基于支持向量机的大迎角非定常气动力建模研究

摘要

准确的气动力模型是大迎角飞行仿真和控制律设计的基础.由于大迎角非定常流动的许多机理问题尚不清楚,数学类气动力建模方法在模型结构确定和参数估计方面存在诸多困难.基于统计学习理论的支持向量机(SVM)为非线性系统建模提供了一种新的手段.本文探索了应用SVM进行大迎角非定常气动力建模的可行性.首先介绍了SVM的工作原理,然后详细阐述了支持向量机用于非定常气动力建模的相关问题,包括输入变量选择、输出变量选择,向量机参数确定等.最后,用三角翼俯仰振荡和全机构型滚转振荡风洞试验数据建立了相应的最小二乘支持向量机(LS-SVM)模型,并推广用于其它试验状态的气动力预测.预测结果与试验数据符合较好,表明LS-SVM具有很好的学习和泛化性能.