基于改进SPBO优化算法的飞机气动参数辨识

耿 宏，段振亚

(中国民航大学 电子信息与自动化学院，天津 300300)

1 引言

在飞机的模拟仿真过程中，飞机气动参数辨识是飞行控制律参数调整、飞行仿真等工作的前提和基础[1]。快速访问记录器(quick access recorder，QAR)数据忠实记录了飞机运行中大量原始数据[2]，包含与飞机空气动力学特性相关的变量，因此QAR数据可以用于辨识飞机气动参数。并且相对于飞行测试数据，QAR数据获取相对容易,利用QAR数据辨识飞机气动参数也是一种可行的技术途径。

王青等[3]结合QAR数据和神经网络Delta法估计高原环境下的飞机气动参数，证实QAR辨识飞机气动参数的可行性，但是神经网络不能完全反应真实的飞行系统，并且Delta法对飞行数据的质量、数量要求较高[4]。玉杉杉等[5]采用极大似然法估计无人机的空气动力学参数，模型参数工程实用性良好，但是该方法对初值特别敏感。因此本文利用QAR数据，结合极大似然法和ISPBO(improved student psychology based optimization)启发式优化算法对飞机气动参数进行辨识。

SPBO算法是由BikashDas等[6]提出的一种基于学生心理的启发式优化算法，该算法显著特点是给定待辨识气动参数的大致范围，即可随机赋予待辨识参数初值，对初值敏感较小，目前粒子群[7](partical swarm optimization，PSO)、鸽群优化[8](pigeon inspired optimization，PIO)等启发式算法已广泛应用到气动参数辨识中。ISPBO在SPBO的基础上，采用Logistic映射[9]对学生群体初始化，增强初值分布的随机性和均匀性；根据优化过程中迭代次数和适应度值的变化情况，动态调整最佳学生的迭代步长，提高算法后期的搜索精度，降低对初值选取范围要求。……