基于PSO-BP的嵌入式大气数据系统算法研究

作     者：朱恒 李荣冰 何梓君 程鉴皓 Zhu Heng;Li Rongbing;He Zijun;Cheng Jianhao

作者机构：南京航空航天大学自动化学院导航研究中心南京211106 空装驻南京地区第四军事代表室南京210022 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2024年第47卷第22期

页      面：67-75页

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0825[工学-航空宇航科学与技术] 

基　　金：国家自然科学基金(62273179)项目资助 

主　　题：嵌入式大气数据系统 BP神经网络 粒子群优化算法 计算流体力学 

摘      要：神经网络具有强大的函数拟合能力,可以被应用于嵌入式大气数据系统中进行大气数据估计。针对传统BP神经网络存在初始权值和阈值随机选取、训练过程局部最优、对训练数据需求量大等问题,提出了一种基于改进粒子群算法优化的神经网络,以提升FADS系统的预测精度。通过计算流体力学模拟,分别使用飞机在常规飞行和大迎角飞行状态下的压力数据来验证该算法的性能。结果表明,在训练数据有限的条件下,基于改进粒子群算法优化的神经网络在这两种飞行状态下均显著提高了大气数据的预测精度。常规飞行状态,静压、马赫数、迎角和侧滑角的预测误差分别降低了54.88%、60.46%、53.76%和62.12%;大迎角飞行状态下,预测误差分别降低了71.96%、47.52%、66.96%和53.41%。此外,在相同数据样本下,基于改进粒子群算法优化的神经网络在多次训练中误差波动更小,显示出更高的稳定性和可信度。