一种结合门控循环单元神经网络模型和高斯-牛顿优化算法的飞行器参数辨识方法

本发明提出一种结合门控循环单元神经网络模型和高斯‑牛顿优化算法的飞行器参数辨识方法，该方法结合了GRU神经网络模型和高斯‑牛顿优化算法，用于解决复杂飞行器参数辨识问题。GRU神经网络模型设计为通过在飞行器系统的测量输入和输出之间直接建立非线性函数映射关系来对飞行器动力学进行建模，而无需任何动力学先验假设。高斯‑牛顿优化算法与训练完毕的GRU网络模型相结合，通过以迭代方式最小化与未知气动参数相关的代价函数，获得最优参数辨识结果。