科研之友
微信
新浪微博
Facebook
分享链接
摘要
旋翼飞行器动力学模型复杂度高、非线性强,且存在模型参数偏差、外界随机干扰导致的未知不确定性,因此难以建立精确的动力学模型,给飞行控制系统的设计带来困难。针对上述问题,提出了一种基于动态神经网络的旋翼飞行器在线模型辨识算法,在不依赖于模型先验信息和未知的不确定性信息的情况下,可实现完全数据驱动的在线高精度的模型辨识。基于Lyapunov理论和Barbalat引理,给出了辨识算法的收敛性理论分析。最终,通过数值仿真验证了模型辨识算法的有效性。
- 单位
旋翼飞行器动力学模型复杂度高、非线性强,且存在模型参数偏差、外界随机干扰导致的未知不确定性,因此难以建立精确的动力学模型,给飞行控制系统的设计带来困难。针对上述问题,提出了一种基于动态神经网络的旋翼飞行器在线模型辨识算法,在不依赖于模型先验信息和未知的不确定性信息的情况下,可实现完全数据驱动的在线高精度的模型辨识。基于Lyapunov理论和Barbalat引理,给出了辨识算法的收敛性理论分析。最终,通过数值仿真验证了模型辨识算法的有效性。
