一种基于飞行数据的大气数据和扰动风估计方法

摘要

本发明公开了一种基于飞行数据的大气数据和扰动风估计方法，属于计算、推算或计数的技术领域。该方法：首先，对飞行记录数据进行预处理，初步估计真空速、迎角、盛行风和湍流参数；接着，将扰动风分为盛行风和湍流，基于指数相关模型建立盛行风状态方程，基于von Karman模型建立湍流状态方程，并利用记录的惯性数据建立含大气数据、盛行风和湍流的状态方程，再联合建立的量测方程组成卡尔曼滤波系统；最后，对一定长度的飞行记录数据，采用前向滤波和后向平滑滤波相结合的方法得到任意时刻大气数据和扰动风的状态估计，在无需建立飞机气动和推力模型的前提下提高扰动风估计精度。

说明书

技术领域

本发明涉及民航安全技术与飞行数据应用领域，具体涉及一种基于飞行数据的大气数据和扰动风估计方法，属于计算、推算或计数的技术领域。

背景技术

风切变、湍流等大气扰动现象严重影响民航飞机的飞行品质、乘坐品质和飞行安全。飞行数据记录器从机载总线上获取来自大气数据系统、惯性导航系统等各类系统的记录参数，能够实时记录飞机飞行状态、发动机状态、飞行管理和飞行控制系统的各项工作状态。在大气扰动诱发的飞行事故分析中，分析飞机受到的真空速、迎角、侧滑角以及瞬时扰动风向和风速，对事故分析具有重要意义。受到扰动风的影响，飞机大气数据系统难以准确地采集真空速、迎角、侧滑角等大气数据以及瞬时风向和风速，从而导致这类参数的记录并不准确。此外，飞行数据一般只能记录水平风向及平均风速，不记录空间扰动风。

飞机惯性导航系统是一种自主式导航设备，不受环境的影响。因此，飞行数据中记录的来自惯性系统的地速、姿态角、三轴加速度和角速度数据具有很高的精度。结合大气扰动的特点，根据飞行数据中惯性测量数据对真空速、迎角、侧滑角和扰动风进行估计是一种可行的技术途径。

目前，估计飞行中的大气数据和扰动风主要采用状态估计方法。为估计大气数据，一般结合飞行动力学方程来构建卡尔曼滤波算法，这种方法需要建立飞机气动模型和发动机推力模型，动力学模型的求解和状态估计过程为一体，对建模精度要求很高。另一方面，在扰动风估计方面，一般建立阵风、风切变等模型，将湍流风作为随机噪声，这种建模方法不能反映扰动风的真实特性。

发明内容

本发明的发明目的是针对上述背景技术的不足，针对受扰动风影响，飞行数据所记录的大气数据和风速风向存在偏差、无垂直风记录、无法记录湍流风的不足，利用飞行数据事后分析的特点，提出一种基于飞行数据的大气数据和扰动风估计方法，能够在飞机机动飞行中实现大气数据和扰动风的准确估计，克服以往的状态估计方法需要高精度气动和发动机推力模型的缺陷，实现提高大气数据和扰动风估计精度和稳定性的发明目的。

本发明为实现上述发明目的采用如下技术方案：

本申请涉及的一种基于飞行数据的大气数据和扰动风估计方法，具体过程包括三大步骤。

步骤一：对飞行记录数据进行预处理，初步估计真空速、迎角、盛行风和湍流参数。选取飞行数据时间序列包括：三轴加速度a＝[a

步骤二：将扰动风分为盛行风和湍流，即W＝W

步骤三：对一定长度的飞行记录数据，采用前向滤波和后向平滑滤波相结合的方法得到在任意时刻的大气数据和扰动风状态估计。

本发明采用上述技术方案，具有以下有益效果：

(1)本申请涉及的大气数据和扰动风估计方法根据在扰动风下的大气数据与惯性数据之间的动力学关系以及实时惯性数据记录值建立大气数据状态方程，无需建立飞机气动和推力模型，克服建立飞机气动和推力模型本身需要复杂的数据支持且对精度要求高的缺陷。

(2)本申请利用飞行数据事后分析的特点，将后向平滑滤波结果与前向滤波结果相结合得到最后的状态估计值，提高状态估计精度。

(3)本申请对扰动风进行了细化处理，将扰动风模型分成低频慢变的盛行风模型和高频湍流模型，提高扰动风建模精度，在状态方程中叠加盛行风模型和高频湍流模型后，利用推算出的扰动风量测值进行扰动风状态滤波，实现基于飞行数据估计飞机空速、迎角、侧滑角以及三维空间扰动风的发明目的，从而辅助进行扰动风诱发的飞行事故分析。

附图说明

图1为本发明基于飞行数据估计大气数据和扰动风的流程图。

图2为本发明基于前向滤波和后向平滑滤波处理大气数据和扰动风估计的示意图。

具体实施方式

下面结合附图对发明的技术方案进行详细说明。

本申请公开的基于飞行数据的大气数据和扰动风估计方法，如图1所示，包括三大步骤。

步骤一：对飞行记录数据进行预处理，初步估计真空速、迎角、盛行风和湍流参数。选取飞行数据时间序列包括：三轴加速度a＝[a

步骤1-A：估计真空速初值，并建立真空速量测方程。首先根据环境温度T获得当地音速：

式(1)中，a为音速，k为绝热指数，g为重力加速度，R为气体常数。估计真空速的表达式为：

V

从而根据飞行数据记录的每时刻的马赫数获得真空速测量值。

步骤1-B：估计机身迎角初值，并建立迎角量测方程。在平飞状态下，根据迎角记录值

采用最小二乘拟合法，获得系数a

步骤1-C：估计湍流强度并建立扰动风量测方程。根据地速、真空速与风速的矢量关系，建立用于扰动风和大气数据估计的量测方程。根据空间扰动风与地速、真空速的关系，建立扰动风的量测方程为：

式(4)中，W＝[W

将式(5)作为扰动风量测方程，通过求解获得的垂直风分量W

式(6)中，N为垂直风序列包含的测量值个数，W

步骤二：飞行中的扰动风本质上是在水平盛行风上叠加了高频大气湍流，在进行大气数据和扰动风估计时，将慢变的盛行风与高频湍流区分开来，分别进行建模和状态估计，有助于提高滤波的精度和稳定性。因此，将扰动风分为盛行风和湍流，即W＝W

步骤2-A：采用指数相关模型建立水平盛行风的状态方程：

式(7)中，W

步骤2-B：采用von Karman湍流模型建立中高空小尺度湍流状态方程。根据VonKarman模型，三个湍流分量的时间谱方程为：

式(8)中，ω为湍流时间频率，a'＝1.339；Φ

对式(9)进行一阶有理逼近，获得微分方程形式的成型滤波器模型，形成湍流状态方程：

式(10)中，[W

步骤2-C：以惯性记录数据(φ,θ,ψ,p,q,r,a

式(11)中，

由此，通过联合式(7)、(10)、(11)建立以水平盛行风、湍流风、真空速、迎角、侧滑角为状态参数x的状态方程，x＝[V

式(12)中，W＝W

通过一阶偏微分计算，形成卡尔曼滤波的系统方程和量测方程：

式(14)中，

步骤三：飞行事故分析一般采用飞行记录数据进行事后分析，对一定长度的飞行记录数据，本申请采用图2所示的前向滤波和后向平滑滤波相结合的方法得到在任意时刻的大气数据和扰动风状态估计，包括步骤3-A至步骤3-C三个步骤。

步骤3-A：对时间长度为k＝1,…,N的飞行数据，要获得任意时刻m的状态估计，首先根据k＝1,…,m，m＜N的所有量测值进行前向滤波。初始化前向滤波器如下：

式(15)中，x

式(16)中，

步骤3-B：对于k＝m+1,…,N的所有量测值进行从第N个量测值向第m+1个量测值递推的后向平滑滤波。初始化后向平滑滤波器如下：

式(17)中，中间矩阵s

式(18)中，

执行最后时刻更新来获得m时刻状态参数x

步骤3-C：根据x

从而在飞行事故数据分析过程中，可针对需要重点分析的时间段，采用上述方法估计出该时间段内的大气数据和扰动风变化。