买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院数学与系统科学研究院申请的专利飞行器纵向气动参数的分组加权在线最小二乘辨识方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115935519B 。

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211694836.7，技术领域涉及：G06F30/15；该发明授权飞行器纵向气动参数的分组加权在线最小二乘辨识方法是由牟必强;张梦;白文艳;薛文超;方海涛设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本飞行器纵向气动参数的分组加权在线最小二乘辨识方法在说明书摘要公布了：本发明提出针对飞行器纵向通道气动参数的分组加权递推最小二乘辨识算法，包括如下步骤：1、建立飞行器纵向通道气动参数辨识的离散模型；2、确定辨识算法相关的初值和未知超参数；3、依据确定的超参数对数据进行分组，然后在线计算各组数据激励性的指标并更新各组数据对应的气动参数的最小二乘估计；4、利用各组数据的激励性指标对最小二乘估计进行加权，得到气动参数的最终估计。本发明针对气动参数的在线快速辨识问题，利用数据中的有效信息，设计了基于数据激励性的小样本数据在线最小二乘算法，实现对气动参数的在线有效估计；充分利用最小二乘估计的精确分布，提出了分组加权平均的思想，相比卡尔曼滤波算法，参数估计的鲁棒性有所提高。

本发明授权飞行器纵向气动参数的分组加权在线最小二乘辨识方法在权利要求书中公布了：1.一种飞行器纵向气动参数的分组加权在线最小二乘辨识方法，其特征在于，包括以下7个步骤： 步骤一：建立飞行器气动参数模型： 式中，t是时间，xt∈R为俯仰通道的角速度，为俯仰通道的角速度关于时间t的导数，fxt,t∈R为包括未知气动模型以及外部干扰的总扰动，通常为较慢时变的未知量，θ∈R是为待辨识的飞行器纵向气动参数，ut∈R为俯仰通道的舵偏输入，视为控制输入，εt∈R为动力学模型中的随机噪声； 步骤二：对模型1进行离散化，得到离散形式的系统： xk+1ts＝xkts+tsfxkts,kts+θukts+εkts2 式中，ts是采样步长，系统状态xk+1ts为第k+1ts时刻的俯仰通道的角速度，系统状态xkts为第kts时刻的俯仰通道的角速度，fxkts,kts为第kts时刻的总扰动，ukts为第kts时刻的俯仰通道的舵偏输入，εkts为第kts时刻的随机噪声； 步骤三：将系统2变换为等价的线性回归模型： 式中，回归模型第k时刻的输出第k时刻的回归向量为模型的输入，第k时刻的回归系数为为待估计的参数，第k时刻的随机噪声为εk；由于fxkts,kts为未知量，将其视为未知常值f，故将回归模型中待估计的参数视为常值向量因此，回归模型3简化为： 其中，回归系数为待估计的参数； 通过前三个步骤，将模型1中飞行器纵向气动参数θ的辨识问题等价转化为线性回归模型4中回归系数β的估计问题；在对β估计之前，需要根据回归模型4中yk,的定义，将角速度和舵偏输入的量测数据xt，ut转换为回归模型4中的输入和输出数据，再用于回归系数β的估计中；在下面四个步骤中，将用于回归系数β的估计的输入输出数据对统称为数据； 步骤四：利用离线数据确定辨识方法中的待定超参数；辨识方法中的待定超参数包括q，m和V*，其中，q为用于参数辨识的数据的组数，m为每组数据中含有的数据量，以及V*为激励性阈值，用于判断当前时刻的这组数据是否可用于辨识，并且这三个超参数在整个在线辨识过程中都保持不变； 步骤五：辨识方法的初始化赋值；选取激励性指标向量初始值为q维向量U0，以及气动参数θ的最小二乘估计向量初始值为q维向量其中，激励性指标向量用来存储用于辨识的这q组数据的激励性指标值，气动参数θ的最小二乘估计向量用于存储由这q组数据得到的θ的最小二乘估计值； 步骤六：得到第k时刻的利用第k时刻新的输入数据以及第k-m+1至第k-1时刻回归模型4的输入计算第k时刻的激励性指标值V，具体为： 其中，分别为第its，i+1ts时刻回归模型4的输入，为欧几里得范数； 步骤七：利用向量Uk对向量作加权平均，得到第k时刻气动参数θ的估计值具体为， 其中为q维全1向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院数学与系统科学研究院，其通讯地址为：100190 北京市海淀区中关村东路55号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。