马凯超, 宋笔锋, 殷之平, 谢伟, 曹善成

(西北工业大学 航空学院, 陕西 西安 710072)

一种基于神经网络的飞机载荷参数识别方法

马凯超, 宋笔锋, 殷之平, 谢伟, 曹善成

(西北工业大学 航空学院, 陕西 西安 710072)

提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,对飞机特定机动下的载荷进行参数识别。首先,构建Kalman滤波神经网络(KFNN),设计了相关改进算法抑制滤波发散,提高了网络的预测精度和抗噪能力;其次,利用遗传算法(GA)优化KFNN的相关参数,使网络能迅速收敛,提高了运算效率。载荷识别结果显示,改进和优化后的GA-KFNN运行稳定,收敛迅速,具有良好的识别精度和泛化能力,满足工程实际需求。

神经网络; Kalman滤波; 遗传算法; 载荷识别

0 引言

基于飞行参数的载荷识别(以下简称参数识别)是飞机疲劳载荷监控的主要手段[1],其用途有:(1)验证飞机载荷理论计算方法和计算精度;(2)在新机定型试飞中通过识别载荷扩展飞行包线;(3)建立的参数识别模型可用于使用中飞机的疲劳载荷监控[2]。常用的参数识别技术有回归分析、神经网络和混合型识别等[2],其中含单隐层的神经网络已经能达到足够的载荷识别精度[3]。

目前,国内外已经开展许多基于神经网络的参数识别研究。其中,由于飞机的机动载荷是疲劳损伤和使用寿命最重要的影响因素之一[1],所以有研究专门针对特定机动下的载荷进行参数识别,取得了较为精确的结果,具有较高的实用价值[1,3]。

本文沿袭以上思路,采用某机动下的飞行参数和载荷,提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,完成参数识别过程,并给出算例说明了该方法的准确性与实用性。……