一种融合导航数据的大气数据估计与状态监测方法技术

本发明专利技术公开了一种融合导航数据的大气数据估计与状态监测方法，步骤：采集大气数据和惯导数据，分析大气数据与惯导数据之间的关系；建立虚拟大气数据系统模型，计算融合攻角和融合侧滑角；当大气数据系统正常工作时，计算出融合攻角与测量攻角之间差值的均值

A method of atmospheric data estimation and state monitoring based on navigation data

【技术实现步骤摘要】
一种融合导航数据的大气数据估计与状态监测方法
本专利技术属于航空飞行器数据监测领域，特别涉及了一种大气数据估计与状态监测方法。
技术介绍
攻角、侧滑角、真空速是非常重要的大气参数，由此可得到其他大气信息。大气参数表征飞行器的受力、受热情况，是空天飞行器飞行控制系统的指令信息，其测量精度和可靠性直接关系到飞行器控制等系统的正常工作及性能发挥。随着航空产业的高速发展，应用于航空中的数据系统的安全性、可靠性变得越来越重要。为了航空飞行器的飞行安全，保障攻角和侧滑角的精准测量，在飞行器中需要为攻角和侧滑角配置异常监测系统。航空飞行器有时需要做大范围高速机动或者在恶劣条件下飞行，因此大气数据系统存在着失效的可能性。出于安全性和可靠性的考虑，航空飞行器必须拥有大气参数异常监测功能。在飞行器中，通常会采用硬件冗余、传感器冗余和表决模块等方式来进行数据异常的监测，从而确保数据信息的准确性。但是考虑到设备价格等因素的影响，需要在一套INS/GNSS/ADS设备中实现大气数据的异常监测。因此常用的三种异常监测方式无法使用，故需要寻找新的方法实现通用航空飞行器数据异常监测的功能。
技术实现思路
为了解决上述
技术介绍
提到的技术问题，本专利技术提出了一种融合导航数据的大气数据估计与状态监测方法。为了实现上述技术目的，本专利技术的技术方案为：一种融合导航数据的大气数据估计与状态监测方法，包括以下步骤：(1)采集大气数据和惯导数据，分析大气数据与惯导数据之间的关系；(2)建立虚拟大气数据系统模型，计算融合攻角和融合侧滑角；(3)当大气数据系统正常工作时，计算出融合攻角与测量攻角之间差值的均值和均方差σ；采用一段时间ΔT内融合攻角与测量攻角之间差值的方差v进行异阈值判断，当|v|＜nσ时，判断大气数据系统未发生异常，反之大气数据系统发生异常，其中n为设定的系数。进一步地，在步骤(1)中，所述大气数据与惯导数据之间的关系如下：上式中，M为飞行器飞行的马赫数；Ts为开尔文温度；VT为飞行器相对于空气的速度，即真空速；为机体系下空气相对于地理系的速度，即机体系下风速；为导航系到机体系的姿态转移矩阵；为机体系下飞行器相对于地理系的速度，即机体系下地速；为机体系下真空速；为机体系下真空速沿机体横轴向右的分量，为机体系下真空速沿机体纵轴向前的分量，为机体系下真空速沿机体竖轴向上的分量；α为融合攻角，β为融合侧滑角。进一步地，在步骤(2)中，基于建立的虚拟大气数据系统模型，考虑到飞行器在做角运动时，受到杆臂效应的影响，机头、右翼和机身上方的速度与飞机质心点的速度不同，得到融合攻角α和融合侧滑角β的计算式：上式中，为飞行器机体系下质心三轴的线速度，p,q,r为飞行器机体系下三轴的角速度，xs,ys,zs为飞行器机体系下三轴的杆臂长度。进一步地：上式中，θ,γ,ψ为姿态角，为θ,γ,ψ的一阶微分，即姿态角速度。进一步地，在步骤(3)中，选用飞行器飞行的多个时段，将融合攻角与测量攻角作差，对数据进行统计，得到均值和均方差统计量；在不同的时段采用不同的异常阈值，设融合攻角与测量攻角差值中的最大值和最小值分别为xmax和xmin，令ε＝max{|xmax|,|xmin|}，则系数其中表示向上取整运算。进一步地，在步骤(3)中，ΔT＝2s。采用上述技术方案带来的有益效果：本专利技术采用融合导航数据的虚拟大气数据系统对大气数据进行了估计和状态的监测，能够及时有效地监测出数据异常，有助于增强航空飞行器的安全性和可靠性。附图说明图1是本专利技术的虚拟大气数据系统框图；图2是本专利技术的异常监测算法图。具体实施方式以下将结合附图，对本专利技术的技术方案进行详细说明。本专利技术设计了一种融合导航数据的大气数据估计与状态监测方法，步骤如下：步骤1：采集大气数据和惯导数据，分析大气数据与惯导数据之间的关系；步骤2：建立虚拟大气数据系统模型，计算融合攻角和融合侧滑角；步骤3：当大气数据系统正常工作时，计算出融合攻角与测量攻角之间差值的均值和均方差σ；采用一段时间ΔT内融合攻角与测量攻角之间差值的方差v进行异阈值判断，当|v|＜nσ时，判断大气数据系统未发生异常，反之大气数据系统发生异常，其中n为设定的系数。在本实施例中，在步骤1中，采集的大气数据包括攻角、侧滑角、马赫数和真空速等，采集的惯导数据包括姿态角、姿态角速率和东北天向速度等。大气数据与惯导数据之间的关系如下：上式中，M为飞行器飞行的马赫数；Ts为开尔文温度；VT为飞行器相对于空气的速度，即真空速；为机体系下空气相对于地理系的速度，即机体系下风速；为导航系到机体系的姿态转移矩阵；为机体系下飞行器相对于地理系的速度，即机体系下地速；为机体系下真空速；为机体系下真空速沿机体横轴向右的分量，为机体系下真空速沿机体纵轴向前的分量，为机体系下真空速沿机体竖轴向上的分量；α为融合攻角，β为融合侧滑角。在本实施例中，在步骤2中，建立的虚拟大气数据系统模型如图1所示。如图2所示，由上一时刻的真空速和地速计算出风速，根据风速短时间不变原理，由此时刻的地速和上一时刻的风速得到此时刻的融合真空速进而得到融合攻角和融合侧滑角飞机在做角运动时，由于杆臂效应的影响，机头、右翼和机身上方的速度与飞机质心点的速度不同，所以需要通过下式消除杆臂效应的影响：上式中，为飞行器机体系下质心(x,y,z)轴的线速度，p,q,r为飞行器机体系下(x,y,z)轴的角速度，xs,ys,zs为飞行器机体系下(x,y,z)轴的杆臂长度。由于惯性导航系统输出的是地理系下的姿态角速度需要通过下式，将地理系下的姿态角速度转化为机体系下的角速度(p,q,r)。在上式的基础上，考虑杆臂效应的影响，得到下式：通过上式，虚拟大气数据系统的模型已经建立完毕，可以获得更加精确的融合攻角和融合侧滑角。在本实施例中，在步骤3中，考虑到使用某一时刻的差值做阈值判断会产生误警和漏警的情况，影响大气数据异常监测方法的准确性，采用一段时间内差值的方差进行异常阈值判断。因为系统发生故障后，2s内需要监测出故障，所以将采用2s内差值的方差进行阈值判断。选用飞行器飞行的多个时段，将融合攻角与测量攻角作差，对数据进行统计，得到均值和均方差统计量；在不同的时段采用不同的异常阈值，设融合攻角与测量攻角差值中的最大值和最小值分别为xmax和xmin，令ε＝max{|xmax|,|xmin|}，则系数其中表示向上取整运算。实施例仅为说明本专利技术的技术思想，不能以此限定本专利技术的保护范围，凡是按照本专利技术提出的技术思想，在技术方案基础上所做的任何改动，均落入本专利技术保护范围之内。本文档来自技高网...

【技术保护点】
1.一种融合导航数据的大气数据估计与状态监测方法，其特征在于，包括以下步骤：/n(1)采集大气数据和惯导数据，分析大气数据与惯导数据之间的关系；/n(2)建立虚拟大气数据系统模型，计算融合攻角和融合侧滑角；/n(3)当大气数据系统正常工作时，计算出融合攻角与测量攻角之间差值的均值

【技术特征摘要】
1.一种融合导航数据的大气数据估计与状态监测方法，其特征在于，包括以下步骤：
(1)采集大气数据和惯导数据，分析大气数据与惯导数据之间的关系；
(2)建立虚拟大气数据系统模型，计算融合攻角和融合侧滑角；
(3)当大气数据系统正常工作时，计算出融合攻角与测量攻角之间差值的均值和均方差σ；采用一段时间ΔT内融合攻角与测量攻角之间差值的方差v进行异阈值判断，当|v|＜nσ时，判断大气数据系统未发生异常，反之大气数据系统发生异常，其中n为设定的系数。


2.根据权利要求1所述融合导航数据的大气数据估计与状态监测方法，其特征在于，在步骤(1)中，所述大气数据与惯导数据之间的关系如下：















上式中，M为飞行器飞行的马赫数；Ts为开尔文温度；VT为飞行器相对于空气的速度，即真空速；为机体系下空气相对于地理系的速度，即机体系下风速；为导航系到机体系的姿态转移矩阵；为机体系下飞行器相对于地理系的速度，即机体系下地速；为机体系下真空速；为机体系下真空速沿机体横轴向右的分量，为机体系下真空速沿机体纵轴向前的分量，为机体系下真空速沿机体竖轴向上的分量；α为融合攻角，β为融合侧滑角。


...

【专利技术属性】
技术研发人员：李荣冰，邱望彦，刘建业，鄢俊胜，朱祺，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32