Fusion of System Identification and Statistical Tests for Improvement of Flight Characteristic Prediction

点击翻译按钮获取中文摘要

本研究は、航空機の飛行特性を高精度にモデル化しようとするものであり、かつ、得られたモデルが流体力学による計算や風洞試といった他の予測方法で得られるモデルと比較が容易なよう、モデル構造に制約を設けた形で推定を行おうとしている。そのため入力となる飛行データをモデルにあわせて統計的に選別する方法を新たに構築しようとしており、昨年度は入力となる同定用データと仮定するモデル構造の関係性が重要であることを突き止めている。2年度目にあたる本年度は、昨年度成果を発展させ、その関係性を定量的に表現可能な指標について統計的見地から探求を行った。結果、スチューデントT分布の自由度がその役割を発揮することを明らかにした。この方法ではモデル構造として一般的な正規分布を仮定するのではなく、自由度によって分布の裾野の幅を制御可能なスチューデントT分布を仮定する。さらに前述の自由度をモデルパラメータと同時にベイズ推定の枠組で推定することで、入力データとモデル構造の一致度を定量的に示せるようになった。そして推定された自由度が低いことはデータとモデル構造の一致度が低いことを意味し、データの再選別、あるいはモデル構造の再検討を行うことで高精度なモデル化を達成できる見通しが得られた。これらはピッチ運動時のデータに適用する形で提案方法の効果を確かめ、後述の国際学会ICAS2022で発表を行った。また、昨年度投稿した空力係数の不確かさの要因分析の論文が受理・掲載されている。