一种小波网络的系统辨识方法
【专利摘要】发明的一种小波网络的系统辨识方法，把直升机看做一个整体，用小波网络来建立直升机的智能化动态仿真模型。这种方法采用小波作为激励函数，因此，建立的仿真模型精度高，避免了复杂的空气动力学知识。
【专利说明】一种小波网络的系统辨识方法
一、【技术领域】
[0001]本发明属于智能化建模领域，本发明涉及小波、神经网络、动态辨识等方法。
二、【背景技术】
[0002]用传统的机理建模方法建立直升机的仿真模型是可行的，但是这种方法需要大量的空气动力学知识。神经网络具有良好的非线性映射能力，因此可以用它来建立直升机的仿真模型。小波的伸缩和平移可构成L2空间的一组基，因此小波具有良好的函数逼近能力。利用小波的这种性质构造小波神经网 络，可以提高逼近精度，适合于建立直升机的动态仿真模型。
[0003]三、专利内容:
[0004]1、专利目的
[0005]为避免复杂的空气动力学知识，建立高精度的直升机仿真模型，采用小波网络来建立直升机的智能化的动态仿真模型。
[0006]2、技术解决方案
[0007]把直升机看做一个整体，则有四个控制变量，分别是横向周期变距、纵向周期变距、尾桨距、总距。则输出变量可以选为九个输出变量中的任意一个，即飞行速度在体轴系中三个方向上的分量、直升机角速度的三分量、直升机的俯仰角、侧倾角和偏航角九个变量中的一个。利用这些输入、输出变量来建立直升机的动态仿真模型。
[0008]3、技术效果及优点
[0009]这种基于小波网络的动态辨识方法，避免了机理建模所需的空气动力学知识，大大降低了仿真模型的复杂度。与传统神经网络模型相比，小波网络模型具有结构简单、运算速度快、泛化能力高等很多优越的性能。
四、【具体实施方式】
[0010]完整的直升机飞行动力学模型主要包括:直升机的多体动力学、旋翼挥舞和摆振运动、旋翼尾迹、气动干扰效应等环节。如果用神经网络建立了每个组成部分的仿真模型，那么就可以尝试把这些仿真模型合成一个整体，来建立直升机完整的仿真模型。考虑这种模型的复杂程度和计算量，目前用神经网络还难以建立完整的直升机仿真模型。针对建立直升机仿真模型的目的，从美国军方颁布的“军用旋翼飞行器驾驶品质要求”(ADS-33D标准)中，选取一种在垂直平面内做鱼跃机动的飞行状态建立直升机的仿真模型。
[0011]把动态系统输入输出的一步或多步延迟，连同动态系统的输入一起作为神经网络的输入，以使构造的神经网络模型能反映系统的动态特性。另外，用于神经网络的激励函数有多种，如Gaussian核和多项式核。小波函数可以以任意精度逼近任意函数，因此可以利用小波核构造小波网络。满足小波容许性条件的一个函数是Marr小波函数:
[0012]v(i) = (l-12)e_,2/2(I)
[0013]由Marr小波构造一维激励函数:[0014]
【权利要求】
1.一种小波网络的系统辨识方法，其特征在于:把动态系统输入输出的一步或多步延迟，连同动态系统的输入一起作为神经网络的输入，以使构造的神经网络辨识模型能反映系统的动态特性。
2.权利要求1所述的一种小波网络的系统辨识方法，其特征还在于:激励函数选取小波核函数，以提闻系统辨识的精度。
3.权利要求1所述的一种小波网络的系统辨识方法，其特征还在于:避免了复杂的空气动力学知识，而 能建立高精度的直升机仿真模型。
【文档编号】G06F19/00GK104021263SQ201310064388
【公开日】2014年9月3日 申请日期:2013年3月1日 优先权日:2013年3月1日
【发明者】王书舟 申请人:天津工业大学