本文選題：飛機(jī)氣動(dòng)參數(shù)辨識 + 粒子群算法�。� 參考：《復(fù)旦學(xué)報(bào)(自然科學(xué)版)》2016年03期

【摘要】：針對飛機(jī)氣動(dòng)參數(shù)辨識中如極大似然法等常規(guī)方法存在收斂慢、對初值敏感或數(shù)學(xué)形式復(fù)雜等缺點(diǎn),討論了模擬退火粒子群算法及其在氣動(dòng)參數(shù)識別中的應(yīng)用,該方法主要辨識策略是一次采集多次迭代,增強(qiáng)了粒子群算法的收斂性和全局性.對某飛機(jī)縱橫向氣動(dòng)參數(shù)辨識進(jìn)行了仿真研究,結(jié)果表明模擬退火粒子群算法對飛機(jī)氣動(dòng)參數(shù)辨識問題行之有效,并且在擴(kuò)展搜索空間上,比基本粒子群算法和自適應(yīng)粒子群算法更有優(yōu)勢.
[Abstract]:In view of the shortcomings of conventional methods such as maximum likelihood method in aircraft aerodynamic parameter identification, such as slow convergence, sensitivity to initial values or complicated mathematical form, the simulated annealing particle swarm optimization algorithm and its application in aerodynamic parameter identification are discussed. The main identification strategy of this method is to collect several iterations at a time, which enhances the convergence and global performance of the particle swarm optimization (PSO) algorithm. In this paper, the longitudinal and horizontal aerodynamic parameters identification of an aircraft is simulated. The results show that the simulated annealing particle swarm optimization algorithm is effective in aircraft aerodynamic parameter identification, and it can be used in extended search space. It has more advantages than basic particle swarm optimization and adaptive particle swarm optimization.
【作者單位】： 復(fù)旦大學(xué)航空航天系;
【分類號】：V211.4;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊銘;王凱;李原;張杰;;基于改進(jìn)型粒子群算法的航空多項(xiàng)目調(diào)度方法[J];火力與指揮控制;2010年02期

2 王星博;王永華;于光輝;尹大偉;;引入平均最好位置的量子粒子群算法及在航空發(fā)動(dòng)機(jī)非線性模型求解中的應(yīng)用[J];航空發(fā)動(dòng)機(jī);2013年01期

3 劉榮賀;于開平;袁昭旭;秦玉靈;;帶活力因子的量子粒子群算法衛(wèi)星基板模型修正[J];噪聲與振動(dòng)控制;2013年05期

4 李智;常曉萍;秦建華;;基于粒子群算法的空間太陽能熱動(dòng)力系統(tǒng)優(yōu)化設(shè)計(jì)[J];機(jī)械工程學(xué)報(bào);2006年09期

5 張建科;劉三陽;張曉清;;飛行時(shí)間自適應(yīng)調(diào)整的粒子群算法[J];計(jì)算機(jī)應(yīng)用;2006年10期

6 葉文;朱愛紅;歐陽中輝;范洪達(dá);;基于混合離散粒子群算法的多無人作戰(zhàn)飛機(jī)協(xié)同目標(biāo)分配[J];兵工學(xué)報(bào);2010年03期

7 王凱;李原;張杰;;航空多項(xiàng)目資源約束下計(jì)劃優(yōu)化的改進(jìn)型粒子群算法[J];航空制造技術(shù);2008年19期

8 姚金杰;韓焱;王黎明;白培瑞;;基于分組粒子群的飛行目標(biāo)定位方法[J];探測與控制學(xué)報(bào);2012年05期

9 孫明,劉飛,孫德寶,李寧,鄒彤;旋轉(zhuǎn)衛(wèi)星艙內(nèi)長方體群的布局[J];計(jì)算機(jī)工程與應(yīng)用;2004年34期

10 張琪新;孫富春;葉文;閔海波;;基于離散粒子群算法的航天器在軌服務(wù)任務(wù)分配問題研究[J];計(jì)算機(jī)測量與控制;2011年11期

相關(guān)會(huì)議論文 前1條

1 宮曉春;;基于改進(jìn)遺傳粒子群算法的太陽電池帆板模型修正[A];第九屆全國動(dòng)力學(xué)與控制學(xué)術(shù)會(huì)議會(huì)議手冊[C];2012年

相關(guān)博士學(xué)位論文 前2條

1 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

2 秦玉靈;基于響應(yīng)面建模和改進(jìn)粒子群算法的有限元模型修正方法[D];哈爾濱工業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前4條

1 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動(dòng)機(jī)數(shù)學(xué)模型問題[D];山東大學(xué);2015年

2 王新茹;基于粒子群算法的智能航班調(diào)度方法研究[D];中國民航大學(xué);2008年

3 李靖;基于改進(jìn)量子粒子群算法的運(yùn)載火箭彈道優(yōu)化[D];湘潭大學(xué);2014年

4 劉凱宇;可變形機(jī)翼柔性蒙皮蜂窩芯設(shè)計(jì)與分析[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號：1943409