一种垂直起降飞行器质量特性参数测量方法与流程

本发明涉及飞机总体设计领域中质量特性测量领域，特别涉及一种垂直起降飞行器质量特性参数测量方法。

背景技术：

小型垂直起降飞行器(verticaltake-offandlanding，vtol)可突破跑道的限制实现自由起降，无论是在未来的民用领域还是在军事战争中都具有重要价值。vtol飞行器是一个典型的非线性、强耦合、多输入多输出系统(mimo)，其质量特性参数的准确性直接影响飞行控制精度。

在对该类飞行器进行质量特性测量时，往往需要根据其自身结构特点来设计专用的夹具或吊挂，且由于测量偏差的存在，往往导致测量结果误差较大。

技术实现要素：

本发明的目的是提供了一种垂直起降飞行器质量特性参数测量方法，以至少解决现有质量特性参数测量方法存在的一个问题。

本发明的技术方案是：

一种垂直起降飞行器质量特性参数测量方法，包括如下步骤：

步骤一、建立飞行器的系统动力学方程：

其中，t和m为飞行器底部推力和滚动力矩；g为重力加速度；为描述t和m之间耦合关系的系数；m是飞行器质量，ixx为转动惯量，x、y为垂直方向x轴、y轴坐标，θ为滚转角；

步骤二、令a1＝1/m，a2＝ξ0/m，a3＝1/ixx，u1＝t，u2＝m，整理得到：

步骤三、采用非线性微分器，设计如下飞行器子系统的微分器，并对速度和加速度信息进行估计：

其中，i＝1,2,3；x11＝x，x21＝y，x31＝θ；分别为x，y，θ的一阶导数估计和二阶导数估计；飞行器子系统包括垂直方向x轴、y轴坐标、滚转角θ；

步骤四、将步骤二中的式子改为：

令

将y视为de算法中的测量输出，u视为de算法测量输入，参数a1，a2，a3为待估参数，即：

步骤五、采用de算法进行质量特性参数辨识。

可选的，所述步骤五包括：

步骤5.1、确定参数的可行域及种群初始化；

步骤5.2、评价个体的适应度，并确定初定最好个体；

步骤5.3、对当前种群的初定最好个体进行变异运算；

步骤5.4、对当前种群中的每个个体进行交叉运算；

步骤5.5、对经变异和交叉运算生成的结果进行选择运算；

步骤5.6、根据选择运算结果，确定当前种群中最新最好个体，并计算最新最好个体的目标函数值，将最新最好个体的目标函数值与初定最好个体的目标函数值相比较；如果优于初定最好个体的目标函数值，则更新初定最好个体；否则，仍保留初定最好个体；

步骤5.7、如果符合终止准则，则输出最终确定的最好个体、估计目标函数值和期望目标函数值；否则返回步骤5.3。

发明效果：

本发明的垂直起降飞行器质量特性参数测量方法，可以准确跟踪vtol飞行器的测量输出，并估计其导数，且对噪声具有很好的鲁棒性；基于微分器的输出信号，de算法能够正确辨识出飞行器质量特性参数，对于结构参数是线性的系统，均可较准确进行参数辨识。

附图说明

图1是本发明垂直起降飞行器质量特性参数测量方法中vtol飞行器受力示意图；

图2是本发明垂直起降飞行器质量特性参数测量方法中vtol飞行器质量特性参数辨识流程；

图3是本发明垂直起降飞行器质量特性参数测量方法中无噪声时de算法目标函数j收敛过程；

图4是本发明垂直起降飞行器质量特性参数测量方法中η＝0.01时de算法目标函数j收敛过程。

具体实施方式

为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。

下面结合附图1至图4对本发明垂直起降飞行器质量特性参数测量方法做进一步详细说明。

本发明提供了一种基于微分器的小型垂直起降飞行器质量特性参数辨识方法，包括如下步骤：

步骤一、建立飞行器系统动力学方程。

图1为oxy平面上的vtol飞行器受力图，本发明只研究起飞过程，因此仅考虑垂直方向(x轴、y轴)，不考虑前后运动(z轴)。oxy为惯性坐标系，oxbyb为飞行器的本体坐标系。

根据牛顿第二定律建立vtol飞行器动力学方程为：

式中，t和m为控制输入，即飞行器底部推力和滚动力矩；g为重力加速度；为描述t和m之间耦合关系的系数；m是飞行器质量，ixx为转动惯量，x、y为垂直方向x轴、y轴坐标，θ为滚转角。

步骤二、系统模型梳理。

该系统为非线性耦合系统，其中包括三个参数需要辨识，即飞行器质量m、转动惯量ixx以及耦合系数ξ0，令a1＝1/m，a2＝ξ0/m，a3＝1/ixx，u1＝t，u2＝m，整理得到：

步骤三、非线性跟踪微分器设计。

在实际工程中，往往只有飞行器位置(x，y)和滚转角(θ)测量输出，但参数辨识中需要用到飞行器速度和加速度信息，本发明采用非线性微分器来估计速度和加速度信息，相当于通过非线性微分器得到速度和加速度信息，取代了速度和加速度传感器。

针对如下系统：

式中，z＝[z1…zn]^t为状态向量；f(z)和g(z)为非线性函数，g(z)是有界的；u∈r和w∈r分别为控制输入和测量输出，设计高阶积分链式微分器如下：

当选取参数ε充分小时，微分器对于各阶导数的跟踪误差也充分小，即：

且

式中i＝1,…,n，

采用上述高阶链式微分器(即非线性微分器)，针对vtol飞行器三个子系统(包括垂直方向x轴、y轴坐标、滚转角θ)，设计如下形式的微分器：

式中，i＝1,2,3；x11＝x，x21＝y，x31＝θ；分别为x，y，θ的一阶导数估计和二阶导数估计。

步骤四、系统模型重构。

辨识的目标是找到一组参数，使模型在每个时刻最佳地拟合系统的输入输出数据，参数辨识可以视为多目标函数最优求解问题。将(2)式改写为：

令

将y视为de算法中的测量输出，u视为de算法测量输入，参数a1，a2，a3为待估参数，即：

步骤五，采用de算法进行质量特性参数辨识。

本发明的垂直起降飞行器质量特性参数测量方法，针对小型vtol飞行器三个子系统分别设计了高阶积分链式微分器，估计出系统中未知状态，然后对模型进行坐标变换，利用de算法辨识系统中的未知参数，达到飞行器质量特性辨识的目的。其中，非线性跟踪微分器可以跟踪不连续输入信号并提取其微分信号，在无传感器或者传感器失效的情况下，非线性跟踪微分器为信号跟踪提供了良好的方法，如果输入信号带有噪声，微分器同时可以实现滤波。

本发明的垂直起降飞行器质量特性参数测量方法，可以准确跟踪vtol飞行器的测量输出，并估计其导数，且对噪声具有很好的鲁棒性；基于微分器的输出信号，de算法能够正确辨识出飞行器质量特性参数，对于结构参数是线性的系统，均可较准确进行参数辨识。

差分进化算法(differentialevolution，de)是一种基于群体智能理论的优化算法。de与遗传算法思想类似，但其采用更简单的变异操作和一对一的生存竞争策略，这既保存了遗传算法的优点，又避免了复杂运算。de算法的卓越性能使其在解决复杂、非线性、多目标函数最优问题中日益受到重视。参数辨识问题即寻求一组模型参数最佳地拟合测量输入和输出数据，根据这一原理可将de算法用于系统参数辨识。

本发明的垂直起降飞行器质量特性参数测量方法，采用de算法进行参数模型辨识步骤如下：

步骤5.1、确定参数的可行域及种群初始化。

在参数的可行域内随机对种群进行初始化：

式中，和分别为第j个变量的上界和下界，randlij(0,1)为[0,1]之间的随机数。

步骤5.2、评价个体的适应度，并确定最好个体xbestj(最初)。适应度最好的个体就是使目标函数最优的个体：

式中，n为一段时间内采集的数据总数；目标函数j为参数的函数，且参数估计值等于其真值(即)时，目标函数达到最小值。

步骤5.3、变异运算。

对当前种群的最好个体(最初)进行变异运算：

hij(t+1)＝xbestj(t)+f[xp1j(t)-xp2j(t)](9)；

式中，xp1j(t)-xp2j(t)为差分向量，p1和p2表示个体在种群中序列号的随机整数；f为缩放因子。

步骤5.4、交叉运算。交叉运算可以保证de种群的多样性。对当前种群中的每个个体进行交叉运算：

式中，randlij∈[0,1]为随机数；cr∈[0,1]为交叉因子。cr越大，则hij(t+1)的贡献越多，有利于局部搜索和加速收敛速度，但算法易于早熟收敛；cr越小，则xij(t)的贡献越多，有利于保持种群的多样性和全局搜索，但算法的收敛速度变慢。

步骤5.5、选择运算。

经变异和交叉运算生成的试验向量υi与个体向量xi进行竞争，当xi的适应度比υi更优时被选作子代；否则直接将υi作为子代：

步骤5.6、更新xbestj(t)。

根据选择运算结果，确定当前种群中最新最好个体xbestj(t)，并计算最新最好个体的目标函数值，将最新最好个体的目标函数值与初定最好个体的目标函数值相比较；如果优于初定最好个体的目标函数值，则更新初定最好个体；否则，仍保留初定最好个体。

步骤5.7、如果符合终止准则，则最终确定的最好个体、估计目标函数值和期望目标函数值；否则返回步骤5.3

本发明的一个具体实施例如下：

对物理参数为p＝[mξ0ixx]＝[70.50.3156]的vtol飞行器进行仿真分析。

综合考虑微分器的跟踪精度和滤波能力，选取εi＝0.015，ai1＝200，ai2＝140，ai3＝24。

de算法的参数设置为：f＝0.65，交叉因子cr＝0.55，种群代数n＝50，参数搜索范围m∈[10,100]，ξ0∈[0,1]，ix∈[50,200]。

记噪声比为η，即噪声ν是幅值为ηyi的高斯白噪声。设定采样周期时间为0.01s，分别在无噪声和噪声比η＝0.01情况下进行时长为100s的仿真。

质量特性参数辨识结果如表1所示：

表1vtol飞行器参数辨识结果

在两种情况下，微分器都能很好地跟踪测量输出。图3和图4分别表示两种情况下最佳个体目标函数的收敛过程。

同时采用最小二乘法(leastsqaremethod，ls)进行仿真，根据仿真分析可知，无论是在无噪声时还是在有噪声时，de算法参数辨识的准确度都较高，该方法具有一定的工程应用价值。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。