一种基于多核学习的直升机仿真模型的制作方法
【技术领域】
[0001] 本发明属于智能化建模领域，本发明涉及多核学习、动态辨识等方法。 二、
【背景技术】
[0002] 用传统的机理建模方法建立直升机的仿真模型是可行的，但是这种方法需要大量 的空气动力学知识。神经网络具有良好的非线性映射能力，因此可以用它来建立直升机的 仿真模型。在现实问题中，人们得到的样本数量往往是有限的，有时还十分有限。这时的学 习结果往往是难以令人满意的，如在神经网络研究中经常会遇到过拟合等问题。可以采用 多核学习方法进行动态辨识，建立直升机仿真模型。 三、 专利内容：
[0003] 1、专利目的
[0004] 为避免复杂的空气动力学知识，建立高精度的直升机仿真模型，发明一种基于 Bregman距离的非稀疏多核学习方法，这种方法既能提高多核学习的精度，又能提高多核学 习的速度。通过多核学习的辨识方法建立直升机的智能化的动态仿真模型。
[0005] 2、技术解决方案
[0006] 把直升机看做一个整体，则有四个控制变量，分别是横向周期变距、纵向周期变 距、尾桨距、总距。则输出变量可以选为九个输出变量中的任意一个，即飞行速度在体轴系 中三个方向上的分量、直升机角速度的三分量、直升机的俯仰角、侧倾角和偏航角九个变量 中的一个。利用这些输入、输出变量来建立直升机的动态仿真模型。
[0007] 3、技术效果及优点
[0008] 这种基于多核学习的动态辨识方法，避免了机理建模所需的空气动力学知识，大 大降低了仿真模型的复杂度。与传统神经网络模型相比，多核学习网络模型具有结构简单、 运算速度快、泛化能力高等很多优越的性能。 四、
【具体实施方式】
[0009] 完整的直升机飞行动力学模型主要包括：直升机的多体动力学、旋翼挥舞和摆振 运动、旋翼尾迹、气动干扰效应等环节。如果建立了每个组成部分的仿真模型，那么就可以 尝试把这些仿真模型合成一个整体，来建立直升机完整的仿真模型。考虑这种模型的复杂 程度和计算量，目前用神经网络还难以建立完整的直升机仿真模型。针对建立直升机仿真 模型的目的，从美国军方颁布的"军用旋翼飞行器驾驶品质要求"（ADS-33D标准）中，选取 一种在垂直平面内做鱼跃机动的飞行状态建立直升机的仿真模型。
[0010] 多核学习（MKL)通常可以转化为半定规划问题来求解。对于一些规模较小的数据 集，MKL不会遇到太大的障碍。但对于一些大规模问题，由于涉及到多核矩阵的快速求解、高 维多核矩阵的分解等，半定规划求解算法效率非常低。本发明采用MD方法进行多核学习。 Mirro-Descent (MD)方法类似于最速下降算法，但是关键之处是，在辅助优化问题的每一步 迭代中，利用Bregman距离函数，取代欧几里德（Euclidean)距离函数。Bregman距离函数 利用单纯形的几何性质，导致MD方法在单纯形直积（Product of Simplices)上进行优化， 具有非常高的运算效率。利用MD方法的关键之处是构造 Bregman距离函数。考虑如下的 最优化问题：
[0011] min f (X) X e X ⑴
[0012] 其中X e Rn是具有非空内点的凸闭集，目标函数f :X -R具有Lipschitz连续 性，即满足3Z，|f (x)-f (y) I彡L| |x_y| I。f对于给定的任意x e X存在能够计算f (X)和 Γ (X)的预报。这个优化问题，经典的次梯度投影算法（SPA)采用迭代的方式求解：
[0013] xt+1 = π x (xt+1-stf (x1)) (2)
[0014] 其中st是步长，心= W是x在X上的投影。这个迭代公式经 过变形可以等价地表示为
[0015]
(3)
[0016] md方法的主要思想是，把欧几里德距离范数用更一般的距离函数 D(x，Xt)来代替。替代之后迭代公式变为
[0017]
(4)
[0018] -个D (X，Y)可能的构造方法是，令映射Φ :X - R，对于任意参数〇 > 0满足
[0019] (5)
[0020] (6)
[0021] 迭代公式变为
[0022]
(7)
[0023] 利用（7)求解MKL的优化问题，需要满足一定的使用条件。例如，对于用于回归的 ε-不敏感损失函数
[0024]
(8)
[0025] 首先要把MKL优化问题转化为其对偶问题
[0026]
(9)
[0027] 即Mirro-Descent (MD)是在对偶问题中求解的。应用该公式还必须满足优化函数 是凸函数，并且具有Lipschitz连续性。对弹性MKL的优化问题，可以转换成满足这些条件 的等价公式。
[0028] 为了训练所建立的多核学习网络模型，需选取两组飞行数据分别作为训练样本、 测试样本。样本数据不可避免地含有高频噪声，而且在试飞过程中由于测试仪器不稳定或 因外界干扰的影响，往往导致测量数据包含一些很不合理的跳点，即野值。另外，对含噪声 的信号直接微分将导致更高的噪声水平。因此需要对飞行数据进行野值剔除、高频滤波和 微分平滑等预处理。训练完毕得到直升机鱼跃运动的仿真模型。再把测试样本输入到已经 训练好的两种模型中，以检验这两种模型的泛化能力。
【主权项】
1. 发明的一种基于多核学习的直升机仿真模型，采用基于多核学习的新算法，建立直 升机的仿真模型。2. 权利要求1所述的一种基于多核学习的直升机仿真模型，其特征在于：利用MD方法 来求解，这种方法既能提高多核学习的精度，又能提高多核学习的速度。
【专利摘要】发明的一种多核学习的系统辨识方法，把直升机看做一个整体，用多核学习方法来建立直升机的智能化动态仿真模型。多核学习采用MD算法进行求解，建立的仿真模型精度高，避免了复杂的空气动力学知识。
【IPC分类】G06F19/00, G06N99/00
【公开号】CN105653836
【申请号】
【发明人】王书舟
【申请人】天津工业大学
【公开日】2016年6月8日
【申请日】2014年12月5日