[发明专利]基于BP神经网络的大攻角飞行状态下大气数据测量方法

说明书

技术领域

本发明涉及一种大气数据测量方法，尤其涉及一种基于BP神经网络的大攻角飞行状态下大气数据测量方法，用于飞行器在大攻角飞行状态下的大气数据测量。

背景技术

大气数据是飞行器的重要飞行参数，大气数据的精度和测量范围直接关系到飞行器的自动控制系统、导航系统、火控系统、飞行管理系统以及座舱仪表显示/警告系统的正常工作及性能发挥。随着新一代飞机的发展，大气数据的测量面临着新的问题与挑战。世界各国都把飞机的机动性、敏捷性列为设计中的重要战术技术指标。战斗机的瞬时高机动、高敏捷主要是通过大攻角飞行来实现的，大攻角飞行特性已成为现代战斗机发挥战斗使用潜能的主要技术基础保证。然而在大攻角飞行时，飞机机体表面气流容易发生分离，飞机处于复杂的非线性不对称漩涡气流中，利用传统的空速管式大气数据系统难以实现大气数据的有效测量，严重制约了新一代飞机性能发挥。另外，突出的传感器测量装置势必会降低飞机的隐身性，因此解决新一代飞机大气数据测量问题显得尤为重要。

针对这一问题，目前国内外通过研究嵌入式大气数据系统和光学式大气数据系统的方法实现大攻角下大气数据的测量，但是这种研究新型大气数据系统的方法技术难度大、校准和维护费用代价较高；另外，国外也提出了一种基于飞行动力学模型，利用惯性导航系统、飞行控制系统、大气数据系统输出数据进行攻角和侧滑角的估计方法，由于该方法需要精确的飞行动力学模型，然而准确的飞行动力学模型在实际应用中难以建立，并且该方法只能对攻角和侧滑角进行估计，不能实现其他大气数据的估计。

大气数据与大气特性、飞行状态、飞行控制量以及机体物理结构之间存在复杂的非线性的函数关系。人工神经网络具有良好的非线性映射能力，不需要建立复杂的函数模型，只要有足够的样本数据和网络神经元，通过构建合适的网络结构，就可以建立起输入与输出之间的对应关系，从而实现对复杂非线性函数的逼近。

发明内容

本发明所要解决的技术问题在于克服现有技术的不足，提供一种基于BP神经网络的大攻角飞行状态下大气数据测量方法，利用机载惯性导航系统、卫星定位系统、飞行控制系统，通过BP神经网络实现大攻角飞行状态下大气数据的精确估计。

本发明的基于BP神经网络的大攻角飞行状态下大气数据测量方法，包括以下步骤：

步骤1、在大攻角飞行状态下采集一段时间内惯性导航系统、卫星定位系统、飞行控制系统以及大气数据系统的输出数据，并对其进行归一化；

步骤2、建立BP神经网络，并以归一化后的惯性导航系统、卫星定位系统、飞行控制系统的输出数据作为BP神经网络的训练和测试输入样本，以归一化后的大气数据系统的输出数据作为BP神经网络的训练和测试输出样本，对BP神经网络进行训练、测试；

步骤3、在大攻角飞行状态下采集当前时刻惯性导航系统、卫星定位系统、飞行控制系统的输出数据，对其进行归一化后输入训练好的BP神经网络，将BP神经网络的输出数据进行反归一化处理，即得到当前时刻的大气数据。

     优选地，所述惯性导航系统的输出数据包括三个姿态角、三个姿态角速度和三个线加速度信息，三个姿态角信息分别为俯仰角                                               、横滚角、偏航角；三个姿态角速度信息分别为机体坐标系下轴、轴和轴方向的横滚角速度、俯仰角速度、偏航角速度；三个线加速度信息分别为机体坐标系下轴方向的线加速度、轴方向的线加速度、轴方向的线加速度，其中机体坐标系的轴、轴和轴的指向分别为向右、向前、向上；所述卫星定位系统的输出数据包括地理坐标系下的三维速度和飞行高度，地理坐标系方向定义为东、北、天，此三个方向的地速分别为，飞行高度为；所述飞行控制系统的输出数据包括升降舵偏转角、方向舵偏转角、副翼偏转角以及油门大小；所述大气数据系统的输出数据包括攻角、侧滑角、真空速、马赫数、指示空速、气压高度、升降速度。

     优选地，所述BP神经网络为一个输入层、一个隐含层和一个输出层的三层网络；所述输入层有17个神经元，分别对应俯仰角、横滚角、偏航角、横滚角速度、俯仰角速度、偏航角速度、机体坐标系的轴方向的线加速度、机体坐标系的轴方向的线加速度、机体坐标系的轴方向的线加速度、东向速度、北向速度、天向速度、飞行高度为、升降舵偏转角、方向舵偏转角、副翼偏转角以及油门大小；隐含层有20个神经元；输出层有7个神经元，分别为攻角、侧滑角、真空速、马赫数、指示空速、气压高度、升降速度。

优选地，所述BP神经网络隐含层神经元和输出层神经元的传递函数都采用双曲正切S型函数。