基于云模型和多目标规划的FADS系统测量精度的研究

胡嘉悦, 贾乾磊, 章卫国, 李广文, 史静平, 刘小雄

(西北工业大学 自动化学院, 陕西 西安 710072)

2018年和2019年,印度尼西亚狮航和埃塞俄比亚航空公司先后发生两起重大空难事件,共计造成346人死亡。事后经过多方调查,一个重要原因是波音737MAX型客机在飞行过程中迎角传感器的测量结果出现异常,进而影响了飞行控制系统,最终导致飞机坠毁。因此,保证大气数据传感器测量精度是至关重要的,将直接关乎到整个飞行安全。

传统的探针式大气数据传感器以空速管为基础,配合迎角传感器、侧滑角传感器,对迎角和侧滑角等状态量进行测量。但是需要注意的是,现代飞行器的飞行包线越来越大,飞行环境也更加复杂,外露的探针易受到各种外界干扰,测量精度难以得到保证。为了解决这个问题,美国、法国等国先后开展了关于嵌入式大气数据传感器(flush air data sensing,FADS)的研究,并已于近年运用在X-33、X-43A等飞行器上[1-3]。

和探针式大气数据传感器不同,FADS系统主要利用嵌入在机头的压强传感器测量出的各点压强值进行迎角、侧滑角等状态量的推导计算,有效地克服了传统探针式传感器的缺点和不足。

目前国内外针对FADS系统算法的研究主要可以分为最小二乘迭代法、神经网络法、Kriging法、查表法和“三点法”。文献[4]首次提出基于最小二乘迭代法的解算算法,但是此方法的弊端是实时性较差,且不易收敛,因此并没有得到广泛运用。文献[5-6]提出基于神经网络的解算算法,但是此方法需要大量数据支撑,一旦数据不充分或者不真实,测量精度就会受到很大影响。……