摘要
本发明公开了一种修正直升机飞行动力学模型中输入参数误差的方法,S1、对待修正的直升机飞行动力学模型进行参数化建模;S2、用已完成修正的直升机飞行动力学模型生成样本集;S3、用机器学习算法基于样本集进行训练,获得完成训练的机器学习模型;输入真实数据,预测存在误差的每个输入参数;S4、进行误差回归预测,完成对误差的修正。本发明用具备相同输入参数类型且已完成修正的直升机飞行动力学模型生成样本集,从而结合对应的机器学习算法进行训练,有效获取出待修正模型所需的识别误差的依据,然后再针对存在误差的参数进行误差回顾预测,完成误差修正,无需研究人员根据机理认知和修正经验反复调整修正,大大提升了简便性和效率。
技术关键词
直升机飞行动力学
机器学习模型
极限学习机
机器学习算法
参数
尾桨
机身
BP神经网络
升力
旋翼
因子
样本
节点
数据
阻力
梯度下降法
识别误差
配平
翼型
系统为您推荐了相关专利信息
模型剪枝方法
剪枝模型
通道剪枝
深度卷积神经网络
展开式
智能核保方法
风险评估报告
可穿戴设备
机器学习模型
健康数据可视化
模型参数不确定性
轨迹
方程
气动参数不确定性
灭火车