...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Aeronautical journal >Aircraft parameter estimation using a new filtering technique based upon a neural network and Gauss-Newton method
【24h】

Aircraft parameter estimation using a new filtering technique based upon a neural network and Gauss-Newton method

机译：使用基于神经网络和高斯-牛顿法的新型滤波技术估算飞机参数

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A new parameter estimation method based upon neural network is proposed. The method proposed here uses feed forward neural networks to establish a neural model that could be used to predict subsequent time histories given the suitable measured initial conditions. The proposed neural model would not represent a generic flight dynamic model. The neural model in this case develops point to point fitting of the input and the output data. Thus, it could at best be referred to as flight dynamic model in restricted sense. Gauss-Newton method is then used to obtain optimal values of the aerodynamic parameters by minimising a suitable defined error cost function. The method has been validated using longitudinal and lateral-directional flight data of various test aircraft. The results thus obtained were compared with those obtained through wind tunnel test, or those obtained using Maximum likelihood and/or Filter error methods. Unlike, most of the parameter estimation methods, the proposed method does not require a prior description of the model. It also bypasses the requirement of solving equations of motion. This feature of the proposed method may have special significance in handling flight data of an unstable aircraft.
机译：提出了一种基于神经网络的参数估计新方法。在此提出的方法使用前馈神经网络来建立一个神经模型，该模型可以在给定合适的初始条件下用于预测随后的时间历史。所提出的神经模型不会代表通用的飞行动力学模型。在这种情况下，神经模型将对输入数据和输出数据进行点对点拟合。因此，在受限的意义上，它最多只能称为飞行动力学模型。然后，通过最小化合适的定义误差成本函数，使用高斯-牛顿法获得空气动力学参数的最佳值。该方法已使用各种测试飞机的纵向和横向飞行数据进行了验证。将由此获得的结果与通过风洞测试获得的结果进行比较，或使用最大似然法和/或滤波器误差法获得的结果进行比较。与大多数参数估计方法不同，所提出的方法不需要模型的事先描述。它还绕过了求解运动方程的要求。所提出的方法的这一特征在处理不稳定飞机的飞行数据方面可能具有特殊的意义。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号