PSO-LSSVM在民机气动性能数学建模上的应用

摘要：

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.

关键词：参数辨识、数学建模、机器学习、支持向量机、粒子群优化、气动力估算

所属期刊栏目：47

分类号：TP301.6;O29(计算技术、计算机技术)

在线出版日期：2017-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：68-71,75