Improved Algorithms for Flush Airdata Sensing System

The Flush Airdata Sensing （FADS） system and its pressure model are presented briefly. The improved algorithm for calculating the impact pressure, static pressure and modifying coefficient are studied. First, the non-linear equations are simplified using Moore-Penrose inverse. Then the impact pressure and static pressure are computed with the improved iteration and BP neural network. Both the two improved algorithms meet the requirements of the flush airdata sensing system on precision, reliability and speed. BP neural network has great advantages on real-time requirements, for it needs only 5% time to reach the required precision comparing to the original algorithm.

基于神经网络的复杂前缘飞行器FADS系统冗余设计

嵌入式大气数据传感(FADS)系统基于飞行器表面压力测量解算迎角、侧滑角、马赫数、来流动压与静压等飞行参数,能够有效解决探出机体的空速管前缘无法适应高超声速飞行器在巡航阶段所面临的严酷气动加热问题,同时满足飞行器对隐身性能的需求。目前,关于神经网络方法及FADS系统用于复杂型面前缘飞行器的分析和研究工作较少。针对自主返回的高超声速飞行器在着陆阶段的亚/跨声速条件,考虑薄前缘和进气道部件等影响开展复杂前缘飞行器的头部FADS系统冗余设计和验证。在复杂前缘飞行器头部开设15个测压孔,通过大量精细化数值仿真建立飞行器在不同来流条件下的压力数据库,并利用风洞试验对典型工况进行验证。针对复杂型面前缘飞行器,基于压力数据建立4套神经网络算法并开展冗余设计研究,包括1套9孔算法与3套冗余算法。其中,9孔算法的精度较高,对迎角的解算误差在0.07°以内,对侧滑角的解算误差在0.3°以内,对马赫数的解算误差在0.0012以内,对来流动压与静压的解算相对误差均在1.5%以内。此外,建立具有一定容错性的系统解算流程,在任意单个测压孔失效的情况下能够继续保持来流参数的有效输出。

FADS系统在背部进气布局机型的应用研究

对于背部进气的飞行器,在借助嵌入式大气数据传感系统(FADS)解算大气参数时,当发动机工况不同时易产生不同的进气道流量,进而影响测压点压力值。该文针对背部进气的扁平头部飞行器提出了一种基于径向基神经网络的FADS系统算法,将进气道出口流量纳入了大气参数的解算因素。根据扁平头部特征确定了测压点配置,对马赫数、迎角、侧滑角建立了3个单输出RBF神经网络。将是否考虑发动机工况影响的两组神经网络解算结果进行了对比,结果表明,未考虑发动机工况影响的神经网络解算算法精度良好,考虑发动机工况影响的神经网络解算精度得到了进一步提高,马赫数、迎角、侧滑角绝对误差分别达到0.001Ma、0.15°和0.3°。

FADS压力传感器冗余配置研究

嵌入式大气数据传感器系统通过在飞行器各部位的压力传感器阵进行工作,压力传感器的数量,布局形式将对系统的工作性能产生影响。为衡量冗余配置的性能,提出两项性能指标:可靠性,噪声抑制性能,并分别给出性能指标的具体计算方法。根据现有典型的压力传感器布局类型,分别计算出不同压力传感器数量、不同布局形式的性能指标。通过对性能指标的分析得出结论:可靠性,噪声抑制性能随压力传感器数量增加而增加;放射型布局的噪声抑制性能最优。

FADS压力传感器延迟补偿

嵌入式大气数据传感器系统通过在飞行器各部位的压力传感器阵进行工作,当大气密度较低时,压力传感器延迟时间过长,致使FADS测量精度减低,甚至无法正常工作。通过对压力传感器延迟产生的机理进行分析,提出相位超前校正网络延迟补偿的方法,合理选取超前校正网络参数,并适当减小连接压力传感器与机体表面的细管长度,可以有效减小传感器延迟,使FADS的可使用空域由35km增大到60km。相位超前校正网络延迟补偿方法具有效果明显且易于工程实现的优点。

一种安装在飞行器机翼前缘的FADS系统方案研究

大多数大气数据传感(FADS)系统都是采用安装在飞行器头部表面的压力传感器阵列来感受大气压力分布,为了避免FADS系统对航电系统和火控雷达系统的影响,给出了一种安装在飞行器机翼前缘的FADS系统方案,推导了其空气动力学模型,给出了上洗角的修正公式,通过风洞测试曲线和理论曲线的比较可以看出:W-FADS系统在小迎角范围内精度较好,对测量大气数据是可行的。

尖楔前体飞行器FADS系统驻点压力对神经网络算法精度的影响

针对尖楔前体(类乘波体)飞行器用嵌入式大气数据传感(FADS)系统存在建模困难及解算模型精度低的问题,首先采用BP神经网络建模代替传统的FADS系统空气动力学建模的方法,建立含有双隐含层的四层神经网络模型,然后通过合理选择网络结构参数及训练验证,对FADS系统的攻角进行解算,最后对驻点压力对算法精度的影响进行研究。结果表明,本文建立的含有双隐含层的四层神经网络模型精度较高,攻角测试误差小于0.25°;驻点压力是否作为输入参数对FADS系统神经网络算法求解精度影响较大,攻角测试误差相差达0.1°。在飞行器前缘半径允许的情况下,应尽量得到驻点压力用于解算攻角,提高解算精度。

尖锥前体飞行器FADS系统的人工神经网络建模及风洞试验研究

针对一种用于尖锥前体飞行器的嵌入式大气数据传感(Flush Air Data Sensing,FADS)系统的解算模型及精度进行研究。针对尖锥外形特征,首先基于钝头体FADS系统的理论模型确定其测压孔配置;然后对确定的测压孔进行典型状态的风洞试验测试,并比对了数值计算数据与风洞试验数据;最后基于人工神经网络建模技术构建了FADS系统的网络解算模型及算法。结果表明:针对尖锥外形测压孔配置特征,基于人工神经网络建模技术的算法解算精度较好,迎角、侧滑角、静压、马赫数的网络输出值与试验值吻合较好,输出的测试误差(绝对值)分别小于0.1°、0.1°、50.0 Pa及0.01;同时也证实了人工神经网络算法在FADS系统中有进一步发展的空间。

不同布局下高超声速飞行器FADS求解精度

构建X-33的1/10比例前端模型,利用计算流体力学方法求解模型前端压力分布,采用三点法对嵌入式大气数据传感系统的攻角和侧滑角进行求解,并应用最小二乘法对求解数据进行修正,然后变换测压点布局,采用相同方法进行数据处理,对不同布局下的结果进行对比和分析。结果表明,基于对称性的测压点布局适用于钝头体外型的飞行器;测压孔分布较远的布局比测压孔分布较近的布局在求解精度上具有优势,求解攻角误差在0.3°以内;非对称布局在求解攻角时,会出现修正数据与设定数据偏差不稳定现象。

FADS系统迭代算法的收敛性分析

嵌入式大气数据传感系统采用分布在飞行器前端周线上的压力传感器阵列测量的压力推导大气参数的。介绍了采用迭代法推导大气参数的方法,针对迭代过程中出现的发散问题,提出采用小扰动线性化分析法解决多变量叠代算法的收敛性分析。最后应用M atlab仿真验证,仿真结果表明,在一般的超声速状态下(马赫数小于4.5),该算法是收敛的。

尖楔前体飞行器FADS系统测压孔故障对算法精度的影响

测压孔故障是嵌入式大气数据传感(flush air data sensing,FADS)系统实际工程应用中不可避免的工程问题之一,针对尖楔前体飞行器用FADS系统测压孔故障对算法精度的影响进行研究。基于人工神经网络建模技术建立了某型尖楔前体飞行器FADS系统的模型及解算方法,并分析了驻点压力对算法精度的影响。通过人为设置故障测压孔的方法对不同测压孔故障对FADS系统解算精度的影响进行了评估;最终结合实现精度需求给出了某型FADS系统在保证精度要求下的对各个测压孔的误差限需求。结果表明,驻点压力及位于迎风面的测压孔对尖楔前体类FADS系统解算精度影响显著;通过采用相邻的位于同一迎风面或背风面的测压孔替换故障测压孔能够显著降低故障对算法精度的影响;同时表明合理的冗余配置算法会显著提高FADS系统的鲁棒性,使得FADS系统适用性显著增强。

尖楔前体飞行器FADS系统的径向基网络建模及验证

文章研究了针对一种用于尖楔外形的嵌入式大气数据传感(flush air data sensing,FADS)系统的解算模型及精度.首先基于飞行包络及CFD数据建立了FADS系统的测压孔选取标准;然后基于径向基函数(radial basis function,RBF)的人工神经网络建模技术构建了FADS系统的网络解算模型;最后给出了模型的测试误差,分析了气动延时效应、位置误差等误差源模型对算法精度的影响,并给出了网络模型的预测精度.结果表明,针对尖楔外形测压孔配置特征,基于RBF的人工神经网络算法解算精度较好,攻角、侧滑角、Mach数及静压的网络输出预测值与真实值吻合较好,输出的测试误差(绝对值)分别小于0.25°,0.5°,0.05及250 Pa.结果同时表明神经网络建模技术在尖楔前体飞行器FADS系统中的有效性.

FADS系统在飞翼布局飞行器上的应用研究

针对飞翼布局飞行平台对高精度迎角、侧滑角的依赖性,设计了一种采用安装于机头表面的测压孔和机翼前缘的测压孔相结合的FADS系统应用方案,给出了其空气动力学模型,并将该FADS系统与惯性系统相结合来提高机动情况下大气数据的测量精度。由于该系统以FADS测量结果为基础,所以可以保证最后输出结果的精度要求,而且还克服了FADS系统延时的影响,其计算复杂性基本没有增加,满足实时性要求,易于工程实现。

一种飞翼布局飞行平台FADS系统应用方案研究

对于一些高性能飞行器(如飞翼布局飞行器),仅采用安装在机头表面的测压孔的FADS系统方案.某些情况下不一定能够给出较为准确的飞行姿态数据;针对飞翼布局飞行平台对高精度迎角、侧滑角的依赖性.给出了一种采用安装于机头表面的测压孔和机翼前缘的测压孔相结合的FADS系统方案,推导了其空气动力学模型,并用BP神经网络拟合出了迎角和侧滑角的修正曲线,结果表明该方案能够满足系统精度的要求。

空间飞行器FADS系统算法及奇异值分析

嵌入式大气数据传感(FADS)系统依靠飞行器前端的压力传感器间接得到飞行大气数据。简要介绍了FADS系统的压力模型,针对最小二乘法迭代稳定性差的缺点,给出了求解大气数据迎角和侧滑角的三点法。对三点法求解过程中出现的奇异值问题采用分类分析法进行分析,并给出各组合间优势互补的解决方案。仿真结果表明奇异值分析结果和解决方案正确可行。

FADS系统故障诊断方法研究

为解决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)的故障诊断问题,提出了一种新的方法。基于CFD软件和空气动力学知识获得数据库并建立高精度FADS模型。以系统数学模型为基础,经过严格的公式推导得到故障情况下各组信号的分布特点。为了降低虚警率,基于统计学知识设计了告警次数阈值。为了验证新提出方法的有效性,在不同方差的测量噪声情况下分别将所提方法与以往该领域中被广泛采纳的基于奇偶方程和卡方χ2分布的2种传统方法进行了对比与分析。结果表明,与以往FADS系统的故障诊断方法相比,新提出方法具有更高的诊断精度和更强的抗干扰性。

钝头机体用FADS-α的求解算法及精度研究

针对钝头机体用嵌入式大气数据传感(flush air data sensing,FADS)系统的4类攻角求解算法及算法的求解精度进行研究.针对典型的15°钝头体外形,在Mach数Ma=2.04,3.02,5.01,攻角α=-5°~30°,侧滑角β=0°的条件下,首先基于势流理论及修正的Newton流理论建立了钝头机体用FADS系统的理论模型,并给出了典型的测压孔配置方案;然后采用经典三点式及改进三点式算法、基于线性理论的五孔探针算法、基于非线性理论的五点拟合算法、基于神经网络建模的方法及基于压力模型的加权最小二乘迭代算法,分别建立了FADS-α的4类求解算法;最后对钝头机体用FADS-α的算法求解精度进行了系统对比及论证.研究结果表明,三点式算法、改进三点式算法与加权最小二乘迭代算法精度相当,都可以比较准确地预测攻角;神经网络算法精度较好,但算法涉及的经验参数较多,且需要大批量数据集的训练及验证;拟合算法优劣明显,基于线性理论的五孔探针算法精度在小攻角时与上述几种算法精度相当,但随攻角增大(大于10°)精度下降显著;而基于非线性理论的拟合算法精度较好,但拟合过程复杂繁琐.对钝头机体用FADS-α的算法精度而言,三点式算法、改进三点式算法及加权最小二乘迭代算法是较好的计算方法.

基于云模型和多目标规划的FADS系统测量精度的研究

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%。

基于FADS的飞行器迎角求解方法研究

构建X—33的1/10比例前端模型。利用计算流体力学方法求解模型前端压力分布,采用三点法求解迎角和侧滑角。应用Matlab工具,对求解数据进行修正,最后分析了压力测量误差对迎角精度的影响。结果表明,低马赫数(不大于1.2Ma)下基于仿真数据的嵌入式大气数据传感系统求解迎角误差在0.5°,压力测量误差对迎角精度影响明显。

基于变增益互补滤波的FADS/INS融合方法

针对嵌入式大气数据传感(FADS)系统与惯性导航系统(INS)组合滤波计算攻角/侧滑角时,机动飞行和平飞时对滤波常数的大小需求不一致的问题,提出一种滤波常数能够随着飞行状态自适应调整的变增益互补滤波算法。算法可以随着飞行状态的变化,改变滤波常数τ,保持整个飞行阶段具有更好的攻角融合结果,以提高角度的估计精度。同时将测压孔分组计算攻角,对攻角的延迟进行检测,若延迟过大,则判定为该组攻角失效。仿真结果表明:提出的滤波算法能保持整个飞行阶段内的攻角/侧滑角估计结果误差不超过0.2°,并且相比于固定增益互补滤波器,变增益互补滤波的估计误差更小。