固定翼无人机纵向控制回路多工况状态预测

作者：梁少军; 郑幸^*; 谢礼鹏; 林冬生

来源：兵器装备工程学报, 2020, 41(10): 203-209.

• 多工况
• 固定翼无人机
• 密度聚类
• 回归预测
• 人工神经网络

某型固定翼无人机(UAV)纵向控制回路存在典型的多工况特征。针对单一模型对飞机高度值进行预测会导致模型失配,准确度不高的问题,提出了"聚类分析-模式识别-回归预测"相结合的多工况状态预测技术路线。该技术以俯仰角、升降舵偏角、缸温、发动机转速为预测变量,通过离线建模与在线预测两个阶段完成飞机高度预测。离线建模阶段,使用基于共享近邻相似性的密度聚类算法将UAV训练数据分为多个工况,之后使用核高斯过程回归(KGPR)算法建立各工况预测模型。在线预测阶段,使用人工神经网络算法完成测试数据工况辨识,并调用相应的KGPR模型完成状态预测。仿真试验选取了代表UAV典型用途的近程、中程、远程三种实飞数据,并以此为基础对算法进行了验证,结果表明所提技术能够有效提高预测准确度,具有实用价值。

• 单位
  自动化学院; 武汉大学; 中国人民解放军陆军工程大学