论文部分内容阅读
针对飞行器气动参数的修正问题,提出了基于机器学习的气动参数智能修正方法。该方法对真实气动数据与标称气动数据的偏差建模,并利用BP神经网络,对偏差模型进行拟合。利用拟合后的神经网络以及标称气动表,即可得到修正后的气动表。该方法充分利用机器学习无线逼近非线性函数的能力,对偏差模型进行学习,从而实现对原气动参数的精确修正。最后对基于机器学习的气动参数智能修正方法进行了仿真试验,结果表明BP神经网络具有优良的逼近性能,经过该方法修正的气动参数具有较高的精度。