基于ＳＯＫＩＤ的无人动力伞模型辨识

2012年03月22日14:05:21 本网站我要评论(2)字号：T | T | T

关键字：应用

谢志刚，陈自力
军械工程学院光学与电子工程系，河北石家庄

摘　　　要：对具有独特飞行特性的无人动力伞（ＵｎｍａｎｎｅｄＰｏｗｅｒｅｄＰａｒａｆｏｉｌ，ＵＰＰ）进行了研究，建立了无人动力伞九自由度非线性动力学方程，研究了观测器／卡尔曼滤波辨识算法和改进的子空间观测器／卡尔曼滤波辨识算法。根据系统的飞行数据，辨识得到系统的纵向状态空间模型，分析了两种辨识模型的俯仰角响应特性和辨识精度。仿真结果表明子空间观测器／卡尔曼滤波辨识算法的一致和有效估计，能有效辨识无人动力伞的纵向动态模型。

关　键　词：无人动力伞系统；建模；观测器／卡尔曼滤波辨识；子空间观测器／卡尔曼滤波辨识

１　引　言
无人动力伞具有成本低廉、载荷量大、重量轻、软着陆、低速低空飞行、安全性好等优点和独特的飞行特性，可广泛应用于定点空投、空中侦察监视等领域［１］。文献［２］采用极大似然法获得了滑翔翼伞的气动特性，获得的纵向气动参数具有较高的辨识精度。文献［３］同样采用极大似然法辨识ＡＬＥＸＩ型翼伞系统的气动参数，并应用于三自由度和四自由度的翼伞模型。文献［４］采用同时扰动随机逼近算法ＳＰＳＡ来估计非线性翼伞模型的参数，获得了Ｇ１２翼伞系统的３个气动参数、４个表观质量参数和系统的初始状态。文献［５］采用扩展的卡尔曼滤波算法对测量信号滤波，实现了对低空飞行可控翼伞的状态估计。文献［６］通过飞行实验，采用基于观测器／卡尔曼滤波方法，根据采集的输入输出数据离线辨识Ｂｙｃｋｅｙｅ翼伞系统的纵向和侧向八自由度线性模型，并通过仿真验证了辨识算法的有效性和正确性。这些文献采用了不同的方法，实现了翼伞系统模型参数的辨识，并阐述了参数对系统运动性能的影响。本文依据无人动力伞系统的飞行测试数据，分别采用基于观测器／卡尔曼滤波（Ｏｂｓｅｒｖｅｒ／ＫａｌｍａｎＦｉｌｔｅｒＩｄｅｎｔｉｆｉｃａｔｉｏｎ，ＯＫＩＤ）和基于子空间的观测器／卡尔曼滤波算法（ＳｕｂｓｐａｃｅＯｂｓｅｒｖｅｒ／ＫａｌｍａｎＦｉｌｔｅｒＩｄｅｎｔｉｆｉｃａｔｉｏｎ，ＳＯＫＩＤ）直接辨识系统的模型结构与参数，从而更有利于翼伞飞行控制系统的设计。

登录网站后可下载文件

基于ＳＯＫＩＤ的无人动力伞模型辨识

相关阅读: