Идентификация математической модели продольного движения летательного аппарата при наличии шумов измерений и смещений датчиков

• Опубліковано в: : Электронное моделирование
• Дата: 2011
• Автори: Туник, А.А., Клипа, А.Н.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України 2011
• Теми: Математические методы и модели
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/61789
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Идентификация математической модели продольного движения летательного аппарата при наличии шумов измерений и смещений датчиков / А.А. Туник, А.Н. Клипа // Электронное моделирование. — 2011 — Т. 33, № 6. — С. 3-18. — Бібліогр.: 18 назв. — рос.

Модели продольного движения самолетов относятся к классу жестких систем c наличием быстрых и медленных мод с cущественно различными частотами. В связи с этим идентификация моделей динамики этих объектов в пространстве состояний при наличии помех измерений и смещений датчиков представляет собой сложную задачу. Предложена эффективная процедура идентификации этих моделей, основанная на применении методов максимального правдоподобия, стохастической аппроксимации и планирования эксперимента. Моделі поздовжнього руху літаків належать до класу жорстких систем з наявністю швидких і повільних мод з суттєво різними частотами. В зв’язку з цим ідентифікація моделей динаміки цих об’єктів у просторі станів за наявності шумів вимірювань і зміщень датчиків є складною задачею. Запропоновано ефективну процедуру ідентифікації цих моделей, базовану на застосуванні методів максимальної правдоподібності, стохастичної апроксимації і планування експерименту. Aircraft longitudinal motion models belong to the class of stiff systems because they include both the fast, and the slow modes, which frequencies considerably differ from each other. In this connection the identification of dynamics models of these plants in state space in the presence of measurement noise and sensors’ biases is a difficult problem. An effective identification procedure of these models based on application of likelihood method, methods of stochastic approximation and experiment design is proposed in the paper.