《表2 气动力建模的仿真结果对比》
从表2和图6的实验结果可得出与4.1大致相同的结论,基于SUPF学习算法的WNN,在测试MSE方面明显优于SPF-WNN和EPF-WNN,与UPF-WNN大体相当,但训练时间(T,单位:s)方面要优于UPF-WNN。这再次验证了采用新Sigma点采样策略的UKF来选取IDF,不仅能够保持UPF算法在WNN学习中的优良性能,而且减少了计算量,缩短了学习时间,从而为解决飞行器的气动力WNN建模问题提供了方法与技术上的支持。
图表编号 | XD0065271500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 魏燕明、甘旭升、张铁、杨国洲、席新 |
绘制单位 | 西京学院、空军工程大学空管领航学院、北方联创通信有限公司、空军工程大学空管领航学院、空军工程大学空管领航学院 |
更多格式 | 高清、无水印(增值服务) |