摘要：针对气动数据融合研究中不确定度加权融合算法和基于建模的融合算法两类算法难以提高数据准度和依赖模型精准度的局限性，提出了一种基于预测校正思想的气动数据融合方法。该方法通过输入变量离散全排列的方式来类比时间项，有效地将基于时间序列的预测校正算法应用于气动数据融合上。在此基础上提出了基于集合卡尔曼滤波的数据融合算法，并与传统的Co-Kriging建模融合算法相比。结果表明，相比于单源数据建模结果，两种融合算法的预测准度都有较大提升，证明了此类算法的适用性；相比于Co-Kriging建模融合算法，基于集合卡尔曼滤波融合算法的全局性更好，适用性更强，有效解决了现有气动数据融合算法鲁棒性较差的问题。
文章目录
0 引言
1 气动数据预测校正思想概述
2基于EnKF的气动数据融合算法
2.1 输入变量离散全排列方法
2.2 基于EKF的气动数据融合算法
2.3 基于EnKF的气动数据融合算法
3 算例验证分析
3.1 数据样本
3.2 模型构建
3.3 对比分析
4结论
