飞翼飞行器嵌入式大气数据传感系统算法研究

介绍了嵌入式大气数据传感(FADS)系统的测压孔布局和压力模型;分析了超定线性方程组的解法,并用广义逆矩阵A+计算其最小二乘解;建立了形压系数ε与马赫数M∞、迎角α和侧滑角β的确切的函数模型;提出了故障点的处理方法;并用神经网络实现对动压、静压的求解。计算结果表明:飞翼飞行器的FADS系统的算法能够满足设计要求。     

基于x2检验的FADS系统故障检测与管理技术研究

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,这种多测压孔结构的系统,比传统的探针插入式大气数据传感器具有较强的抗扰动能力,但是若把故障的压力测量信息引入到迭代算法会导致运算发散甚至整个系统失效;针对这一情况,提出利用卡方分析来检查测压点故障的方法,一旦确定测压点故障,便将该点排除出运算法则;仿真结果表明,该系统具备一定的容错能力.     

基于Х^2检验的FADS系统故障检测与管理技术研究

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。这种多测压孔结构的系统，比传统的探针插入式大气数据传感器具有较强的抗扰动能力，但是若把故障的压力测量信息引入到迭代算法会导致运算发散甚至整个系统失效；针对这一情况，提出利用卡方分析来检查测压点故障的方法。一旦确定测压点故障，便将该点排除出运算法则；仿真结果表明，该系统具备一定的容错能力。     

基于FADS/IMU信息融合的大气数据测量方法研究

对飞行器大气数据进行估计是获取飞行状态的重要一环,是实现飞行器控制和稳定飞行的基础。通过研究嵌入式大气数据传感(FADS)系统,提出了基于容积卡尔曼滤波的惯性测量元件(IMU)数据和FADS数据融合算法。该算法对飞行器运动状态建立高阶滤波模型,使用容积点加权求和逼近的方法估计非线性运动模型,滤波输出值经处理后得到马赫数、攻角、侧滑角等大气数据。经仿真实验,算法计算的大气数据较为准确,马赫数误差小于0.01,攻角和侧滑角的误差小于0.1°。     

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。     

先进飞行器大气数据传感技术的发展与展望

大气数据传感技术通过直接或间接的方式获取飞行器周围的气流特性,对保障飞行器飞行安全、提高飞行性能具有重要的意义和价值,也是各个时期先进飞行器性能提升的关键因素。针对各个时期先进飞行器性能方面的需求,各国专家和学者从系统架构、感知方法、数据处理算法等多个角度开展了对大气数据传感技术的研究,基于相关研究成果提出了多种具备不同特点的大气数据传感技术,部分技术已经在目前的各类先进飞行器上得到了广泛应用。随着未来新一代先进飞行器的性能特点逐渐明确,面向新一代先进飞行器性能需求的大气数据传感技术将朝着一体化、信息化和智能化的方向发展。     

融合气象观测数据的高精度大气数据估计算法研究

针对嵌入式大气数据观测系统（FADS）与惯性导航系统（INS）在计算飞行器大气数据时易受风速变化造成参数估计不准确的问题,文章提出一种融合FADS/INS/气象观测数据的大气数据解算方法。FADS依靠飞行器外表面的气压分布直接计算大气数据,INS提供姿态角与加速度,气象观测数据包括气压-高度的对应关系与风速矢量。融合过程结合FADS压力模型、飞行器运动模型和大气观测数据构建状态方程与观测方程,并采用滤波预处理、扩展卡尔曼滤波估计出精确的空速矢量和高度,结合INS数据进一步转换得到大气数据。仿真结果表明,文章提出的方法与现有未融合气象观测数据的算法相比,在攻角和侧滑角估计方面,估计误差降低30%,在马赫数估计方面误差降低了89%,在气压高度方面误差降低93%,估计精度得到有效提高。     

飞翼飞机嵌入式大气数据系统算法研究

为适应新型作战飞行器平台高隐身、高超声速、高机动性等方面的需求,嵌入式大气测量技术不断发展。分析对比类球头集中式和飞翼飞机分布式两大类嵌入式大气数据传感（FADS）系统的研究情况及差异性。针对高隐身的飞翼布局飞机,以类X-47B飞机气动外形为研究对象,参考其测压点选位布局,开展了FADS算法模型的研究,提出一种适合工程应用的飞翼布局飞机FADS算法模型。算法采用最小二乘法拟合流场样本数据,通过迭代计算解耦各大气参数。仿真验证表明：该算法具有较高的解算精度,且迭代计算稳定收敛。     

多气参测量的压力型基准大气数据系统研制

针对某飞行器嵌入式大气数据传感(FADS)系统的飞行试验校准问题,研制了一套压力型姿态角测量的多气参基准大气数据系统。设计了可实现高线性度、解耦的压力型姿态角测量空速管,并配套研制了大气数据计算机。解决了有限空间内多气路之间密封、同时精确取气和压力测量、飞行器机体干扰下的风洞试验标定、多参数拟合修正的气参解算等难题,获得了机体干扰下的空速管测量修正解算公式,实现了基准气参的高精度测量。在完成基准空速管的风洞试验标定和联调试验后,实现了对全系统正常工况下的飞行参数测量精度及系统稳定性考核,最终成功应用于飞行试验中。     

嵌入式大气数据传感系统误差分析

嵌入式大气数据传感(FADS)系统与传统大气数据传感系统相比,其精度、适用范围、可靠性等都具有优势。在应用之前,对其在应用中存在的各种误差进行建模、仿真,以了解各种误差对FADS系统精度的影响。之后设计蒙特—卡洛仿真,为沿某一条飞行轨迹进行误差分析提供了一种可行的方法。该方法可用于分析不同算法在不同飞行条件下的精度,为FADS系统算法选取提供参考。     

嵌入式大气数据传感系统及其BP网络校正算法

介绍了嵌入式大气数据传感系统及其数学模型和校正过程．研究了该系统的BP网络校正算法;提出了以BP网络为基础的迎角、侧滑角和形压系数的校正算法,并对该算法应用MATLAB软件进行了验证;该校正算法采用BP网络,分别以当地迎角、当地侧滑角和马赫数作为BP网络的输入．以真实迎角、真实侧滑角和形压系数作为输出,通过对BP网络进行训练,从而得到系统的校正算法;计算结果表明,该算法在精度、可靠性和实时性等方面可以满足系统的设计要求;在精度上,由于BP网络对非线性函数的无限逼近特性,可以用更少的参数实现同样的数据精度,易于实现。     

嵌入式大气数据系统Kriging算法模型

基于Kriging算法提出了一种嵌入式大气数据系统的计算模型.该模型以测压点压强为输入,攻角、偏航角和Ma等大气参数为输出.采用Kriging插值方法,建立了输入与输出间的映射关系,从而避免了迭代类方法反复迭代的过程,实现了高实时性.分别比较了取三、四和五个测压点时,以及取不同位置处测压点时,计算大气数据的精度.通过与神经网络模型比较,Kriging模型的精度明显优于神经网络模型.     

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:可靠件,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.     

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。     

狼群优化的神经网络频谱感知算法

提出了一种基于狼群优化的人工神经网络频谱感知方法,实现了具有神经网络最优结构的神经网络频谱感知算法。该算法在包含自组织神经网络的频谱感知算法的基础上,具体阐述了训练样本的生成,神经网络的训练以及对神经网络训练阶段结束后所得到的权值矩阵运用狼群优化方法进行进一步的优化处理的过程。实验结果表明,狼群优化的自组织神经网络频谱感知算法与自组织神经网络的频谱感知算法相比,具有更好的频谱感知性能。     

广义逆在嵌入式大气数据传感系统中的应用

应用广义逆矩阵对嵌入式大气数据传感系统中的算法进行简化,提出了以Moore-Penrose广义逆矩阵为基础的动压、静压和修正参数的改进算法,并对其进行了收敛性分析,最后,应用M atlab软件进行了数字计算验证。计算结果表明:改进算法具有确定的收敛性,由于避免了迭代过程中求解逆矩阵,达到同样的精度所需要的计算时间只相当于原有算法的70%,改进算法可以满足系统的精度、可靠性和实时性要求。     

基于RBF神经网络的全姿态磁航向误差建模与补偿

对磁罗盘系统误差和目前多数文献所提出的全姿态磁航向误差补偿方法的不足进行了分析.针对具有一定俯仰角或横滚角的磁罗盘系统磁航向误差建模和补偿问题,提出了基于径向基函数(RBF)神经网络的修正方法,并与BP神经网络方法进行了比较.在分析算法原理的基础上进行了实验仿真,结果表明:采用RBF神经网络在明显提高网络收敛速度的基础上,大大减小了全姿态磁航向误差,校正效果优于BP神经网络.     

&thetas;-adaptive neural networks: a new approach to parameterestimation

A novel use of neural networks for parameter estimation in nonlinear systems is proposed. The approximating ability of the neural network is used to identify the relation between system variables and parameters of a dynamic system. Two different algorithms, a block estimation method and a recursive estimation method, are proposed. The block estimation method consists of the training of a neural network to approximate the mapping between the system response and the system parameters which in turn is used to identify the parameters of the nonlinear system. In the second method, the neural network is used to determine a recursive algorithm to update the parameter estimate. Both methods are useful for parameter estimation in systems where either the structure of the nonlinearities present are unknown or when the parameters occur nonlinearly. Analytical conditions under which successful estimation can be carried but and several illustrative examples verifying the behavior of the algorithms through simulations are presented.     

BP网络在嵌入式大气数据传感系统中的应用

研究了BP人工神经网络在嵌入式大气数据传感系统中的应用.提出了以BP网络为基础的动、静压和修正参数的改进算法,并对其应用Matlab软件进行了验证.改进算法首先应用广义逆矩阵简化方程组,然后应用BP网络求解非线性方程.计算结果表明,改进算法在精度、可靠性等方面可以满足系统的设计要求.在实时性上由于改进算法避免了迭代运算,达到同样的精度所需要的计算时间只相当于原有算法的5%,比迭代方法具有更大实时性优势.