[发明专利]一种基于飞行数据的大气数据和扰动风估计方法

说明书

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。

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_x,a_y,a_z]^T；三轴角速度[p,q,r]^T；滚转、俯仰和偏航角[φ,θ,ψ]^T；地速V_G＝[V_Gx,V_Gy,V_Gz]^T；迎角记录值马赫数M；环境温度T。

步骤二：将扰动风分为盛行风和湍流，即W＝W_p+W_t，基于指数相关模型建立水平盛行风状态方程，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大气数据状态方程，再联合步骤一建立的量测方程组成卡尔曼滤波系统。

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：