为了提升一种先进的新型机载传感器——嵌入式大气数据传感器(flush air data sensing,FADS)的测量精度,以正态云模型和多目标规划(multi-objective programming,MOP)为出发点,在原有的“三点法”基础上提出一种新的改进方法。基于CFD...为了提升一种先进的新型机载传感器——嵌入式大气数据传感器(flush air data sensing,FADS)的测量精度,以正态云模型和多目标规划(multi-objective programming,MOP)为出发点,在原有的“三点法”基础上提出一种新的改进方法。基于CFD软件得到的数据库和亚音速及超音速情况下的空气动力学知识建立高精度FADS系统模型,利用正态云模型对测量信号的不确定性和随机性进行量化分析,在对系统冗余信号的融合过程中,基于多目标规划中的松弛变量法和拉格朗日乘子法提出一种新的计算客观权重方法。仿真结果表明,与传统方法相比,新提出的基于云模型和多目标规划的方法可将测量精度提升3.2%,测量数据的离散程度降低68.88%。展开更多
文摘为了提升一种先进的新型机载传感器——嵌入式大气数据传感器(flush air data sensing,FADS)的测量精度,以正态云模型和多目标规划(multi-objective programming,MOP)为出发点,在原有的“三点法”基础上提出一种新的改进方法。基于CFD软件得到的数据库和亚音速及超音速情况下的空气动力学知识建立高精度FADS系统模型,利用正态云模型对测量信号的不确定性和随机性进行量化分析,在对系统冗余信号的融合过程中,基于多目标规划中的松弛变量法和拉格朗日乘子法提出一种新的计算客观权重方法。仿真结果表明,与传统方法相比,新提出的基于云模型和多目标规划的方法可将测量精度提升3.2%,测量数据的离散程度降低68.88%。
