(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111249073.0 (22)申请日 2021.10.26 (71)申请人 南京航空航天大 学 地址 210000 江苏省南京市秦淮区御道街 29号 (72)发明人 左玲玉　司海青　李耀　仇静轩　 李根　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 代理人 殷星 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01) G06F 30/28(2020.01) G06N 3/04(2006.01)G06F 119/14(2020.01) (54)发明名称 一种基于循环神经网络的飞行器气动参数 辨识的方法 (57)摘要 本发明公开了一种基于循环神经网络的飞 行器气动参数辨识的方法。 该方法步骤如下： 1） 利用训练级模拟器结合飞行模拟软件进行模拟 飞行试验获取飞行数据； 2） 以飞行器刚体六自由 度动力学方程组作为系统的状态方程， 根据试验 获取的数据计算得到对应的气动力及气动力矩； 3） 以迎角和侧滑角等飞行数据作为输入， 以步骤 二计算得到的气动参数作为基准数据， 利用结合 实时递归学习算法的循环神经网络进行训练， 得 到气动参数辨识模型； 4） 选 取未参与模 型训练的 飞行数据载入步骤三得到的循环神经网络气动 参数辨识模 型进行参数辨识， 得到对应的气动力 及气动力矩。 本发明所建立的参数辨识模型具有 较好的适用性， 能够针对空气动力完成精准建 模， 可以推广应用。 权利要求书2页 说明书4页 附图4页 CN 114004023 A 2022.02.01 CN 114004023 A 1.一种基于循环神经网络的飞行器气动参数辨识的方法， 其特 征在于， 包括以下步骤： 1)利用训练级模拟器结合飞行模拟软件进行模拟飞行 试验获取飞行 数据； 2)以飞行器 刚体六自由度动力学方程组作为系统的状态方程， 根据步骤1)中获取的部 分飞行数据计算得到对应的气动力及气动力矩； 3)输入步骤1中获取的部分飞行数据， 所述数据包括海拔、 空速、 迎角、 侧滑角、 滚转、 俯 仰和偏航角速度、 升降舵、 副翼、 方向舵和襟翼舵偏角， 以步骤2)计算得到的气动力及气动 力矩作为基准数据， 利用结合实时递归学习算法的循环神经网络以及 扩展卡尔曼滤波进 行 训练， 得到循环神经网络气动参数辨识模型； 4)选取步骤1)中未参与步骤3)的模型训练的飞行数据载入步骤3)得到的循环神经网 络气动参数辨识模型进行参数辨识， 得到对应的气动力及气动力矩。 2.根据权利要求1所述的基于循环神经网络的飞行器气动参数辨识的方法， 其特征在 于,步骤1)中利用训练级模拟 器结合飞行模拟软件进 行模拟飞行试验获取飞行数据的具体 步骤如下： 采用塞斯纳172型飞行模拟器结合Prepar  3D软件， 在VS2015平台上打开Prepar   3D的SIMConnect.Samples， 然后生成应用程序DataHarvester.exe， 运行 飞行器进行 飞行试 验并记录飞行数据， 若飞行试验符合数据获取的要求， 则得到对应的飞行试验数据 DataHarvester.csv， 如不符合要求， 则需删除文件夹下的.csv文件， 重新进入飞行试验直 至满足数据获取要求。 3.根据权利要求1所述的基于循环神经网络的飞行器气动参数辨识的方法， 其特征在 于， 步骤2)所述的气动力及气动力矩的表达式如下 所示： 其中， CA、 CY、 CN为气动力系数， Cl、 Cm、 Cn为气动力矩系数， T为发动机推力， ψT、 为发动机 安装角， nx、 ny、 nz为三个体轴方向的过载分量， S为机翼面积， q∞为动压， Ix、 Iy、 Iz为飞机对体 轴的惯量矩， Ixz为飞机对体轴的惯量积。 4.根据权利要求1所述的基于循环神经网络的飞行器气动参数辨识的方法， 其特征在 于， 步骤3)中， 首先针对飞行器气动参数辨识问题选择人工神经网络的方法， 由于飞行器系权　利　要　求　书 1/2 页 2 CN 114004023 A 2统随时间动态变化， 所以进一步确定使用循环神经网络， 同时， 为了在线实时训练， 解决复 杂的非线性问题并加快运算速度， 采用实时递归学习算法并加入扩展卡尔曼滤波， 最终得 到循环神经网络实时递归学习算法进行参数辨识。权　利　要　求　书 2/2 页 3 CN 114004023 A 3