小型无人机气动参数辨识的新型HGAPSO算法

摘要：

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO).该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力.基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感.最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性.

关键词：小型无人机、气动参数、参数辨识、混合遗传粒子群优化算法(HGAPSO)、搜索效率、全局优化

所属期刊栏目：38

分类号：V212.11(基础理论及试验)

资助基金：国家“863”计划2014AA2157National High-tech Research and Development Program of China 2014AA2157

在线出版日期：2017-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：44-54