一、用卡尔曼滤波辨识再入体空气动力系数的参数研究（论文文献综述）
张伟伟,寇家庆,刘溢浪[1]（2021）在《智能赋能流体力学展望》文中指出人工智能（AI）是21世纪的前沿科技,流体力学如何在智能化时代焕发青春是值得本领域研究者思考的话题。从智能赋能流体力学角度,就其研究内涵、研究内容、近期研究及难点进行了总结,并对智能流体力学未来的发展进行了展望。研究指出,流体力学计算或试验中所产生的数据是天生的大数据,如何通过深度神经网络、随机森林、强化学习等机器学习方法来利用这些数据,缓解甚至替代理论和方法层面对人脑的依赖,挖掘新的知识,成为一种新的研究范式;相关研究将涵盖流动控制方程的机器学习、湍流模型的机器学习、物理量纲分析与标度的智能化以及数值模拟方法的智能化;借助人工智能技术,发展流动信息特征提取与多源数据融合的智能化是流体力学发展的迫切需求;研究内容应至少涵盖海量数据挖掘方法以及多源气动数据的智能融合;发展数据驱动的流体力学多学科、多物理场耦合建模与控制是工程应用的迫切需求,相关工作涉及多场耦合建模、气动外形智能优化设计以及流动智能自适应控制等方面。
宗奕彤[2]（2020）在《基于Prepar3D的飞行气动数据的获取与验证》文中研究指明飞行数据的获取、飞行器系统的建模在飞机总体设计、飞行品质评估、事故调查等研究中具有重要的意义。传统的飞行器建模一般采用地面风洞试验、空中飞行试验等,研究成本较高。为保证实验便捷高效且低成本,本文利用塞斯纳172型飞行模拟器结合飞行模拟软件Prepar3D进行飞行仿真试验,进而提取飞行试验数据。为得到空气动力学模型,本文基于机器学习思想,运用人工神经网络技术处理多维度非线性的飞行试验数据,并对辨识结果进行验证。本文首先确定了合适的建模方法,气动参数辨识问题往往选择飞行器刚体六自由度动力学方程组作为系统的状态方程,经坐标转换后得到体轴系六自由度运动方程如姿态角方程组、质心和绕质心转动的动力学方程组等,在此基础上,介绍了建模中常用的几种传统数学表达式与典型的神经网络方法;其次,基于Prepar3D获取气动数据,并进行了可辨识性分析;对比飞行器参数辨识常用方法及其各自的适用情景,考虑到飞行器系统模型具有动态非线性特征,相比而言,循环神经网络具有反馈结构且能储存信息,能够很好地将气动模型的特性表征出来;最后,本文对所获取的气动数据进行处理,用以神经网络气动参数的辨识,从而建立飞行器气动模型,并验证其拟合效果。通过实验验证及分析可以知道,运用飞行仿真试验获取的气动数据对其模型的参数辨识有很好的实用性,并且基于本文提出的循环神经网络能够针对空气动力完成精准建模。
浦甲伦,韩业鹏,张亮[3]（2018）在《飞行器气动参数智能在线辨识技术研究》文中提出气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机（SVM）的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。
赵磊[4]（2018）在《导弹气动/大气参数一体化在线辨识与预示方法研究》文中提出未来战场的复杂作战环境对导弹的射前生存能力、突防能力和打击精度都提出了更高的现实需求。为了实现快速发射,确保导弹在大气层内机动突防时的飞行品质,减少由天地差异性导致的气动参数偏差以及飞行环境复杂多变性造成的大气参数扰动,提高导弹的打击精度与智能化水平,本文针对导弹气动参数与大气参数的实时精确获取问题,对气动/大气参数一体化在线辨识与预示方法进行了系统研究。对气动参数、大气参数与导弹动力学系统的内在关系进行了研究与建模。建立了满足辨识需求的面对称导弹六自由度运动模型。采用条件数判定法对气动参数模型候选项进行了多重共线性诊断,并利用逐步回归法对模型候选项进行了优选,确立了导弹气动模型结构形式与待辨识气动参数。分析了大气参数与导弹运动状态参数之间的关系,建立了包含风速影响的大气参数模型,并推导建立了大气参数变化率与导弹所受的力、飞行状态之间的解析表达式。研究了基于导航信息辅助的气动/大气参数一体化在线辨识方法。研究了扩展Kalman滤波（EKF）、无迹Kalman滤波（UKF）、扩维无迹Kalman滤波（AUKF）三种满足在线需求的滤波算法,从理论上比较了三种滤波算法的性能,并根据仿真结果分析确立了AUKF作为本文的辨识算法。研究了参数可辨识性相关理论,提出了基于敏感度指标的参数可辨识性分析判据,仿真确定了气动模型中可辨识参数与不可辨识参数的具体归属。基于第二章建立的导弹数学模型,结合导航系统输出的实时数据,进行了气动/大气参数一体化在线辨识滤波器设计,建立了状态方程与观测方程。仿真结果表明,基于导航信息辅助的气动/大气参数一体化在线辨识在获取气动参数与大气参数方面具有较高的精度和较好的实时性。研究了风干扰条件下的气动/大气全参数一体化在线辨识方法。对嵌入式大气数据系统（FADS）的压力模型以及参数解算方法进行了仿真与验证,并针对FADS系统在测压孔布局方面理论研究不足的问题,以钝头体导弹为例,进行了压力传感器布局优化的研究,采用流场仿真验证了优化方案的性能。通过融合导航与FADS系统给出的实时信息,设计了风干扰条件下气动/大气全参数一体化在线辨识滤波器,实现了气动参数与大气全参数的实时精确获取,并通过仿真验证了算法的有效性。提出了基于在线辨识的参数预示策略与方法。在得到当前及过去若干时间点的风速、密度与温度解算值后,采用渐消记忆的递推最小二乘法于飞行过程中对模型中的参数进行估计,建立参数偏差预示模型,结合弹道在线规划提供的高度信息,实现对未来时刻风速、密度与温度的在线预示。本文的工作可为大气层内飞行器气动参数与大气参数的实时精确获取提供技术和方法支持,可为在线任务规划、非程序制导控制、目标跟踪与落点预测等领域的研究提供参考。
任帅[5]（2018）在《导弹外测数据高可用性实时处理技术研究与应用》文中研究指明本论文工作主要以当前的飞行器测试及试验环境为背景,针对数据测量中存在的多种实际问题开展研究,提出了高可用性的导弹外测数据实时数据方法。随着我国导弹技术的不断发展,新试验模式不断出现,对实时数据测量处理能力提出更高要求,许多新的问题随之产生。这些问题将影响导弹目标测量跟踪的完整性、实时性和准确性。本文将讨论如何利用多种方法分别解决这些问题,增强测量性能,并且通过仿真对这些方法进行验证。所完成的工作包括以下方面:首先,针对测量过程中受导弹、测控站点、测控设备等多种因素影响导致的全程弹道不完整问题,发展了基于弹道特征的全程外推技术。对导弹各飞行段弹道外推进行建模,讨论了外推模型切换和外推模型关键参数获取技术。构建的外推模型经验证可以外推产生全程弹道。其次,针对测控过程中数据源优选的问题,研究了实时弹道数据精度提升技术。重点应用多R自动融合算法、纯连续波定位测速算法和高精度落点预报算法构建优选模型。通过提出的基于最小二乘的多测站向量交会方法,解决了多源异常数据难题,实现了多R自动融合和纯连续波定位测速。最后,研究了弹道导弹多目标实时识别技术,深入分析弹道导弹群目标特性,提出基于多元信息的主目标确定方法和基于偏差特性的目标弹道识别方法,构建多目标人机结合识别模型,提高了多目标识别能力。
黄振新[6]（2017）在《导弹环境参数在线辨识及其自适应控制方法研究》文中提出面对未来战场复杂多变的攻防对抗,战术导弹能有效结合传统弹道导弹和飞航导弹的优点,以突防能力强、打击精度高等诸多优势,成为各国研究热点。然而由于在稠密大气层内高速飞行时环境参数相对偏差对飞行品质和控制性能的影响,给其制导控制系统设计造成较大困难,本文对导弹大气数据测量系统和气动参数在线辨识技术及其在姿态控制系统上的应用进行了系统研究,对提高控制系统鲁棒性和制导控制技术的发展具有一定参考价值和研究意义。研究基于组合导航信息的三点法大气参数求解算法,有效解决了传统求解过程中经验公式获取成本高,迭代求解效率低的问题,并进行了算法验证和误差分析,提高了大气参数求解效率。研究了大气数据传感系统的优化问题。针对嵌入式大气数据传感（FADS）在测压孔配置方面理论研究的不足,对钝头体和尖锥外形飞行器进行了传感器布局优化方案的研究,仿真验证了优化方案的合理性;分析误差传播机理并建立了系统的误差校准函数,为有效提高系统精度奠定了基础;从领域前沿和未来发展方向探索提出分子光学大气数据传感方案（MOADS）,阐述了MOADS的结构和基本实现原理,为测量系统的进一步发展研究提供了借鉴。研究气动参数在线辨识技术,实现了战术导弹六自由度气动参数建模与在线辨识。建立战术导弹气动参数辨识基本模型,确定战术导弹参数辨识所需的状态方程和观测方程;利用方差分解比进行了参数共线性分析,并采用逐步回归法对气动参数模型候选项进行了筛选,从而建立气动模型;最后采用扩展卡尔曼滤波方法对战术导弹气动力和气动力矩系数进行了在线辨识,并计算滤波相对误差为参数辨识在控制系统的应用提供基础,仿真结果表明所建立的六自由度气动模型能较好拟合参数变化规律,气动参数辨识过程具有较好的收敛性和精度。研究基于环境参数辨识的导弹姿态控制方法。针对控制系统对模型精度要求高的特点,结合实时辨识得到的气动参数,自适应更新控制律模型,消除实际模型与设计飞行控制律时所用模型之间的模型误差,增强控制系统的鲁棒性。建立环境参数在线辨识模型,研究基于环境参数辨识的姿态控制系统;研究非线性动态逆控制的控制原理,转换得到姿态控制连续积分型形式,在此基础上分别结合PID控制方法和滑模控制方法进行控制律设计,并采用Simulink搭建控制器仿真平台仿真控制效果,一方面仿真实现了在环境参数辨识的误差范围内各个通道的控制结果,另一方面仿真了无参数辨识模块、参数偏差较大情况下的控制效果,对比表明通过环境参数在线辨识的结果可以有效减少模型参数偏差,较大程度上提高姿态控制系统的精度。本文的工作可为大气层内飞行器的大气参数测量、气动参数在线辨识和姿态控制系统设计等方向的研究提供一定的参考。
仇东旭[7]（2017）在《弹道修正火箭弹气动力参数辨识技术研究》文中认为火箭弹在大气层中飞行,我们主要研究它的飞行轨迹,其中数气动力参数对轨迹的影响最大。但是,在射击实验中,我们所用的雷达、地磁测量装置等设备只能测得火箭弹的基本数据,不能够直接得到这些气动力参数。在做风洞试验的时候,我们能够直接测得各个气动力参数,以及用科学理论的计算方法能够求得这些气动力参数,但误差较大,也不能真实模拟火箭弹飞行状态,已不能满足实际需要。我们这篇论文所要研究的就是用参数辨识的方法对弹道修正火箭弹气动力参数进行辨识,我们研究的主要目的是:从靶场的射击实验中用各种测量设备（雷达、地磁测量设备等）测得的外弹道基本数据,从这些数据中辨识出对火箭弹外弹道影响较大的气动力参数。本文结合系统辨识思想和最优化理论,对比了三种经典的参数辨识方法,提出了以最小二乘法作为参数辨识的基本方法。结合Isight参数优化软件,根据本文的辨识任务和目的,推导出了四自由度弹道方程组,找出了适用于本次辨识的气动参数模型,选取了零升阻力系数和升力系数导数以10%的误差作为本文的设计变量初值、弹道残差作为本文辨识的目标函数,最后又选取了几种适用于本次参数辨识的优化算法,对弹道影响较大的零升阻力系数和升力系数导数分别进行辨识,并将仿真结果应用到工程实践中,得出计算弹道与实测弹道数据距离的最大偏差约为38米,高度的最大偏差约为30米,横偏的最大偏差约为24米。验证了该方法在实际工程中应用的可行性。在进行气动力参数辨识的过程中,我们要做到快速的、精确地的辨识,因此,我们要注意到各个气动力参数在整个外弹道中的互相耦合的作用,论文以鲍威尔方法为优化算法开发了气动力参数辨识软件,该软件功能比较完善,用它对零升阻力系数和升力系数导数进行反复辨识,可得到计算弹道轨迹与实测弹道轨迹的比较以及残差收敛情况。辨识结果表明,计算弹道与实测弹道数据位置计算残差的标准差约为30米。研究表明用所开发的气动力参数辨识软件进行气动力参数辨识计算精度高,能够非常准确的应用在实际的弹箭工程设计中。
孙乐园[8]（2016）在《战术导弹滑翔段气动参数在线辨识与制导方法研究》文中研究表明助推滑翔导弹有效结合了传统弹道导弹和飞航导弹的特点,凭借其强突防能力,高打击精度成为当前国内外的研究热点。助推滑翔战术导弹作为中近程快速精确打击的重要手段,在当前反导系统的威慑下,必然向着全程可控、机动飞行,弹道灵活,任务适应能力强等方向发展。助推滑翔战术导弹的主要射程集中在滑翔段,滑翔段飞行性能很大程度上代表了导弹的飞行性能。滑翔段飞行环境复杂,气动参数的天地差异以及大气密度的扰动都会对导弹的稳定飞行和制导精度造成影响。本文为解决战术导弹滑翔段制导的关键问题,对滑翔段气动参数在线辨识以及预测校正制导方法进行了系统研究。对大气层内助推滑翔战术导弹滑翔段弹道进行了射程优化并对弹道特性进行了仿真分析。基于射程优化仿真结果对射程覆盖区域面积进行了估算,确定了滑翔段射程覆盖能力。分析了滑翔段气动过载、热流和动压等弹道特征量的变化规律,建立了高度-速度剖面飞行走廊,总结出弹道控制量和过程约束值对飞行走廊边界的影响规律,进而确定了滑翔段的主要过程约束。研究了滑翔段气动参数建模和在线辨识方法。采用奇异值分解法对气动参数模型候选项的复共线性进行了诊断,并基于逐步回归法对候选项进行了优选,从而建立滑翔段气动模型。参数可辨识是气动参数在线辨识工作的前提,提出了基于量级的参数可辨识性分析方法,结合扩展Kalman滤波方法的辨识结果对参数可辨识性分析方法进行了验证,并确定了不可辨识参数。基于扩展增量Kalman滤波方法,在观测模型存在非随机误差的欠观测条件下,对可辨识气动参数进行了在线辨识。仿真结果表明,所建立的气动参数模型能较好地描述导弹气动参数随飞行状态的变化规律,参数可辨识性分析方法确定了不可辨识参数,欠观测条件下基于扩展增量Kalman滤波方法的参数辨识过程具有较高的收敛性和精度。研究了滑翔段数值预测校正制导方法。建立了以能量参数为自变量的无量纲化滑翔段运动模型。基于过载变化规律将滑翔段弹道分为过载增加段、过载减小段和滑翔末段,并以此设计了倾侧角幅值的分段线性模型。提出了在过载增加段基于最大过载反馈的攻角修正方法。综合考虑制导效率和弹道约束,采用分段迭代策略,在过载增加段基于射程偏差反馈进行倾侧角的一维迭代,同时利用攻角进行过载限制,滑翔末段进行攻角和倾侧角的二维迭代,限制交班点高度和射程偏差,终端速度以能量终止条件保证。横向制导设计了倾侧角逻辑翻转策略。仿真结果表明,所设计的滑翔段制导方法不依赖标准弹道,对不同任务具有较强的适应能力,对大气密度和气动参数扰动具有较强的鲁棒性。提出了基于环境参数在线辨识的滑翔段制导方法。综合考虑大气密度和气动参数的影响,引入了综合升力系数和综合阻力系数,并基于参数可辨识性分析,确定了辨识环节输出。建立了以高度为自变量的环境参数在线预示模型,并利用辨识输出结果,采用渐消记忆最小二乘方法在线进行预示模型参数拟合和逐步修正。设计了基于环境参数在线辨识的滑翔段预测校正制导策略。大气密度和气动参数扰动下的制导仿真结果表明,环境参数在线预示模型对飞行环境参数的估计误差能逐步收敛,通过在预测校正制导中引入环境参数在线辨识,对弹道预测模型进行修正,有效提高了滑翔段制导精度。本文的工作可对大气层内飞行器非随机模型误差下的气动参数在线辨识、弹道在线规划与自适应制导控制等方向的研究提供一定的参考。
贾国鹏[9]（2015）在《基于MEMS陀螺仪的飞行器动导数测试系统研究》文中研究表明稳定和控制问题是飞行器设计的关键技术之一,动导数是用来衡量飞行器稳定性的重要参数。风洞自由飞试验可以避免支杆对动导数测量结果的影响,因此完全没有干扰影响的风洞自由飞动导数试验技术至今还在探索发展。论文的目的在于改进目前采用的首先以高速摄影获取原始姿态角数据,然后根据模型平面运动方程通过极大似然准则辨识动导数的方法。论文设计了一种基于MEMS陀螺仪的嵌入式测试系统来测量姿态角运动,研究了利用角度/角速相平面法来判断动导数的方法。首先在总结研究飞行器动导数测试及其相关技术的基础上,利用高速MEMS陀螺,以ARM微控制器为核心处理器,完成了测量精度、转换速率、带宽、体积及功耗等满足风洞自由飞动导数测量要求的姿态测量系统总体方案及其软硬件设计。系统采用模块化设计技术,根据功能将测试系统硬件分为角速度测试模块、自动增益调理模块、采集处理模块、无线收发模块、电源管理模块等部分;采用汇编语言与高级语言混合编程完成了系统各个功能模块的软件设计。完成了测试系统硬件加工和软硬件联合调试。其次,完成了飞行器动导数测试系统调试与校准,利用伺服电机转台对MEMS陀螺进行多组不同条件下的静态和动态校准,采集不同转速下的陀螺输出,依据最小二乘法拟合出陀螺输出运动模型;对影响陀螺测量精度的各种误差因素进行了分析研究;在现有的惯性速率机电系统无法实现较高频率角运动激励情况下,利用伺服电机直线加速方式和陀螺仪自测功能测试了陀螺仪的频率响应;采用渐消因子自适应卡尔曼滤波进行陀螺仪和加速度计数据融合,获得较为理想的姿态角动态响应,保证测试系统能可靠地应用于风洞自由飞动导数测量。最后,研究了一种不同于极大似然法的角度/角速相平面辨识动导数方法,利用飞行器动导数试验姿态角运动测试数据对该方法进行验证,结果表明,与传统的极大似然法相比,角度/角速相平面法可以快速判断动导数的极性即飞行器动稳定性。
贾晓娟[10]（2015）在《高超声速飞行器再入轨迹估计与跟踪》文中研究说明随着航空航天领域快速发展,高超声速飞行器雷达跟踪技术扮演着越来越重要的角色。如何基于地基雷达准确测量、跟踪和预测再入轨迹,是进行高超声速飞行器预警、拦截等研究的基础与核心。目标跟踪问题通常采用传统的卡尔曼滤波（Kalman Filter,KF）方法,然而考虑到高超声速飞行器再入过程的强非线性特征,为线性系统设计的滤波算法无法直接应用,需要研究适用于非线性系统的滤波算法来解决该问题。本文分别针对弹道式再入和机动式再入,推导了多种非线性滤波在再入轨迹的估计与跟踪问题中的算法实现,并对比分析了各算法的跟踪性能。主要研究内容和结论包括:（1）为了跟踪再入目标的需要,针对弹道式再入和机动式再入两种再入方式分别建立了地心坐标系下的运动模型及雷达站球坐标系下的观测模型。（2）考虑到再入跟踪模型的非线性特性,分类论述了适用于非线性系统的滤波算法,详细阐述扩展卡尔曼滤波（Extended Kalman Filter,EKF）、无迹卡尔曼滤波（Unscented Kalman Filter,UKF）和平方根形式的中心差分扩展滤波（Square-Root Central Difference Kalman Filter,SRCDKF）的计算步骤以及优缺点,进而完成了这三种滤波算法的软件实现。考虑到对象模型的不确定性,研究了交互式多模型（Interacting Multiple Model,IMM）与UKF的融合算法。此外,为了评估建立的模型与滤波算法对再入目标轨迹跟踪的性能,提出了跟踪性能的评估准则。（3）针对弹道式再入,加入雷达观测噪声,采用多种滤波方法对弹道系数已知且固定的轨迹跟踪进行了仿真分析,进而对弹道系数未知时的轨迹跟踪与弹道系数估计进行了仿真,并研究了雷达数据率对再入轨迹跟踪及弹道系数估计的影响。结果表明:EKF算法性能相对较差,UKF与SRCDKF算法跟踪效果较好,三种算法的运行时间依次递增;雷达数据率的增加会提高估计精度并加快收敛速度;IMM-UKF算法在对象模型不确定情况下可以提高再入轨迹估计精度和收敛速度。（4）针对机动式再入,以CAV-L作为研究对象,分别对跳跃式机动和准平衡滑翔机动两种机动模式进行了轨迹跟踪仿真分析,仿真结果表明UKF和SRCDKF算法均可以很好的完成机动式再入轨迹的跟踪,但对于气动力系数的实时估计效果较差。论文探索了高超声速飞行器再入轨迹的估计与跟踪问题,其本质为针对受噪声和不确定因素下的轨迹进行滤波,研究在其应用背景下具有一定的工程应用价值,可以为高速再入目标的跟踪定位提供一定参考依据。
二、用卡尔曼滤波辨识再入体空气动力系数的参数研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用卡尔曼滤波辨识再入体空气动力系数的参数研究（论文提纲范文）
（1）智能赋能流体力学展望（论文提纲范文）
| 1 流体力学方程、模型和方法的智能构建 |
| 1.1 流体力学控制方程的机器学习 |
| 1.2 湍流建模的机器学习方法 |
| 1.3 流体物理量纲分析/标度智能化 |
| 1.4 流动数值模拟方法的智能化 |
| 2 流动特征提取与数据融合方法的智能化 |
| 2.1 流动特征提取与数据挖掘 |
| 2.2 多源气动力数据的智能融合 |
| 2.2.1 针对高、低精度数据的气动力融合方法 |
| 2.2.2 针对不同状态数据的气动力融合方法 |
| 3 数据驱动的多学科、多物理场耦合建模与控制 |
| 3.1 数据驱动的多场耦合建模 |
| 3.2 气动外形智能优化设计 |
| 3.3 智能化、自适应流动控制 |
| 4 总结与展望 |
| 附录A |
（2）基于Prepar3D的飞行气动数据的获取与验证（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外文献综述及研究现状 |
| 1.2.1 飞行数据获取与参数辨识的发展 |
| 1.2.2 飞行模拟软件与飞行模拟器的发展 |
| 1.3 参数辨识基本理论与常用方法分析 |
| 1.3.1 系统辨识内容 |
| 1.3.2 飞行器参数辨识常用方法分析 |
| 1.4 主要研究内容与章节安排 |
| 第二章 固定翼飞行器气动力模型的建模分析 |
| 2.1 飞行器动力学系统分析 |
| 2.1.1 常用坐标系及转换 |
| 2.1.2 飞行器刚体动力学方程 |
| 2.1.3 空气动力学数学模型 |
| 2.2 建模方法 |
| 2.2.1 传统数学模型 |
| 2.2.2 神经网络模型 |
| 2.3 典型的神经网络建模方法 |
| 2.3.1 神经元模型 |
| 2.3.2 前馈型神经网络 |
| 2.3.3 卷积神经网络 |
| 2.3.4 循环神经网络 |
| 2.4 本章小结 |
| 第三章 飞行模拟软件的选择与气动数据的获取 |
| 3.1 塞斯纳172 飞机固定飞行模拟器 |
| 3.2 主流模拟飞行软件功能及对比 |
| 3.3 基于Prepar3D获取气动数据及数据处理 |
| 3.3.1 飞行试验数据 |
| 3.3.2 真实飞行数据 |
| 3.3.3 试验数据的理论计算 |
| 3.4 气动数据用于参数辨识的可行性分析 |
| 3.5 本章小结 |
| 第四章 基于神经网络的气动参数辨识及验证 |
| 4.1 神经网络辨识准则及优化算法研究 |
| 4.1.1 反向传播算法 |
| 4.1.2 实时递归学习算法 |
| 4.2 系统辨识结果与验证 |
| 4.2.1 试验数据辨识结果与分析 |
| 4.2.2 QAR数据辨识结果与分析 |
| 4.3 本章小结 |
| 第五章 结论与展望 |
| 5.1 总结 |
| 5.2 进一步研究工作的展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（3）飞行器气动参数智能在线辨识技术研究（论文提纲范文）
| 0 引言 |
| 1 气动参数智能辨识流程设计 |
| 2 导弹气动参数智能在线辨识方案设计 |
| 2.1 气动参数辨识模型的简化 |
| 2.2在线快速辨识算法 |
| 2.3 在线快速辨识方案设计 |
| 3 基于小波神经网络的气动参数辨识 |
| 3.1 小波神经网络的构建 |
| 3.2 小波神经网络的训练 |
| 4 结合SVM方法的气动参数辨识 |
| 4.1 SVM对回归问题的求解 |
| 4.2 基于SVM的小子样修正问题 |
| 5 飞行器在线参数辨识仿真结果对比 |
| 6 结论 |
（4）导弹气动/大气参数一体化在线辨识与预示方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文研究背景与意义 |
| 1.1.1 论文研究背景 |
| 1.1.2 论文研究意义 |
| 1.2 气动参数辨识研究现状 |
| 1.2.1 国内外整体研究进展 |
| 1.2.2 气动参数辨识方法研究现状 |
| 1.3 大气数据系统研究现状 |
| 1.3.1 嵌入式大气数据系统 |
| 1.3.2 虚拟大气数据系统 |
| 1.4 本文研究目的 |
| 1.5 论文研究内容与组织结构 |
| 第二章 气动/大气参数一体化在线辨识建模 |
| 2.1 引言 |
| 2.2 导弹运动模型 |
| 2.2.1 坐标系定义 |
| 2.2.2 坐标转换矩阵 |
| 2.2.3 面对称导弹六自由度运动模型 |
| 2.3 气动参数模型 |
| 2.3.1 模型候选项 |
| 2.3.2 模型候选项共线性诊断 |
| 2.3.3 模型优选算法 |
| 2.3.4 气动参数建模 |
| 2.4 大气参数模型 |
| 2.5 小结 |
| 第三章 基于导航信息辅助的气动/大气参数一体化在线辨识 |
| 3.1 引言 |
| 3.2 气动/大气参数一体化在线辨识算法研究 |
| 3.2.1 EKF |
| 3.2.2 UKF |
| 3.2.3 AUKF |
| 3.2.4 EKF、UKF、AUKF精度与效率对比 |
| 3.3 气动/大气参数一体化在线辨识滤波器设计 |
| 3.3.1 状态方程 |
| 3.3.2 观测方程 |
| 3.4 参数可辨识性分析 |
| 3.5 气动/大气参数一体化在线辨识仿真 |
| 3.6 小结 |
| 第四章 风干扰条件下的气动/大气全参数一体化在线辨识 |
| 4.1 引言 |
| 4.2 FADS系统 |
| 4.2.1 FADS空气动力学模型 |
| 4.2.2 FADS参数解算方法 |
| 4.2.3 FADS传感器布局优化 |
| 4.3 考虑风干扰的滤波器设计 |
| 4.3.1 状态方程 |
| 4.3.2 观测方程 |
| 4.4 融合导航与FADS信息的一体化在线辨识仿真 |
| 4.4.1 FADS仿真 |
| 4.4.2 风干扰条件下的一体化在线辨识仿真 |
| 4.5 小结 |
| 第五章 基于在线辨识的参数预示方法研究 |
| 5.1 引言 |
| 5.2 参数在线预示策略及建模 |
| 5.3 参数在线预示算法 |
| 5.4 参数在线预示仿真 |
| 5.4.1 风速预示 |
| 5.4.2 大气密度预示 |
| 5.4.3 大气温度预示 |
| 5.5 小结 |
| 结束语 |
| 论文主要研究内容和成果 |
| 论文创新点 |
| 下一步研究建议和展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（5）导弹外测数据高可用性实时处理技术研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 弹道外推发展现状 |
| 1.3 外测数据处理发展现状 |
| 1.4 目标识别发展现状 |
| 1.5 论文研究内容 |
| 第2章 基于弹道特征的全程外推技术 |
| 2.1 匹配弹道特征的分段弹道外推模型 |
| 2.1.1 坐标系定义 |
| 2.1.2 主动段弹道外推模型 |
| 2.1.3 自由段弹道外推模型 |
| 2.1.4 再入段弹道外推模型 |
| 2.2 分段弹道外推模型的实时切换技术 |
| 2.3 基于理论弹道反算的外推模型关键参数获取技术 |
| 2.3.1 推力参数获取技术 |
| 2.3.2 气动参数辨识技术 |
| 2.4 实时弹道基准数据稳健处理方法 |
| 2.5 仿真实验及结果分析 |
| 2.5.1 仿真试验环境设计 |
| 2.5.2 性能指标定义 |
| 2.5.3 试验仿真及结果分析 |
| 2.6 本章小结 |
| 第3章 实时弹道数据精度提升技术 |
| 3.1 多R自动融合技术 |
| 3.1.1 多R自动融合基本思想 |
| 3.1.2 N选3测距数据定位结果解算 |
| 3.1.3 基于贴近度的异常定位结果剔除 |
| 3.1.4 基于递推最小二乘的精确定位 |
| 3.1.5 仿真实验及结果分析 |
| 3.2 纯连续波定位测速算法 |
| 3.2.1 有效测元数据实时电修技术 |
| 3.2.2 基于Hopfield模型的测速修正技术 |
| 3.2.3 多测站向量交会测角定位算法 |
| 3.2.4 多测速数据自动融合速度解算 |
| 3.2.5 纯连续波定位测速效果分析 |
| 3.3 高精度落点预报算法 |
| 3.3.1 影响落点预报精度的因素分析 |
| 3.3.2 基于积分滤波的落点预报算法 |
| 3.3.3 基于双椭圆交会的落点预报算法 |
| 3.3.4 积分滤波与双椭圆交会相结合落点预报方法 |
| 3.3.5 仿真实验及结果分析 |
| 3.4 本章小结 |
| 第4章 导道导弹多目标的实时识别技术 |
| 4.1 弹道导弹群目标特性分析 |
| 4.2 基于多元信息的主目标弹道确定 |
| 4.2.1 利用GPS或惯导数据确定主目标 |
| 4.2.2 利用雷达数据确定主目标 |
| 4.2.3 利用理论弹道数据确定主目标 |
| 4.3 基于偏差特性的其他目标弹道识别 |
| 4.3.1 一子级 |
| 4.3.2 末修舱 |
| 4.3.3 诱饵和干扰装置 |
| 4.3.4 中继转发装置 |
| 4.4 利用光遥信息进行多目标辅助判决 |
| 4.4.1 光学图像辅助判决 |
| 4.4.2 遥测指令辅助判决 |
| 4.5 多目标人机结合识别效果分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（6）导弹环境参数在线辨识及其自适应控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文研究背景与意义 |
| 1.1.1 论文研究背景 |
| 1.1.2 论文研究意义 |
| 1.1.3 论文研究目的 |
| 1.2 大气数据传感系统研究现状 |
| 1.2.1 嵌入式大气数据传感系统 |
| 1.2.2 光学大气数据传感系统 |
| 1.3 气动参数辨识研究现状 |
| 1.3.1 气动模型辨识 |
| 1.3.2 模型参数辨识 |
| 1.4 导弹控制方法研究现状 |
| 1.4.1 经典控制方法 |
| 1.4.2 现代控制方法 |
| 1.5 论文研究内容与章节安排 |
| 第二章 导弹大气参数解算 |
| 2.1 引言 |
| 2.2 FADS空气动力学模型 |
| 2.3 FADS参数解算方法 |
| 2.4 基于组合导航信息的三点法求解大气参数 |
| 2.4.1 攻角及侧滑角求解 |
| 2.4.2 动压及密度求解 |
| 2.4.3 求解算法仿真验证及分析 |
| 2.5 小结 |
| 第三章 导弹大气数据传感系统优化 |
| 3.1 引言 |
| 3.2 钝头体飞行器传感器布局优化 |
| 3.2.1 传感器布局优化方案 |
| 3.2.2 数值仿真与结果分析 |
| 3.3 尖锥头部飞行器的传感器布局优化 |
| 3.3.1 传感器布局优化方案 |
| 3.3.2 数值仿真和结果分析 |
| 3.4 嵌入式大气数据传感系统误差分析 |
| 3.4.1 FADS误差传播机理 |
| 3.4.2 FADS误差校准函数 |
| 3.5 光学大气数据传感方案探索 |
| 3.5.1 光学大气数据传感系统结构 |
| 3.5.2 光学大气数据传感系统解算方法 |
| 3.6 小结 |
| 第四章 导弹六自由度气动参数建模与在线辨识 |
| 4.1 引言 |
| 4.2 气动参数辨识基本模型 |
| 4.2.1 导弹运动模型 |
| 4.2.2 状态方程 |
| 4.2.3 观测方程 |
| 4.3 气动参数模型 |
| 4.3.1 气动参数模型候选项 |
| 4.3.2 基于方差分解比的参数共线性分析 |
| 4.4 气动参数在线辨识 |
| 4.4.1 气动参数建模 |
| 4.4.2 扩展Kalman滤波方法 |
| 4.4.3 气动参数在线辨识结果与分析 |
| 4.5 小结 |
| 第五章 基于参数辨识的导弹自适应控制方法 |
| 5.1 引言 |
| 5.2 姿态控制系统设计 |
| 5.2.1 环境参数在线辨识模型 |
| 5.2.2 基于环境参数辨识的姿态控制 |
| 5.3 姿态控制方法 |
| 5.3.1 非线性动态逆控制 |
| 5.3.2 基于非线性动态逆的PID姿态控制 |
| 5.3.3 基于非线性动态逆的滑模姿态控制 |
| 5.4 基于环境参数辨识的姿态控制仿真 |
| 5.4.1 非线性动态逆控制仿真 |
| 5.4.2 基于非线性动态逆的PID控制仿真 |
| 5.4.3 基于非线性动态逆的滑模控制仿真 |
| 5.5 小结 |
| 结束语 |
| 论文主要研究内容和成果 |
| 论文创新点 |
| 下一步研究建议和展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（7）弹道修正火箭弹气动力参数辨识技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题的科学意义和应用前景 |
| 1.2 国内外发展现状 |
| 1.3 本文研究工作及主要内容 |
| 第二章 弹道修正火箭弹弹道方程的建立 |
| 2.1 弹道模型选取方案 |
| 2.2 弹道修正火箭弹上的力和力矩 |
| 2.3 常用坐标系及其转换关系 |
| 2.4 弹道修正火箭弹四自由度方程组的建立 |
| 2.5 本章小结 |
| 第三章 弹道修正火箭弹气动力参数辨识理论基础 |
| 3.1 气动力参数辨识基本理论 |
| 3.1.1 系统辨识的基本过程 |
| 3.1.2 气动力参数辨识的内容 |
| 3.2 气动力参数可辨识性分析 |
| 3.2.1 气动力系数的可辨识性分析 |
| 3.2.2 气动力矩系数的可辨识性分析 |
| 3.3 气动力参数辨识方法 |
| 3.4 最优化理论 |
| 3.4.1 最优化理论基础 |
| 3.4.2 最优化问题数学模型的构成 |
| 3.4.3 迭代过程与收敛准则 |
| 3.5 本章小结 |
| 第四章 基于Isight的气动力参数辨识研究 |
| 4.1 Isight参数优化软件 |
| 4.2 基于Isight的气动力参数辨识流程 |
| 4.3 弹道诸元样本数据 |
| 4.4 设计变量和目标函数的确定 |
| 4.4.1 设计变量初始化 |
| 4.4.2 目标函数的确定 |
| 4.5 优化算法的选择 |
| 4.5.1 修正可行方向法 |
| 4.5.2 粒子群优化算法 |
| 4.5.3 模式搜索法 |
| 4.5.4 组合优化算法 |
| 4.6 仿真实验辨识结果 |
| 4.7 基于Isight软件的气动力参数辨识的应用 |
| 4.7.1 样本数据异常点剔除 |
| 4.7.2 基于Isight软件气动力参数辨识的应用 |
| 4.8 本章小结 |
| 第五章 专用气动力参数辨识模块研究 |
| 5.1 专用气动力参数辨识模块 |
| 5.2 专用气动力参数辨识优化算法 |
| 5.3 专用气动力参数辨识步骤 |
| 5.4 专用气动力参数辨识计算结果 |
| 5.5 本章小结 |
| 第六章 结束语 |
| 6.1 工作总结 |
| 6.2 有待进一步研究的问题 |
| 参考文献 |
| 攻读硕士期间发表的论文及所取得的科研成果 |
| 致谢 |
（8）战术导弹滑翔段气动参数在线辨识与制导方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文研究背景与意义 |
| 1.1.1 论文研究背景 |
| 1.1.2 气动参数在线辨识的研究意义 |
| 1.1.3 基于气动参数在线辨识的制导方法研究意义 |
| 1.2 气动参数辨识研究现状 |
| 1.2.1 气动模型辨识 |
| 1.2.2 模型参数辨识 |
| 1.3 飞行器制导方法研究现状 |
| 1.3.1 助推段制导方法 |
| 1.3.2 滑翔段制导方法 |
| 1.4 本文研究目的 |
| 1.5 论文研究内容与组织结构 |
| 第二章 战术导弹滑翔段弹道特性分析 |
| 2.1 引言 |
| 2.2 质心弹道模型 |
| 2.2.1 坐标系定义 |
| 2.2.2 坐标转换矩阵 |
| 2.2.3 导弹运动模型 |
| 2.3 滑翔段弹道约束 |
| 2.3.1 约束条件 |
| 2.3.2 飞行走廊 |
| 2.4 弹道优化仿真算例及弹道特性分析 |
| 2.4.1 射程覆盖能力 |
| 2.4.2 飞行走廊特性 |
| 2.5 小结 |
| 第三章 战术导弹滑翔段气动参数建模与在线辨识 |
| 3.1 引言 |
| 3.2 气动参数辨识数学模型 |
| 3.2.1 导弹运动模型 |
| 3.2.2 观测模型 |
| 3.2.3 气动参数模型 |
| 3.3 气动参数模型辨识 |
| 3.3.1 模型候选项 |
| 3.3.2 模型候选项共线性诊断 |
| 3.3.3 模型优选算法 |
| 3.4 基于量级的参数可辨识性分析 |
| 3.4.1 气动力参数的可辨识性分析 |
| 3.4.2 气动力矩参数的可辨识性分析 |
| 3.5 气动模型参数在线辨识方法 |
| 3.5.1 扩展Kalman滤波方法 |
| 3.5.2 扩展增量Kalman滤波方法 |
| 3.6 助推滑翔战术导弹气动参数建模与在线辨识 |
| 3.6.1 滑翔段气动参数建模 |
| 3.6.2 滑翔段气动参数在线辨识 |
| 3.7 小结 |
| 第四章 战术导弹滑翔段预测校正制导 |
| 4.1 引言 |
| 4.2 滑翔段制导数学模型 |
| 4.2.1 预测校正制导问题描述 |
| 4.2.2 无量纲运动方程 |
| 4.2.3 约束条件 |
| 4.3 预测校正制导 |
| 4.3.1 制导方案 |
| 4.3.2 纵向制导律 |
| 4.3.3 横向制导律 |
| 4.3.4 过载约束处理 |
| 4.4 滑翔段制导仿真 |
| 4.4.1 滑翔段约束条件 |
| 4.4.2 仿真结果与分析 |
| 4.5 小结 |
| 第五章 基于环境参数在线辨识的滑翔段预测校正制导 |
| 5.1 引言 |
| 5.2 面向制导应用的环境参数在线辨识 |
| 5.2.1 弹道预测问题 |
| 5.2.2 待辨识参数 |
| 5.2.3 环境参数在线辨识 |
| 5.3 基于环境参数在线辨识的预测校正制导方法 |
| 5.3.1 环境参数在线预示模型 |
| 5.3.2 渐消记忆递推最小二乘法 |
| 5.3.3 基于参数在线辨识的制导策略 |
| 5.4 基于环境参数在线辨识的制导仿真 |
| 5.4.1 环境参数在线辨识仿真分析 |
| 5.4.2 制导仿真分析 |
| 5.5 小结 |
| 结束语 |
| 论文主要研究内容和成果 |
| 论文创新点 |
| 下一步研究建议和展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（9）基于MEMS陀螺仪的飞行器动导数测试系统研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 课题国内外研究现状 |
| 1.3 课题研究内容及章节安排 |
| 2 飞行器动导数测试及其相关技术 |
| 2.1 飞行器动导数 |
| 2.2 飞行器动导数测试技术 |
| 2.3 陀螺仪与加速度计 |
| 2.3.1 MEMS陀螺仪 |
| 2.3.2 MEMS加速度计 |
| 2.4 小结 |
| 3 飞行器动导数测试系统设计 |
| 3.1 系统功能及需求分析 |
| 3.2 系统总体方案设计 |
| 3.3 系统硬件设计 |
| 3.3.1 角速度测试模块 |
| 3.3.2 信号调理模块 |
| 3.3.3 微控制器采集处理模块 |
| 3.3.4 无线收发模块 |
| 3.3.5 电源管理模块 |
| 3.4 系统软件设计 |
| 3.4.1 ARM7启动程序 |
| 3.4.2 采样程序 |
| 3.4.3 无线收发程序 |
| 3.4.4 卡尔曼滤波程序 |
| 3.5 小结 |
| 4 飞行器动导数测试系统调试与校准 |
| 4.1 调试校准设备 |
| 4.2 静态校准 |
| 4.2.1 零速率校准 |
| 4.2.2 灵敏度校准 |
| 4.2.3 温度校准 |
| 4.3 动态调试 |
| 4.4 小结 |
| 5 飞行器动导数测试及辨识分析 |
| 5.1 飞行器动导数测试结果 |
| 5.2 动导数辨识分析 |
| 5.2.1 极大似然法动导数辨识 |
| 5.2.2 直接测量数据相平面法动导数辨识 |
| 5.3 小结 |
| 6 总结与展望 |
| 致谢 |
| 参考文献 |
（10）高超声速飞行器再入轨迹估计与跟踪（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 再入目标跟踪 |
| 1.2.2 滤波算法 |
| 1.3 论文主要工作和结构安排 |
| 第二章 再入目标建模 |
| 2.1 坐标系及其互相转换 |
| 2.1.1 坐标系定义 |
| 2.1.2 坐标系间转换关系 |
| 2.2 三自由度运动学模型 |
| 2.3 环境模型 |
| 2.3.1 气动模型 |
| 2.3.2 地球重力模型 |
| 2.4 再入目标运动模型 |
| 2.4.1 弹道再入 |
| 2.4.2 机动再入 |
| 2.5 观测方程 |
| 2.6 本章小结 |
| 第三章 再入目标跟踪的滤波算法及交互式多模型建模 |
| 3.1 再入目标的跟踪滤波算法 |
| 3.1.1 EKF算法 |
| 3.1.2 UKF算法 |
| 3.1.3 SRCDKF算法 |
| 3.2 基于交互式多模型的融合滤波算法 |
| 3.3 再入目标跟踪的性能评估准则 |
| 3.4 本章小结 |
| 第四章 再入目标跟踪 |
| 4.1 弹道再入目标的跟踪与分析 |
| 4.1.1 轨迹跟踪 |
| 4.1.2 弹道系数估计 |
| 4.2 机动再入目标的跟踪与分析 |
| 4.2.1 升力为常值并固定不变 |
| 4.2.2 再入目标跳跃式弹道的跟踪 |
| 4.2.3 再入目标滑翔弹道的跟踪 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表论文和参加科研情况 |
| 致谢 |
四、用卡尔曼滤波辨识再入体空气动力系数的参数研究（论文参考文献）
- [1]智能赋能流体力学展望[J]. 张伟伟,寇家庆,刘溢浪. 航空学报, 2021(04)
- [2]基于Prepar3D的飞行气动数据的获取与验证[D]. 宗奕彤. 南京航空航天大学, 2020(07)
- [3]飞行器气动参数智能在线辨识技术研究[J]. 浦甲伦,韩业鹏,张亮. 宇航总体技术, 2018(06)
- [4]导弹气动/大气参数一体化在线辨识与预示方法研究[D]. 赵磊. 国防科技大学, 2018(01)
- [5]导弹外测数据高可用性实时处理技术研究与应用[D]. 任帅. 哈尔滨工业大学, 2018(01)
- [6]导弹环境参数在线辨识及其自适应控制方法研究[D]. 黄振新. 国防科技大学, 2017(02)
- [7]弹道修正火箭弹气动力参数辨识技术研究[D]. 仇东旭. 中北大学, 2017(08)
- [8]战术导弹滑翔段气动参数在线辨识与制导方法研究[D]. 孙乐园. 国防科学技术大学, 2016(01)
- [9]基于MEMS陀螺仪的飞行器动导数测试系统研究[D]. 贾国鹏. 重庆大学, 2015(06)
- [10]高超声速飞行器再入轨迹估计与跟踪[D]. 贾晓娟. 西北工业大学, 2015(03)