器(CKF)24-25
• 2.3 最优平滑25-28
• 2.4 本章小结28-30
• 第三章 EM-CKS参数辨识算法设计30-48
• 3.1 期望最大化(EM)算法30-33
• 3.2 高斯平滑器的构造33-36
• 3.3 EM-CKS参数辨识算法的建立36-45
• 3.3.1 问题描述36-37
• 3.3.2 EM算法37-38
• 3.3.3 CKF过程38-39
• 3.3.4 CKS过程39-41
• 3.3.5 EM代价函数的最小化41-44
• 3.3.6 算法步骤总结44-45
• 3.4 本章小结45-48
• 第四章 基于EM和CKS的飞机气动参数估计48-70
• 4.1 横向线性模型仿真验证48-56
• 4.1.1 ATTAS试验飞机横向线性模型仿真48-51
• 4.1.2 辨识结果及分析51-56
• 4.2 纵向非线性模型验证56-69
• 4.2.1 HFB-320飞机纵向非线性模型56-61
• 4.2.2 辨识结果及分析61-69
• 4.3 本章小结69-70
• 第五章 EM-CKS辨识算法与其它算法的性能对比70-82
• 5.1 横向线性模型的对比结果与分析70-76
• 5.1.1 辨识精度对比70-73
• 5.1.2 收敛特性对比73-75
• 5.1.3 计算机时对比75-76
• 5.2 纵向非线性模型的对比结果与分析76-81
• 5.2.1 辨识精度对比76-77
• 5.2.2 收敛特性对比77-81
• 5.2.3 计算机时对比81
• 5.3 本章小结81-82
• 第六章 总结与展望82-84
• 6.1 工作总结与创新点82-83
• 6.2 研究展望83-84
• 参考文献84-90
• 发表论文和参加科研情况说明90-92
• 致谢92-94
• 附录94-96
• 附录A：过程噪声隐含时的参数估计94
• 附录B：4.3 中定理A的证明94-96

【相似文献】

中国期刊全文数据库 前10条

1 冯骞,王超,汪岁羽,钱健,车美芹,薛朝霞;EM生物接触氧化反应器启动过程试验研究[J];河海大学学报(自然科学版);2005年01期

2 毕鸿章;国外开发EM生物陶瓷技术[J];建材工业信息;1996年05期

3 宋昆衡;EM生物技术处理污水[J];给水排水;1995年03期

4 司元雷;杨明华;霍宏宇;;EM卡在电梯智能控制系统中的设计与应用[J];微计算机信息;2006年02期

5 刘昊;最新影楼设备EM—1型135／120通用背景照相机[J];照相机;1995年09期

6 ;峨眉牌EM—7型手扶拖拉机[J];机电新产品导报;1998年Z3期

7 秦松;SMD-30/1.5点对多点数字微波与电力载波四线EM接口的改进[J];湖北电力;1997年02期

8 董生玉;李锦炎;谈伟忠;孙蒋平;;扁平EM型铁氧体磁心的联体成型法[J];磁性材料及器件;2011年06期

9 白彦辉;李旭超;;EM与PSO算法在图像统计模型拟合中的应用[J];科学技术与工程;2013年01期

10 吕博;张兴周;刘春玲;;基于EM的MIMO-OFDM系统LMMSE信道估计[J];应用科技;2011年02期

中国重要会议论文全文数据库 前9条

1 刘国宝;郑易之;;农杆菌介导水稻Em基因转化体系的建立[A];全国“植物生物技术及其产业化”研讨会论文摘要集[C];2007年

2 黄承义;肖春桥;田丰;邵春丽;;基于EM系列多波束水深测量的声速剖面校正方法及技巧[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

3 刘晓新;;《EM》菌在饲养梅花鹿中的应用[A];二○○三年全国鹿业发展信息交流会材料汇编[C];2003年

4 时书剑;胡声丹;陆慰民;;基于小波子带EM矩特征的隐写分析方法[A];全国计算机安全学术交流会论文集·第二十五卷[C];2010年

5 ;EM生物技术在绿色食品生产中的应用前景[A];绿色食品发展战略研究——首届绿色食品发展战略研讨会论文集[C];2001年

6 王学进;王强;王树杰;;EM制剂对奶牛增奶效果的研究[A];第三届中国奶牛发展大会论文集[C];2008年

7 邹永东;何书文;洪锐沙;刘国宝;郑易之;;大豆Em蛋白对冻融胁迫下LDH酶活性保护作用机制的研究[A];第六届中国植物逆境生理学与分子生物学学术研讨会论文摘要汇编[C];2010年

8 董尚云;;中药及EM制剂在“无抗肉鸡”饲养模式中的应用[A];纪念《国务院关于加强民间兽医工作的指示》五十周年暨2006中国中兽医发展高层论坛报告集[C];2006年

9 李晓煦;侯杰泰;;结构方程中缺失数据的处理:FIML,EM与MI[A];全国教育与心理统计测量学术年会论文摘要集[C];2006年

中国重要报纸全文数据库 前4条

1 记者 王秀萍;山西畜牧业沾了EM光[N];山西经济日报;2002年

2 记者 刘芳 朱彤;EM高新技术为我区农牧业增产助力[N];新疆日报(汉);2000年

3 李凤霞 王河长;EM秸秆生化饲料初显奇效[N];周口日报;2005年

4 范思立;小邮箱大产业 EM助力电子商务[N];中国经济时报;2007年

中国硕士学位论文全文数据库 前6条

1 刘艺蕾;基于EM和高斯平滑器的飞行器参数辨识方法[D];西北工业大学;2015年

2 左安新;EM公司冷链一体化研究[D];中国海洋大学;2011年

3 国向云;EM的絮凝特性试验研究[D];河海大学;2005年

4 张西杰;饲喂EM制剂对蛋鸡作用效果的研究[D];山东农业大学;2007年

5 陈芳;有效微生物群落（EM）对黄鳝生长、肌肉营养成分及养鳝水质影响研究[D];华中农业大学;2005年

6 孙守思;重建点模型下EM成像算法的研究[D];中北大学;2014年

，

本文编号：647121