基于噪声特性估计的气动系数辨识方法

doi:10.7527/S1000-6893.2024.30920

流体力学与飞行力学

本期目录 | 过刊浏览 | 高级检索

前一篇 |

基于噪声特性估计的气动系数辨识方法

汪清¹^,², 郑凤麒¹^,²(), 丁娣¹^,², 岳茜²

^1.空天飞行空气动力科学与技术全国重点实验室，绵阳 621000
^2.中国空气动力研究与发展中心计算空气动力研究所，绵阳 621000

收稿日期:2024-07-09 修回日期:2024-07-29 接受日期:2024-09-24 出版日期:2024-10-24 发布日期:2024-10-23
通讯作者: 郑凤麒 E-mail:zhengfq_mail@163.com
基金资助:
国家级项目

Aerodynamic coefficient identification method based on noise statistics estimation

Qing WANG¹^,², Fengqi ZHENG¹^,²(), Di DING¹^,², Xi YUE²

^1.State Key Laboratory of Aerodynamics，Mianyang 621000，China
^2.Computational Aerodynamics Institute，China Aerodynamics Research and Development Center，Mianyang 621000，China

Received:2024-07-09 Revised:2024-07-29 Accepted:2024-09-24 Online:2024-10-24 Published:2024-10-23
Contact: Fengqi ZHENG E-mail:zhengfq_mail@163.com
Supported by:
National Level Project

摘要/Abstract

摘要：

利用飞行试验数据验证和修正风洞气动力数据库，是飞行器设计与评估的一个重要环节。针对飞行试验普遍没有角加速度测量的情况，发展了一种新的气动系数辨识方法。首先将气动系数的时间导数建模为一阶Gauss-Markov过程，从而构建了气动系数辨识数学模型。然后，从似然函数最大化出发，通过理论推导给出了过程噪声和测量噪声协方差等未知统计量的解析表达式。采用平方根无迹Kalman滤波器（SRUKF）和无迹Rauch-Tung-Striebel平滑器（URTSS）进行状态估计。根据状态估计结果显式计算未知统计量并迭代修正，从而获得气动系数（作为增广状态变量）时间历程的辨识结果。2个飞机气动系数辨识算例演示了该方法的有效性。算例表明，该方法能够较好地估计未知统计量，给出合理的气动系数辨识结果。此外，该方法具有良好的收敛鲁棒性，不依赖于未知统计量的初始估计。

关键词: 气动系数辨识, 噪声协方差, 平方根无迹Kalman滤波器, 无迹Rauch-Tung-Striebel平滑器, 似然函数, 飞行试验, 气动参数估计

Abstract:

Using flight data to verify and update the wind-tunnel aerodynamic database is an important part of flight vehicle design and evaluation program. In response to the lack of angular acceleration measurement in flight tests， a novel aerodynamic coefficient identification method has been developed in this paper. Firstly， a mathematical model of aerodynamic coefficient identification was constructed by modeling the derivatives of aerodynamic coefficient respect to time as first-order Gauss-Markov process. Then， analytical expressions for the unknown statistics， such as the covariances of process and measurement noise， were derived theoretically by maximizing the likelihood function. The state estimation was conducted by using the Square Root Unscented Kalman Filter （SRUKF） associated with the Unscented Rauch-Tung-Striebel Smoother （URTSS）. The unknown statistics were computed explicitly and updated iteratively， based on the state estimation results. Thereby， the time histories of aerodynamic coefficients， as the augmented state variables， were obtained. The effectiveness of the developed method was demonstrated by two examples of aircraft aerodynamic coefficient identification. The results showed that the unknown statistics and aerodynamic coefficients were estimated accurately. In addition， the method is of robust convergence with respect to the initial estimates of unknown statistics.

Key words: aerodynamic coefficient identification, noise covariance, square root unscented Kalman filter, unscented Rauch-Tung-Striebel smoother, likelihood function, flight test, aerodynamic parameter estimation

中图分类号:

V212

汪清, 郑凤麒, 丁娣, 岳茜. 基于噪声特性估计的气动系数辨识方法[J]. 航空学报, 2025, 46(7): 130920.

Qing WANG, Fengqi ZHENG, Di DING, Xi YUE. Aerodynamic coefficient identification method based on noise statistics estimation[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(7): 130920.

图/表 17

图 1

图 2

图 3

图 4

图 5

图 6

图 7

表 1

图 8

表 2

图 9

图 10

表 3

HFB-320动力学模型中的常值参数

参数	取值
质量m/kg	7 472.0
转动惯量I_y /（kg∙m²）	22 847
参考面积S/m²	30.097
平均空气动力弦长 $c ¯$ /m	0.607 5
推力线倾斜角σ_T/rad	0.052 4
推力力臂（l_tx sinσ_T+l_tz cosσ_T）/m	-0.160 3
重力加速度g（m·s^-2）	9.806 65
空气密度ρ/（kg·m^-3）	0.792 0
参考速度V_ref/（m·s^-1）	104.67

表 3

图 11

图 12

图 13

表 4

参考文献 38

1	HAMEL P G， JATEGAONKAR R V. Evolution of flight vehicle system identification‍［J］. Journal of Aircraft， 1996， 33（1）： 9-28.
2	GREENBERG H. A survey of methods for determining stability parameters of an airplane from dynamic flight measurements： NACA TN-2340‍［R］. Washington， D.C.： NASA， 1951.
3	MAINE R E， ILIFF K W. Application of parameter estimation to aircraft stability and control， the output error approach： NASA RP-1168‍［R］. Washington， D.C.： NASA， 1986.
4	MAINE R E， ILIFF K W. Formulation and implementation of a practical algorithm for parameter estimation with process and measurement noise‍［C］‍∥6th Atmospheric Flight Mechanics Conference. Reston： AIAA， 1980.
5	JATEGAONKAR R V， PLAETSCHKE E. Identification of moderately nonlinear flight mechanics systems with additive process and measurement noise［J］. Journal of Guidance， Control， and Dynamics， 1990， 13（2）： 277-285.
6	GRAUER J A， MORELLI E A. A new formulation of the filter-error method for aerodynamic parameter estimation in turbulence‍［C］‍∥Proceedings of the AIAA Atmospheric Flight Mechanics Conference. Reston： AIAA， 2015.
7	WANG Q， ZHENG F Q， QIAN W Q， et al. A practical filter error method for aerodynamic parameter estimation of aircraft in turbulence［J］. Chinese Journal of Aeronautics， 2023， 36（2）： 17-28.
8	MORELLI E. Practical aspects of the equation-error method for aircraft parameter estimation［C］‍∥AIAA Atmospheric Flight Mechanics Conference and Exhibit. Reston： AIAA， 2006.
9	DE VISSER C C， POOL D M. Stalls and splines： Current trends in flight testing and aerodynamic model identification‍［J］. Journal of Aircraft， 2023， 60（5）： 1480-1502.
10	MOKHTARI M A， SABZEHPARVAR M. Identification of spin maneuver aerodynamic nonlinear model by applying ensemble empirical mode decomposition and extended multipoint modeling［J］. Proceedings of the Institution of Mechanical Engineers， Part G： Journal of Aerospace Engineering， 2019， 233（5）： 1865-1878.
11	OVCHARENKO V N， POPLAVSKY B K. Identification of nonstationary aerodynamic characteristics of an aircraft based on flight data‍［J］. Journal of Computer and Systems Sciences International， 2021， 60（6）： 864-874.
12	LI J S， ZHUANG L， SONG J H， et al. An aerodynamic model identification method suitable for low-quality flight data［C］∥2020 3rd International Conference on Unmanned Systems （ICUS）. Piscataway： IEEE， 2020： 381-388.
13	颜楚雄，童轶男，宋加洪，等. 基于贝叶斯估计理论的再入飞行器气动辨识方法［J］. 中国科学：物理学力学天文学， 2021， 51（10）： 104705.
	Yan C X， TONG Y N， SONG J H， et al. Aerodynamic identification method of maneuverable vehicles based on the Bayes estimation theorem‍［J］. Scientia Sinica Physica， Mechanica & Astronomica， 2021， 51（10）： 104705 （in Chinese）.
14	STALFORD H L. High-alpha aerodynamic model identification of T-2C aircraft using the EBM method［J］. Journal of Aircraft， 1981， 18（10）： 801-809.
15	王启，简政，张培田，等. 利用大迎角试飞数据辨识飞机气动导数［J］. 飞行力学， 2005， 23（1）： 68-72.
	WANG Q， JIAN Z， ZHANG P T， et al. Aircraft aer-odynamic parameter identification by using HAOA flight test data［J］. Flight Dynamics， 2005， 23（1）： 68-72 （in Chinese）.
16	臧剑文，毕晓烨，金钊，等. 基于迎角分区的全局飞行器气动参数辨识方法［J］. 系统工程与电子技术， 2022， 45（11）： 3588-3596.
	ZANG J W， BI X Y， JIN Z， et al. Global aircraft aerodynamic parameter identification method based on angle of attack partitioning‍［J］. Systems Engineering and Electronic， 2022， 45（11）： 3588-3596 （in Chinese）.
17	DAS S， KUTTIERI R A， SINHA M， et al. Neural partial differential method for extracting aerodynamic derivatives from flight data‍［J］. Journal of Guidance， Control， and Dynamics， 2010， 33（2）： 376-384.
18	WANG Q， WU K Y， ZHANG T J， et al. Aerodynamic modeling and parameter estimation from QAR data of an airplane approaching a high-altitude airport［J］. Chinese Journal of Aeronautics， 2012， 25（3）： 361-371.
19	SINGH S， GHOSH A. Parameter estimation from flight data of a missile using maximum likelihood and neural network method‍［C］‍∥AIAA Atmospheric Flight Mechanics Conference and Exhibit. Reston： AIAA， 2006.
20	TONDJI Y， GHAZI G， BOTEZ R M. CRJ 700 longitudinal aerodynamic coefficients identification using support vector machine‍［C］‍∥AIAA Aviation 2023 Forum. Reston： AIAA， 2023.
21	蔡金狮，汪清，王文正，等. 飞行器系统辨识学［M］. 北京：国防工业出版社， 2003： 293-296.
	CAI J S， WANG Q， WANG W Z， et al. System identification of aircraft［M］. Beijing： National Defense Industry Press， 2003： 293-296 （in Chinese）.
22	KLEIN V， MORELLI E A. Aircraft system identification-Theory and practice［M］. Reston： AIAA， 2006： 367-369.
23	MORELLI E A. Estimating noise characteristics from flight test data using optimal Fourier smoothing［J］. Journal of Aircraft， 1995， 32（4）： 689-695.
24	HOFF J C. Fortran programs for aircraft parameter identification using the estimation-before-modelling technique： College of Aeronautics Report No. 9709［R］. Cranfield， Bedford： Cranfield University， 1997.
25	SARKAR A， PANNEERSELVAM S， SUNDARRAJAN R. Aerodynamic coefficients estimation of different flight vehicles under limited measurements［C］‍∥24th Atmospheric Flight Mechanics Conference. Reston： AIAA， 1999.
26	VAN DER MERWE R， WAN E A. The square-root unscented Kalman filter for state and parameter-estimation［C］∥2001 IEEE International Conference on Acoustics， Speech， and Signal Processing. Proceedings （Cat. No.01CH37221）. Piscataway： IEEE， 2001： 3461-3464.
27	BRUNKE S， CAMPBELL M E. Square root sigma point filtering for real-time， nonlinear estimation‍［J］. Journal of Guidance， Control， and Dynamics， 2004， 27（2）： 314-317.
28	GEERAERT J L， MCMAHON J W. Square-root unscented Schmidt-Kalman filter［J］. Journal of Guidance， Control， and Dynamics， 2017， 41（1）： 280-287.
29	SÄRKKÄ S. Unscented Rauch-Tung-Striebel smoother［J］. IEEE Transactions on Automatic Control， 2008， 53（3）： 845-849.
30	GARCIA-VELO J， WALKER B K. Aerodynamic parameter estimation for high-performance aircraft using extended Kalman filtering［J］. Journal of Guidance， Control， and Dynamics， 1997， 20（6）： 1257-1260.
31	CHOWDHARY G， JATEGAONKAR R. Aerodynamic parameter estimation from flight data applying extended and unscented Kalman filter‍［C］‍∥AIAA Atmospheric Flight Mechanics Conference and Exhibit. Reston： AIAA， 2006.
32	JULIER S， UHLMANN J， DURRANT-WHYTE H F. A new method for the nonlinear transformation of means and covariances in filters and estimators［J］. IEEE Transactions on Automatic Control， 2000， 45（3）： 477-482.
33	JULIER S J， UHLMANN J K. Unscented filtering and nonlinear estimation［J］. Proceedings of the IEEE， 2004， 92（3）： 401-422.
34	MORELLI E A. Flight test maneuvers for efficient aerodynamic modeling［J］. Journal of Aircraft， 2012， 49（6）： 1857-1867.
35	GRESHAM J L， SIMMONS B M， FAHMI J M W， et al. Remote uncorrelated pilot input excitation assessment for unmanned aircraft aerodynamic modeling［J］. Journal of Aircraft， 2023， 60（3）： 955-967.
36	JATEGAONKAR R V. Flight vehicle system identification： A time domain methodology［M］. Reston： AIAA， 2006： 167-171， 207-215， 257-259.
37	YOKOYAMA N. Parameter estimation of aircraft dynamics via unscented smoother with expectation-maximization algorithm‍［J］. Journal of Guidance， Control， and Dynamics， 2011， 34（2）： 426-436.
38	LIU Y Y， WANG H W， ZHANG W. Robust parameter estimation with outlier-contaminated correlated measurements and applications to aerodynamic coefficient identification‍［J］. Aerospace Science and Technology， 2021， 118： 106995.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

过程噪声标准差	真值	估计值	测量噪声标准差	真值	估计值
q₁/（m·s^-1）	0.005	0.004 93	r₁/（m·s^-1）	0.005	0.003 68
q₂/（m·s^-1）	0.100	0.094 84	r₂/rad	0.001	0.000 75
q₃/（m·s^-1）	0.100	0.094 46	r₃/rad	0.001	0.000 75
q₄/（rad·s^-1）	0.001	0.000 94	r₄/（rad·s^-1）	0.001	0.000 65
q₅/（rad·s^-1）	0.001	0.000 96	r₅/（rad·s^-1）	0.001	0.000 66
q₆/（rad·s^-1）	0.001	0.000 93	r₆/（rad·s^-1）	0.001	0.000 65
q₇/rad	0.001	0.000 77	r₇/（m·s^-2）	0.020	0.017 39
q₈/rad	0.001	0.000 74	r₈/（m·s^-2）	0.020	0.017 55
			r₉/（m·s^-2）	0.020	0.017 54
			r₁₀/rad	0.001	0.000 77
			r₁₁/rad	0.001	0.000 74

参数	真值	估计值	参数	真值	估计值
C_A₀	0.081 0	0.081 0	C_Yβ	-1.126 9	-1.126 3
C_Aα₂	-4.107 4	-4.113 7	C_Yδ_r	0.107 2	0.106 5
C_Aδ_e	0.104 0	0.103 6	C_lβ	-0.113 0	-0.112 9
C_N₀	0.166 2	0.165 8	C_lδ_r	0.036 3	0.036 3
C_Nα	5.216 8	5.208 9	C_lδ_a	-0.192 0	-0.191 7
C_Nδ_e	0.737 2	0.746 0	C_lp	-0.759 6	-0.757 6
C_Nq	29.646 0	29.798 0	C_nβ	0.241 8	0.242 5
C_m₀	0.110 7	0.110 5	C_nδ_r	-0.165 4	-0.165 8
C_mα	-1.137 4	-1.137 6	C_nδ_a	-0.025 7	-0.027 4
C_mδ_e	-1.656 9	-1.652 8	C_nr	-0.535 1	-0.536 0
C_mq	-‍20.184 4	-‍20.119 7

参数	FEM^［36］		EM^［37］	MEM+MRS^［38］	本文方法
参数	估计值	σ/%	EM^［37］	MEM+MRS^［38］	估计值	σ/%
C_D₀	0.123	2.45	0.123	0.126	0.122 5	1.30
C_Dα	0.320	2.26	0.321	0.315	0.324 9	1.17
C_DV	-0.064 5	3.95	-0.065 1	-0.066 7	-0.064 8	2.08
C_L₀	-0.092 9	21.1	-0.091 1	-0.108 7	-0.068 5	29.51
C_Lα	4.328	1.08	4.308	4.338	4.257 3	1.13
C_LV	0.149	11.1	0.149	0.160	0.132 4	12.94
C_m₀	0.112	3.27	0.107	0.233	0.097 7	4.18
C_mα	-0.968	1.12	-1.000	-1.809	-0.965 6	1.36
C_mδ_e	-1.529	1.27	-1.616	-1.874	-1.549 7	1.62
C_mq	-34.710	2.27	-38.634	-52.972	-37.335 1	2.48
C_mV	0.003 9	82.1	0.011 6	-0.028 6	0.017 4	21.44

[1]	万志强, 张珊珊, 王晓喆, 马靓, 许翱, 吴志刚, 杨超. 弹性飞机机动载荷分析与减缓技术综述[J]. 航空学报, 2025, 46(3): 30279-030279.
[2]	刘子博, 张冉, 薛文超, 李惠峰. 考虑弹性影响的运载火箭自抗扰减载控制方法[J]. 航空学报, 2025, 46(1): 330319-330319.
[3]	聂博文, 王亮权, 黄志银, 何龙, 杨仕鹏, 颜鸿涛, 章贵川. 复合式高速无人直升机飞行动力学建模与控制策略设计[J]. 航空学报, 2024, 45(9): 529848-529848.
[4]	童晟翔, 史志伟, 耿玺, 王力爽, 孙志坤, 陈其昌. 组合式仿枫树子飞行器与空中分体技术[J]. 航空学报, 2024, 45(6): 629590-629590.
[5]	侯雁翔, 冯立好. 飞翼布局主动流动控制风洞虚拟飞行试验[J]. 航空学报, 2024, 45(24): 630636-630636.
[6]	李文龙, 吴波, 谢帅. 有起落架布置的翼身整体结构机翼载荷测量技术[J]. 航空学报, 2024, 45(1): 229525-229525.
[7]	王琛, 惠倩倩, 张帆. 水空跨域多模态共轴无人机设计[J]. 航空学报, 2023, 44(21): 529047-529047.
[8]	杜昕, 朱喆, 胡芳芳, 黄江涛, 刘刚, 章胜, 单恩光, 唐骥罡. 空中无人加油自主对接导航制导与控制[J]. 航空学报, 2023, 44(20): 628827-628827.
[9]	宋亚辉, 樊高宇, 瞿丽霞, 张跃林, 徐悦, 韩硕. 航空器声爆飞行试验测量技术研究进展[J]. 航空学报, 2023, 44(2): 626186-626186.
[10]	张刘, 黄勇, 陈辅政, 朱正龙, 郭天豪, 姜裕标, 周铸. 基于环量控制的无尾飞翼俯仰和滚转两轴无舵面姿态控制飞行试验[J]. 航空学报, 2023, 44(18): 128224-128224.
[11]	丁军亮, 赵利利, 杨涛, 张海妮, 申晓霞. 自然结冰飞行试验技术综述[J]. 航空学报, 2023, 44(17): 28270-028270.
[12]	章胜, 周攀, 何扬, 黄江涛, 刘刚, 唐骥罡, 贾怀智, 杜昕. 基于深度强化学习的空战机动决策试验[J]. 航空学报, 2023, 44(10): 128094-128094.
[13]	邵帅, 郭正, 贾高伟, 陈清阳, 侯中喜, 张来平. 中等展弦比飞翼布局无人机后缘射流滚转控制[J]. 航空学报, 2023, 44(10): 127437-127437.
[14]	岑飞, 刘志涛, 蒋永, 郭天豪, 张磊, 孔轶男. 民机极限飞行状态非定常气动力建模[J]. 航空学报, 2022, 43(8): 125582-125582.
[15]	赵鲲, 梁俊彪, Ivan BELYAEV, Victor KOPIEV, Gareth BENNETT. 民用飞机起落架噪声及其控制技术研究进展[J]. 航空学报, 2022, 43(8): 26996-026996.

基于噪声特性估计的气动系数辨识方法

Aerodynamic coefficient identification method based on noise statistics estimation

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 17

参考文献 38

相关文章 15

编辑推荐

Metrics

本文评价