本文主要研究内容
作者白晓明,甘旭升,郑汇达,丁黎颖（2019）在《过失速机动的AUKF-WNN气动力建模及仿真》一文中研究指出：为使所建立的气动力模型能够准确刻画复杂动态特性,提出一种基于改进UKF算法的小波神经网络(Wavelet Neural Network,WNN)飞行数据失速气动力建模方法。引入一种自适应因子来改善无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的性能;按照飞行数据的气动力建模流程,利用改进UKF算法对WNN参数进行最优化估计,构建失速现象的气动力模型。实验结果表明,针对飞行器失速的气动力建模问题,基于改进UKF算法的WNN建模方法,在建模精度和速度方面,优于传统神经网络和其他现有WNN方法,因此,使用提出飞行器失速的气动力建模方法是可行和有效的,得到预测结果也能准确刻画飞行器失速的动态特性。
Abstract
wei shi suo jian li de qi dong li mo xing neng gou zhun que ke hua fu za dong tai te xing ,di chu yi chong ji yu gai jin UKFsuan fa de xiao bo shen jing wang lao (Wavelet Neural Network,WNN)fei hang shu ju shi su qi dong li jian mo fang fa 。yin ru yi chong zi kuo ying yin zi lai gai shan mo ji ka er man lv bo (Unscented Kalman Filter,UKF)suan fa de xing neng ;an zhao fei hang shu ju de qi dong li jian mo liu cheng ,li yong gai jin UKFsuan fa dui WNNcan shu jin hang zui you hua gu ji ,gou jian shi su xian xiang de qi dong li mo xing 。shi yan jie guo biao ming ,zhen dui fei hang qi shi su de qi dong li jian mo wen ti ,ji yu gai jin UKFsuan fa de WNNjian mo fang fa ,zai jian mo jing du he su du fang mian ,you yu chuan tong shen jing wang lao he ji ta xian you WNNfang fa ,yin ci ,shi yong di chu fei hang qi shi su de qi dong li jian mo fang fa shi ke hang he you xiao de ,de dao yu ce jie guo ye neng zhun que ke hua fei hang qi shi su de dong tai te xing 。
论文参考文献
论文详细介绍
论文作者分别是来自火力与指挥控制的白晓明,甘旭升,郑汇达,丁黎颖，发表于刊物火力与指挥控制2019年06期论文，是一篇关于小波神经网络论文,无迹卡尔曼滤波论文,自适应因子论文,气动力模型论文,失速现象论文,火力与指挥控制2019年06期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自火力与指挥控制2019年06期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：小波神经网络论文; 无迹卡尔曼滤波论文; 自适应因子论文; 气动力模型论文; 失速现象论文; 火力与指挥控制2019年06期论文;