基于EM-EKF算法的RLV再入段气动参数辨识

被引：2

作者：

窦立谦 ^{[1
]}

杜苗苗 ^{[1
]}

张秀云 ^{[1
]}

王跃萍 ^{[2
]}

机构：

[1] 天津大学电气自动化与信息工程学院

[2] 飞行控制航空科技重点实验室(航空工业自控所)

来源：

天津大学学报(自然科学与工程技术版) | 2019年 / 52卷 / 12期

关键词：

可重复使用运载器; 扩展卡尔曼滤波; 最大期望算法; RTS平滑器; 参数估计;

D O I：

暂无

中图分类号：

V411 [空气动力学];

学科分类号：

摘要：

可重复使用运载器(RLV)再入返回段的气动参数表现为不确定和快时变的特点,导致RLV气动特性具有强耦合性和非线性,使气动模型难以设计和控制,降低了飞行器的稳定性.在系统噪声存在的前提下,针对RLV的动力学模型,提出一种由最大期望(EM)算法和扩展卡尔曼滤波(EKF)算法相结合的RLV再入段气动参数辨识方法,以飞行高度和攻角为基准,每10 km一个区间将RLV再入段划分为3个飞行阶段,并分别进行了气动参数辨识.首先,将RLV飞行器再入段的动力学模型转换为非线性系统的状态空间模型;其次,基于状态空间模型,将飞行器的原始状态向量进行扩维,得到由待辨识气动参数和原始状态向量组成的新扩维状态向量;然后,采用EKF算法对RLV气动模型的扩维状态向量进行辨识,达到滤除噪声和估计未知气动参数的目的;之后,为了降低测量和过程噪声统计特性的设置对EKF辨识结果带来的影响,在EKF算法前向滤波和Rauch-Tung-Striebel(RTS)后向平滑过程的基础上,采用EM算法对EKF的测量和过程噪声的先验统计数据进行估计,基于估计所得到的精确噪声特性,能够更好地提高EKF算法对气动参数估计的精度;最后,通过基于EM-EKF算法与极大似然方法的气动参数辨识值对各种气动系数影响的仿真对比,验证了EM-EKF结合辨识算法的准确性.

引用

页码：1285 / 1292

页数：8

共 11 条

[1] Attitude controller design for reusable launch vehicles during reentry phase via compound adaptive fuzzy H-infinity control.[J].Qi Mao;Liqian Dou;Qun Zong;Zhengtao Ding.Aerospace Science and Technology.2018,
[2] Estimating model‐error covariances in nonlinear state‐space models using Kalman smoothing and the expectation–maximization algorithm.[J].D. Dreano;P. Tandeo;M. Pulido;B. Ait‐El‐Fquih;T. Chonavel;I. Hoteit.Quarterly Journal of the Royal Meteorological Society.2017, 705
[3] Noise covariance identification for nonlinear systems using expectation maximization and moving horizon estimation.[J].Ming Ge;Eric C. Kerrigan.Automatica.2017,
[4] Adaptive Neural Network Dynamic Inversion with Prescribed Performance for Aircraft Flight Control.[J].Wendong Gai;Honglun Wang;Jing Zhang;Yuxia Li;Dewei Li.Journal of Applied Mathematics.2013,
[5] Nonlinear robust control for reusable launch vehicles in reentry phase based on time-varying high order sliding mode
Tian, Bailing
Fan, Wenru
Zong, Qun
Wang, Jie
Wang, Fang
[J]. JOURNAL OF THE FRANKLIN INSTITUTE-ENGINEERING AND APPLIED MATHEMATICS, 2013, 350 (07): : 1787 - 1807
[6] Identification of process and measurement noise covariance for state and parameter estimation using extended Kalman filter
Bavdekar, Vinay A.
Deshpande, Anjali P.
Patwardhan, Sachin C.
[J]. JOURNAL OF PROCESS CONTROL, 2011, 21 (04) : 585 - 601
[7] 基于EM-EKF算法的RBF-AR模型参数估计（英文）
席燕辉
彭辉
莫红
[J]. 自动化学报, 2017, 43 (09) : 1636 - 1643
[8] 基于补偿控制器的可重复使用运载器自适应模糊姿态控制
窦立谦
毛奇
苏沛华
[J]. 天津大学学报(自然科学与工程技术版), 2017, 50 (12) : 1241 - 1248
[9] 高超声速飞行器模糊自适应动态面容错控制
胡超芳
高志飞
刘运兵
王娜
[J]. 天津大学学报(自然科学与工程技术版), 2017, 50 (05) : 491 - 499
[10] 基于卡尔曼滤波的再入飞行器气动参数辨识
崔乃刚
卢宝刚
傅瑜
张旭
[J]. 中国惯性技术学报, 2014, 22 (06) : 755 - 758

← 1 2 →