「 机器人 」扑翼飞行器的数据驱动建模核心方法
前言
数据驱动建模可充分利用扑翼飞行器的已有运行数据，改进动力学模型与控制策略，并对未建模动态做出更精确的预测。在复杂的非线性飞行环境中，该方法能有效弥补传统解析建模的不足，具有较高的研究与应用价值。以下针对主要研究方向和实现步骤进行整理与阐述。
1. 数据驱动建模的目标
1.1 改进动力学模型
• 弥补基于物理建模在非定常气动力、非线性执行器等方面的不足。
• 利用数据驱动方法捕捉系统中的未知或难以解析的动态特性。
1.2 优化控制策略
• 通过更精确的动力学模型，提升基于模型的控制性能。
• 将数据驱动模型与强化学习等方法结合，生成更鲁棒的控制策略。
1.3 提升系统的适应性
• 利用在线建模与预测功能，增强飞行器对环境变化与任务切换的自适应能力。
2. 数据驱动建模的核心方法
2.1 基于回归与插值的建模
（1）高斯过程回归（GPR）
• 适用于具有非线性与未建模动态