外文翻译-基于自适应遗传算法的飞行器气动参数辨识

毕业设计（论文）英文资料翻译 外文资料翻译 系 别： 专 业： 班 级： 姓 名： 学 号： 指导老师： 2014 年 4 月 西北工业大学明德学院本科毕业设计论文 1 附录 1 外文原文 of on o of no of od on da is is as of of of o pt be as a in of ew to as to of s to be on o so s of io n be or of of ic ins so of pr on g of of no t g to of it is 西北工业大学明德学院本科毕业设计论文 2 to of In is be is is is to be in no So is is is of to be to be In of as be is no in of as in in to of by is a by in of to of io n on of of of it of be is is on of 西北工业大学明德学院本科毕业设计论文 3 on to on be be as of as of is . to of in of a in of to be a on a on a of is to x i is an of , is to be is as as of of 00 00 of . 9 . 1. To of in of to of 西北工业大学明德学院本科毕业设计论文 4 A is is 西北工业大学明德学院本科毕业设计论文 5 附录 2：中文翻译 基于自适应遗传算法的飞行器气动参数辨识 为了克服传统识别算法的缺点，采用最大似然方法，基于仿真数据飞行器没有气动参数辨识，进行，其中自适应遗传算法作为识别算法。在识别过程中，零均值随机分布，关于噪声的防范措施与高斯分布的介绍诱导。鉴定的结果是相当令人满意的，这表明自适应遗传算法的优化性能优良，可采取自适应遗传算法，其作为一种实用的识别算法的航 空动力参数辨识。 牛顿 - 拉夫逊算法及其改进算法使用最大似然法已广泛应用于飞行器气动参数辨识。但是，当新的到 牛顿 - 拉夫逊算法及其改进算法作为方式识别算法存在一些缺点。他们是被识别并带来获取灵敏度数值困难的参数初始化 参数 敏感，所以参数辨识结果可能受到很大的影响，甚至无效，因为鉴定遗传算法发散的或不可用的基于 算法 中的自然选择和进化理论优化和搜索方法 。他们会充分利用最优化问题的解决办法，通过模拟自然的遗传原理越快 越好。只对目标函数值时使用的是采用优化的遗传算法。此外，连续性和不同 习惯 的目标函数 是不需要的。因此 ，遗传算法适合于处理其输出 系列特复杂优化问题。 由于遗传算法的突出性能，这是合理的遗传算法结合最大似然确定以改善空气动力学参数识别的可靠性和准确性。一般来说，过程噪声小，可能被忽略的飞行试验时的气候是拟合。然而，测量噪声是不可避免的。我们把错误的方法是可行的用于空气动力参数识别，没有考虑振动性的过程噪声。因此，输出误差的方法是用在这里的测量噪声的引入，过程噪声被忽略 。 空气动力参数识别最大似然方法有以下原则，即气动参数应该被发现，使最大似然函数是它的最大给定的飞行试验数据。 在一般情况下，飞行器如导弹飞行测 试具有相当小的过程噪声，并且可以被忽略。然而，测量噪声是不可避免的。因此，对过程噪声不考虑输出误差的方法在飞行器空气动力参数识别已经取得了广泛的应用的研究。 以轴对称的此种导弹为例，在气动参数辨识的状态方程是由 6自由度体轴动力学方程和动力学方程： 在数值优化中的遗传算法通过选择，交叉和变异主要与繁殖的三个基本遗传操作。再现是一种遗传的过程，一些更好的个体，从父母保留与选择的概率更大。 西北工业大学明德学院本科毕业设计论文 6 交叉和变异是基因在父母的染色体交换随机产生新个体，并分别与变异概率随机变异的复制，交叉和变异遗 传操作机构组件，关春的基础上的遗传过程的生产和其中的一些固有它从父母的优秀基因。因此，种群的性能将逐步直到最后达到最佳效果得到改善。 当标准遗传算法采用二进制编码，需要在首先确定 设计变量及其范围的前提下，再遗传操作采取的编码个体行为产生了活力。解码后的二进制设计变量，活力意志。具有直观意义和真实 价值进行评估。断开弹簧具有较高的适应度值可以被选择作为下一代的父母。正如上述方法，相应的最大适应值，当终止条件，是最佳的结果优化问题的设计变量的值。 此外，当标准遗传算法用于过早收敛和停滞可能发生，这可能会影响优化的质量和效率。自适应遗传算法利用适应值排名的选择，当地的交叉，自适应变异算子和精英技能，保留有史以来生产的优秀个体。自适应遗传算法可能会阻止优化过早收敛和停滞，以提高优化质量和效率。 与二进制编码相比，突变的运营商可能在遗传算法中发挥更大的作用。因此，高效的设计基因突变可以显着提高算法的质量和效率。一个合理的想法应该是这样一种方式，具有更高的适应度的个体。值工作在一个小规模的搜索和较低的适应值的个体的大规模合作搜索。适应性突变的操作建议是：如果 个人的，其成分 于一个 是要突变，突 变后的组件 有以下形式： 自适应遗传算法取为其中空气动力参数作为设计变量识别算法。种群和演化的上限尺寸分别取为 200和 300。交叉和变异的概率为 了验证在气动参数辨识应用自适应遗传算法的性能，测量噪声用 5%的峰值相对于每一个测量幅度被引入到原始数据。 表列出了估计和准确的气动参数