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。

原文链接:http://www.cqvip.com//QK/90843X/201702/672064276.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）