嵌入式飞行数据传感系统及其神经网络算法的研究

论文摘要

嵌入式飞行数据传感(FADS)系统是一种依靠嵌入在飞行器前端的压力传感器阵列来间接获得飞行参数的飞行数据传感系统。本文前半部分研究了 FADS系统的原理、实现及其性能。主要包括以下几个方面:第一,根据测压孔分布结构,建立系统数学模型并依据风洞试验数据,计算出其修正系数。本文在掌握修正参数总体分布的基础上,使用穷举法的方法,以求解马赫数误差最小为准则选择修正参数,结果证明这种方法是可行的,对今后修正参数的求解具有较大参考价值;第二,对 FADS 系统的算法进行了仔细的分析和研究,并对四个基本参数进行了求解。结果如下,百分之九十的迎角、侧滑角的绝对误差在 0.2 度以内;百分之九十九绝对误差在 0.5 度以内。百分之九十的马赫数,动静压的相对误差在百分之一以内;百分之九十五在百分之二以内。第三,文中还对 FADS 系统的性能进行了评估,包括算法的稳定性、容错能力、以及降级处理能力,为 FADS系统的工程应用做好的必要准备。 文章的后半部分是关于 FADS 系统的神经网络算法的研究。本文根据成熟的空气动力学模型产生训练集和测试集,并采用聚类的思想并以欧氏距离为聚类准则对训练集数据进行了划分,从网络的训练结果可以惊喜的发现训练好的网络对所有和聚类中心之间的欧氏距离小于阈值的飞行状态都表现出较好的精度。这对于训练集的划分具有极为重要的意义。考虑到 BP 神经网络对非线性函数具有很强的逼近能力以及 FADS 系统的复杂程度,文中设计了具有双隐含层的 BP 网络结构并采用了一种调节学习率的快速 BP 算法,结果显示网络具有较好的内插、外推精度和鲁棒性。

论文目录

• 第一章 绪论
• 1.1 研究背景
• 1.2 研究内容
• 第二章 嵌入式飞行数据传感系统
• 2.1 FADS 系统简介
• 2.1.1 FADS 系统的结构设计
• 2.1.2 FADS 系统的空气动力学模型
• 2.1.3 实验数据来源
• 2.2 数学模型的建立
• 2.2.1 一点算法
• 2.2.2 三点算法
• 2.2.3 十五点算法
• 2.3 迎角的求解
• 2.4 侧滑角的求解
• 2.4.1 三个压力点都位于横轴上的求解方法
• 2.4.2 两点位于横轴上时的求解方法
• 2.5 动静压的计算
• 2.5.1 求解算法
• 2.5.2 误差分析
• 2.5.3 边界问题
• 2.6 系统容错能力和降级处理能力
• 2.6.1 十四个点中有一个测压点损坏时的容错能力
• 2.6.2 十四个点中有两个测压点损坏时的容错情况
• 2.7 算法稳定性分析
• 2.7.1 理论分析
• 2.7.2 仿真实验
• 2.8 本章小结
• 第三章 人工神经网络简介
• 3.1 基本原理
• 3.2 基于BP 算法的多层前馈网络模型
• 3.3 BP 学习算法
• 3.4 BP 算法的信号流向
• 3.5 BP 算法的编程步骤
• 3.6 隐含层层数与隐含层神经元的数量
• 3.7 学习参数
• 3.8 维数比率与推广能力
• 第四章 基于神经网络的FADS 系统的设计
• 4.1 迎角的求解
• 4.1.1 特征以及网络结构的选择
• 4.1.2 训练样本的处理
• 4.2.3 训练集和测试集
• 4.2.4 网络初始化
• 4.2.5 网络的训练
• 4.2.6 结论
• 4.2 动静压的求解
• 4.2.1 训练数据的产生
• 4.2.2 训练数据的划分
• 4.2.3 网络模型的选择
• 4.2.4 BP 网络快速学习算法
• 4.2.5 BP 网络的性能
• 4.3 本章小结
• 第五章 总结与展望
• 5.1 全文工作总结
• 5.2 关于故障诊断与信号恢复的思考
• 5.2.1 基于迎角和侧滑角的故障诊断与信号恢复
• 5.2.2 基于动静压的故障诊断与信号恢复
• 5.3 基于神经网络的FADS 系统总体设计方案的设想
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文
• 附录一 附图
• 附录二 附表
• 附录三 程序
• 附录四 动压、静压、马赫数、迎角、侧滑角计算结果