最小二乘或递归最小二乘进行辨识的飞机系统辨识程序

资 源 简 介

最小二乘或递归最小二乘进行辨识的飞机系统辨识程序

详 情 说 明

飞机系统辨识是通过飞行数据估计飞行器数学模型参数的过程，其中气动导数（如升力系数、阻力系数等）是关键参数。最小二乘法（LS）和递归最小二乘法（RLS）是两种常用的参数估计方法。

最小二乘法（LS） 原理：通过最小化观测数据与模型预测误差的平方和，一次性求解静态参数。 适用场景：适用于离线处理批量数据，需存储全部历史数据，计算量大但结果稳定。 飞机应用：需预先采集飞行状态（如迎角、速度）和对应的气动力数据，构建线性回归方程求解导数。

递归最小二乘法（RLS） 原理：在LS基础上引入递推机制，每次仅用新数据更新参数估计，无需重复处理旧数据。 优势：适合实时辨识，内存占用低，可通过遗忘因子调整对历史数据的权重。 飞机动态响应：连续处理飞行传感器流数据，快速跟踪气动参数变化（如失速后的导数突变）。

实现要点 数据预处理（剔除异常值、滤波降噪）对两种方法均至关重要。 RLS需谨慎选择遗忘因子：过小导致参数震荡，过大降低跟踪灵敏度。 气动导数通常耦合非线性关系，可结合模型结构（如分离纵向/横航向方程）简化问题。

扩展方向包括引入鲁棒性更强的自适应算法（如加权RLS）或结合神经网络处理强非线性效应。