基于自适应驾驶员最优控制模型的飞行品质预测

传统飞机驾驶员最优控制模型采用卡尔曼滤波,无法反映飞行员对未知环境的适应能力,在飞行试验中有时存在与飞行员实际评分不一致的现象.为此,采用自适应状态估计理论对传统驾驶员最优控制模型进行了修正,提出了基于自适应飞机驾驶员最优控制模型的飞行品质评估方法.通过对比飞行试验和模型仿真结果表明了这一评估方法的可行性,所采用的修正加权系数得到的评分结果精度更高.研究结果表明,飞行员评分与指标函数加权系数比值相关,采用变化加权系数比值得到的评估结果与飞行员实际评分更为吻合.随着飞机动态特性的变差,这一比值将不断增大,飞行员将投入更多精力进行飞行状态监测,进而导致飞行员降低对飞行品质的主观评价.     

多测速系统中系统误差实时估计与校准算法

在实际目标跟踪系统中,测量设备都存在系统误差,会导致跟踪滤波精度显著下降。针对多测速系统,对其测速系统误差进行了简化数学建模;然后将其增广为状态变量,应用扩维无迹卡尔曼滤波对目标运动状态和系统误差进行联合估计,以实时校准系统误差、提高状态估计精度。在存在主副站2类系统误差的条件下,设定恒定和线性时变2类系统误差场景,对算法进行仿真分析。仿真结果表明,算法在2类系统误差情形下都能有效校准系统误差,位置、速度滤波精度可提高80%以上;尤其是当系统误差恒定时,算法可完全消除系统误差的影响。     

跟踪飞机机动的自适应滤波方法

本文研究了对目标机动的最优检测问题,针对飞机主要有三种飞行状态:匀速直线运动、加速直线运动与圆运动这一特点,提出了既探测飞机机动又同时判断飞机作何种形式的机动的方法;并建议对飞机的不同飞行状态,采用相应的动态模型。在此基础上,给出了自适应滤波方法。最后给出的仿真计算果表明,自适应滤波方法有较高的跟踪精度。     

自适应增量 Kalman 滤波方法

提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用.      

民机四维航迹/姿态一体化自适应控制

出于运营效率和飞行安全的考虑,民用飞机在航路终端区需有效减少飞行总系统误差（TSE）,提高空域资源利用率。在此航段中,飞行技术误差（FTE）是最主要的组成部分,需采用引导控制一体化的设计思想,实现民机起飞/着陆段四维航迹精确跟踪,有效减小飞行技术误差。基于回路传递函数恢复（LTR）技术协调设计随机线性系统状态观测器和最优控制器,解决大气紊流作用下的民机飞行控制系统设计问题。在此基础上,引入自适应投影算子估计大气扰动导致的气动参数不确定性,并对其作用效果进行补偿。仿真结果表明,基于LQG/LTR（Linear Quadratic Gaussian/Loop Transfer Recovery）控制技术的自适应飞行控制律可以有效抑制气动参数不确定性影响,能够实现民机四维航迹/姿态一体化高精度控制的目标。     

用最优估计法从飞行试验数据估计飞机迎角及测量误差

本文采用最优估计方法——信息平方根滤波和平滑算法,利用飞行数据对J-7原型机安装的92/BJ311型风标式迎角传感器的迎角测量误差进行了估计,给出了飞行迎角的校准公式。状态估计系统方程采用六自由度非线性方程。飞行动作采用推拉机动方法.飞行试验结果与风洞值进行了比较分析,证明飞行试验获得的误差修正系数和零偏误差是合理的。     

民用飞机高原风场进近驾驶行为变化对失控趋势的影响

高原机场运行安全性是颇具中国特色的飞行安全研究领域。在高原机场终端区,飞机的飞行性能下降,如果遭遇大风等不利天气条件,不安全事件的发生概率增加,其中飞行失控(LoC)是重要的潜在威胁类型。为了分析风场飞行的失控机理并研究高原环境中驾驶员生理变化对LoC趋势的影响,对高原机场终端区驾驶员的操纵行为进行参数化表征,模拟了高原环境对于驾驶行为的可能影响,并结合高原特征风场模型,通过数值仿真分析穿越风场飞行时失控风险的变化趋势。仿真结果表明:危险的山谷风和突风是导致LoC的重要诱因,高原环境中驾驶员生理心理的恶化也会增加LoC的危险,不合适的增益、过大的延迟和滞后都会导致飞机的失控。如果能够对驾驶员进行有针对性的训练,降低应对风扰动出现时的操纵增益波动,并保持适当紧张状态以尽量降低操纵延迟,将有利于应对风扰动,并保持完成飞行任务的能力。     

基于遗传算法的终端区航迹优化方法

为了对终端区的航迹进行优化设计,以数学中的最优化理论为基础并借助遗传算法,根据设计所追求的性能目标建立了目标函数;在满足给定的约束条件下,寻求最优的设计方案,构建了科学的终端区航迹。仿真结果表明,所设计的方法有效地解决了终端区飞行航迹存在的飞行冲突和限制区避让等问题,保证了飞机在终端区飞行的安全性和经济性。     

终端区最低监视气压高度的误差分析研究

在划设最低监视引导高度时,由于部分终端区区域较大,导致距离中心机场较远的区域存在气压高度误差,影响航空器的飞行安全。通过对终端区内最低引导气压高度的高度误差进行分析,并对ICAO和飞机制造商温度修正算法进行比较,最终选择ICAO的修正算法进行修正。根据我国目前的超障余度规定,针对较大终端区内距离中心机场较远的山区区域进行修正。以乌鲁木齐终端区为实例进行验证,说明了修正的必要性,提出了相关规律,并可以利用算法检查划设终端区内各扇区最低监视引导高度是否满足要求。     

基于CKF的联合扩维误差配准算法

误差配准是多传感器信息融合的基础。为解决机载多平台多传感器的误差配准问题,研究并提出了一种基于容积卡尔曼滤波(CKF)的联合扩维误差配准算法。在算法实现中,首先采用状态矢量维数扩展方法建立非线性滤波框架下的系统误差配准模型,其次根据误差配准模型对各传感器的测量系统误差及各平台的姿态角系统误差进行估计,最后通过CKF滤波实现对状态预测值的修正,改善系统误差对滤波精度的影响。仿真结果表明,所提出的算法能够有效融合利用多传感器的测量信息,实现对多传感器系统误差及目标状态的实时联合精确估计。     

基于状态反馈的执行器故障容错控制

针对线性离散系统的执行器故障,提出了一种基于状态反馈的容错控制方法。该方法在应用自适应卡尔曼滤波进行系统状态和故障同步估计的基础上,通过故障信息和状态估计进行状态反馈,对闭环系统进行极点配置,从而修正执行器故障造成的系统误差,实现容错控制。最后,将该方法应用于飞行控制系统的执行器故障容错控制,仿真结果表明该方法不仅能够准确地进行故障估计,而且能够在故障情况下保证系统输出正常,具有一定的理论意义和实际工程应用价值。     

常增益变采样率自适应滤波

作者曾给出一种跟踪飞机机动的自适应滤波,采用直角坐标系中的9维状态量,利用最优检测统计量探测目标机动,并用估计到的机动加速度修正目标的预报值。 本文将在文献[1]的基础上,提出两种简化自适应滤波。其一,采用两套直角坐标系中的9维卡尔曼滤波,其中的一套滤波用于取代最优检测统计量,完成对目标机动的探测和估计的功能;其二,采用三通道解偶的常增益变采样率自适应滤波。     

网络攻击下无人机信息物理系统的自适应状态估计

针对网络攻击下无人机信息物理系统(CPS)的安全状态估计问题,提出了一种基于自适应方差极小化的递推状态估计器(AVMRE)。通过将针对控制输入和传感器数据的恶意攻击分别建模为状态和量测方程中的未知干扰项,建立了未知干扰解耦状态递推估计器,实现滤波误差中的量测未知干扰解耦,利用滤波残差设计自适应调整因子对估计误差上界进行极小化,应用最小方差估计准则求解出算法中的量测增益反馈矩阵。同时引入事件触发机制,使得系统在保持一定估计精度的情况下节省通信资源。此外,给出了滤波误差指数有界性的充分条件。无人机飞行模型仿真验证了本文算法相比传统算法的有效性和优越性。     

自适应无迹增量滤波方法

提出自适应无迹增量滤波(AUIF)的概念和定义,建立自适应无迹增量滤波模型及其分析方法,给出递推算法.传统的滤波方法极少关注量测方程的系统误差.在许多实际情况(如深空探测),量测方程由于受环境因素及测量设备不稳定等影响往往无法进行验证或校准而存在未知的系统误差,并且模型参数和噪声统计量也具有不确定性.这种不确定性会使递推过程产生较大误差,甚至导致发散,从而降低滤波精度.提出的AUIF能够成功消除这种未知的系统误差,也能够实时估计变化的噪声统计量,提高滤波精度.该方法计算简单,便于工程应用.      

一种单传感器实时系统误差配准算法

针对运动单传感器系统误差配准问题进行了研究,提出了一种基于位置未知固定目标的单传感器实时系统误差配准算法。算法利用传感器对固定目标的两时刻量测值,构建包含传感器系统误差的等效系统状态及其状态方程与量测方程,并基于扩展卡尔曼滤波技术实现了利用位置未知的固定目标对传感器系统误差的实时精确滤波估计。蒙特卡洛仿真结果验证了算法的有效性,具有对系统误差的稳定估计性能、快速的滤波收敛能力、较高的系统误差配准精度以及较强的工程实用性。     

飞机飞行载荷试飞意外超载因素分析及应对

飞机飞行载荷试飞是验证飞机结构强度、刚度满足强度规范及研制要求必不可少的技术环节。通过对飞机飞行载荷试飞方法及执行模式的讨论,分别研究了试飞典型试验点选取、载荷测量系统误差、飞机飞行特性误差等关键因素,对飞机意外超载现象的影响。最后结合试飞工作,提出了合理规划飞行试验点,完成飞机严重载荷状态预计,制定超载允差门槛值等试飞风险应对预案等方法,为新机载荷试飞安全提供更为有力的保障。     

估计理论在飞行数据相容性检验中的应用

飞行数据相容性检验在飞行试验数据分析中是很重要的。由于飞行试验测量数据中存在着各种过程噪声(如大气紊流)和测量噪声(如尺度因子偏差、常值系统偏差等),这些误差将会导致飞行数据各通道之间不相容。利用估计理论进行飞行状态估计,同时估计出未知的尺度因子,系统偏差,即进行飞行轨迹重构被认为是飞行数据相容性(一致性)检验的强有力的工具。本文利用推广卡尔曼滤波和信息平方根滤波及平滑进行高速飞机飞行数据的相容性检验,提出了飞机纵向运动和全面运动的新模型,通过仿真和实际计算得出满意的结果。     

自适应扩展增量 Kalman 滤波方法

基于扩展增量Kalman滤波方法(EIKF)和自适应增量Kalman滤波(AIKF),建立自适应扩展增量Kalman(AEIKF)模型及其分析方法,给出递推算法.在许多实际情况(如深空探测),由于环境因素的影响、测量设备的不稳定性等原因,量测方程往往存在未知的系统误差,并且模型参数也具有不确定性,结果导致较大的Kalman滤波误差,影响滤波的收敛性.提出的AEIKF方法能够成功消除这种未知的系统误差,并能够实时估计变化的噪声统计量,提高Kalman滤波精度.该方法计算简单,便于工程应用.      

一种针对结构损伤的非线性容错飞行控制方法

飞机结构损伤会引起气动参数变化,进而影响系统的静稳定性和控制精度。针对具有多输入的非线性飞机模型,利用带有二阶命令滤波器的自适应反步控制方法在线估计飞机气动参数,补偿结构损伤导致的气动参数变化对控制系统的影响,以实现容错飞行控制功能;引入的命令滤波器可以避免反步控制中复杂的求导运算。从理论上分析证明了带有二阶命令滤波器的自适应反步控制的闭环系统稳定性,并给出了控制跟踪误差的理论上界和二阶命令滤波器频率参数选取的下界。通过一个大型客机垂直尾翼脱落场景的仿真实验,验证了所提容错控制方法的有效性。     

对飞机的跟踪方法

 本文叙述对作机动飞行（加速、转弯等）的飞机进行实时跟踪的方法,该方法采用自适应（一阶）多项式滤波,其中用X²分布法探测飞机机动,分别用方差匹配法及两种算法估计由机动产生的模型噪声方差Qk。模拟计算表明,两者对飞机机动的跟踪都是成功的,而后者对工程应用更方便一些。