System danych powietrza syntetycznego

Syntetyczny system danych powietrza ( SADS ) to alternatywny system danych powietrza , który może generować syntetyczne ilości danych powietrza bez bezpośredniego pomiaru danych powietrza. Wykorzystuje inne informacje, takie jak GPS , informacje o wietrze, położeniu samolotu i właściwościach aerodynamicznych , aby oszacować lub wywnioskować ilości danych dotyczących powietrza. Chociaż dane dotyczące powietrza obejmują wysokość, prędkość lotu, ciśnienie, temperaturę powietrza, liczbę Macha i kąty przepływu (np. kąt natarcia i kąt ślizgu bocznego ), istniejący znany SADS koncentruje się przede wszystkim na szacowaniu prędkości lotu , kąta natarcia i kąta ślizgu bocznego . SADS służy do monitorowania głównego systemu danych powietrza, jeśli wystąpią anomalie spowodowane usterkami czujników lub usterkami systemu. Może być również potencjalnie wykorzystany jako kopia zapasowa do dostarczania szacunków danych lotniczych dla dowolnego statku powietrznego.

Funkcjonalność

Syntetyczne systemy danych powietrza mogą potencjalnie zmniejszyć ryzyko, tworząc dodatkową warstwę redundancji (nadmiarowość analityczna) do mechanicznych systemów danych powietrza, takich jak statyczne systemy Pitota i łopatki kątowe. Może być również używany do wykrywania awarii innych podsystemów poprzez sprawdzanie zgodności danych.

Historia

Idea SADS pojawiła się już w latach 80. Podstawową ideą jest wykorzystanie czujników danych innych niż powietrzne, takich jak bezwładnościowa jednostka pomiarowa (IMU) i GPS połączone z modelami dynamiki pojazdu , w celu oszacowania prędkości lotu , kąta natarcia i kąta ślizgu (osobno lub łącznie). Większość wcześniejszych prac wykorzystywała modele dynamiki pojazdów do szacowania danych dotyczących powietrza zarówno w samolotach , jak iw statkach kosmicznych . Takie podejście jest czasami określane jako aerodynamiczne SADS oparte na modelach. Jednak SADS oparty na modelu aerodynamicznym jest trudny do wdrożenia, ponieważ trudno jest uzyskać dokładne modele dynamiki pojazdu o wierności potrzebnej do uzyskania wymaganej dokładności oszacowań danych lotniczych. Aby rozwiązać ten problem, ostatnio zaproponowano SADS bez modeli. Bezmodelowy SADS nie wymaga modeli dynamiki pojazdu. Zamiast tego opiera się na dokładności bezwładnościowego systemu nawigacji (INS) i trójwymiarowego (3D).

SADS zyskał duże zainteresowanie po wypadku Air France Flight 447 w 2009 roku. Kilka uniwersytetów i agencji rządowych, takich jak University of Minnesota, Delft University of Technology, NASA Langley Research Center oraz Institute of Flight Mechanics and Flight Control w Technische Universität München bada tematy związane z SADS. Ostatnie patenty związane z SADS zostały zgłoszone przez wiodących producentów systemów danych lotniczych, takich jak Collins Aerospace i Honeywell . Ponadto ostatnie dwa Boeinga 737 MAX ( Lion Air Flight 610 (2018) i Ethiopian Airlines Flight 302 (2019)) ponownie zwróciły uwagę na SADS, co szczegółowo opisano w raporcie . W szczególności syntetyczna prędkość lotu stała się centralnym punktem poprawy bezpieczeństwa samolotów Boeing.

komercyjny samolot

SADS został wdrożony w niektórych z najbardziej zaawansowanych nowoczesnych samolotów komercyjnych, takich jak Boeing 787 . ADS w Boeingu 787 oblicza syntetyczną prędkość lotu na podstawie pomiaru kąta natarcia, danych bezwładności, dokładnego współczynnika siły nośnej i masy samolotu (potwierdzonej po starcie). Syntetyczna prędkość powietrza pomogła Boeingowi 787 odzyskać siły po błędnym pomiarze prędkości.

Bezzałogowe statki powietrzne

SADS został również wdrożony dla bezzałogowych statków powietrznych UAV (dronów). Motywacją SADS dla UAV jest to, że większość tanich systemów danych lotniczych w małych bezzałogowych systemach powietrznych (UAS) nie jest niezawodna. Ponadto posiadanie wielu czujników danych powietrza (np. rurek Pitota ) na małych UAV jest niewykonalne ze względu na surowe ograniczenia dotyczące rozmiaru, wagi i mocy. SADS może znacznie zwiększyć ogólną niezawodność dronów zarówno w operacjach dronów w linii widzenia, jak i poza wizualną linią wzroku (BVLOS). Ostatnie badania naukowe skupiły się na poprawie dokładności SADS, wykrywalności błędów i niezawodności ADS używanego na małych UAS poprzez wykorzystanie SADS.

Trójka danych lotniczych

Definicja prędkości $_$ , kąta $natarcia$ i kąta ślizgu na małym $statku$

Prędkość powietrza , kąt natarcia ${\ textstyle \ alfa}$$i$ kąt ślizgu bocznego $textstyle \ beta}$ reprezentują trójkę danych powietrza, a obecny stan techniki SADS to oszacować te trzy wielkości razem lub osobno. Jednym ze sposobów oszacowania trójki danych dotyczących powietrza jest wykorzystanie trójkąta wiatru . Matematycznie trójkąta wiatru jest pokazane poniżej:

$${\ Displaystyle {\ duży [} {\ rozpocząć {tablica} {ccc} u & v & w \ koniec {tablica}}} {\ duży ]}^{T}={\bf {C}}_{n}^{b}({\boldsymbol {\psi}}_{nb}^{n})\lewo[{\bf {v}} ^{n}-{\bf {W}}^{n}\prawo]}$$

gdzie ${\ textstyle u}$ , ${\ textstyle v}$ i ${\ textstyle w}$ są składowymi prędkości translacji wyrażonymi w ramce ciała, $\ textstyle {\ bf {C }}_{n}^{b}({\boldsymbol {\psi}}_{nb}^{n})} to transformacja współrzędnych$ z ramki North-East-Down ( NED ) do ramy ciała. Wektor ${\textstyle {\boldsymbol {\psi}}_ {nb}^{n}={\big [}\phi ~\theta ~\psi {\big]}^{T}} reprezentuje wektor nastawienia$ w toczyć się, pochylać i odchylać . V ${\textstyle {\bf {v}}^{n}}$ i $\textstyle {\bf {W}}^{n}}$ reprezentują odpowiednio prędkość ziemi i wektor wiatru w ramce NED.

Jeśli znane są ${\ textstyle u}$ , ${\ textstyle v}$ i ${\ textstyle w} ,$ prędkość lotu ${\ textstyle V_ {a}}$ , kąt natarcia ${\ textstyle \ alpha}$ i kąt ślizgu bocznego można obliczyć w następujący sposób: ${\ textstyle \ beta}$

$${\ Displaystyle V_ {a} = {\ sqrt {u ^ {2} + v ^ {2} + w ^ {2}}}}$$

$${\ Displaystyle \ alfa = \ dębnik ^ {- 1} \ lewo ({\ dfrac {u} {v}} \ prawej)}$$

$${\ Displaystyle \ beta = \ sin ^ {- 1} \ lewo ({\ dfrac {v} {\ sqrt {u ^ {2} + v ^{2}+w^{2}}}}\prawo)}$$

metoda

Istnieją różne metody szacowania lub „syntezy” prędkości lotu, kąta natarcia i kąta ślizgu bez bezpośredniego korzystania ze zmierzonych danych dotyczących powietrza. Na przykład syntetyczną prędkość powietrza można obliczyć na podstawie prędkości względem ziemi, kąta natarcia, prędkości wiatru, nachylenia i kursu samolotu. Prędkość względem ziemi jest zwykle dostarczana przez GPS . Pomiary kąta natarcia mogą pochodzić z łopatek kątowych. Prędkość wiatru można uzyskać za pomocą pokładowego radaru pogodowego. Położenie samolotu można obliczyć z systemu nawigacji bezwładnościowej . Dokładne obliczenie syntetycznej prędkości lotu może się różnić (np. przybliżenie małego kąta, aby uprościć obliczenia), ale opiera się ono przede wszystkim na równaniu kinematycznego trójkąta wiatru . Ta metoda jest czasami nazywana bezmodelową metodą SADS; nie ma wpływu na dynamikę modelu pojazdu.

SADS oparty na modelach wykorzystuje model dynamiki pojazdu, aby pomóc w oszacowaniu ilości danych dotyczących powietrza. W szczególności współczynniki aerodynamiczne są wykorzystywane do obliczania danych dotyczących powietrza syntetycznego. Na przykład kąt natarcia $można$ zsyntetyzować, jeśli znany jest współczynnik podnoszenia $h$ liczba Macha ${\ textstyle M}$ i wysokość { $}$ . Matematycznie,

$${\ Displaystyle \ alfa = f (C_ {L}, ~ M, ~ h)}$$

Funkcję , $alfa$ odnosi się do $},$${\ textstyle$ empirycznie za pomocą krzywej pasującej aerodynamicznych . Dokładność SADS opartego na modelu zależy od dokładności współczynnika aerodynamicznego. To ograniczenie dokładności może nie stanowić problemu w przypadku samolotów o wysokich osiągach, takich jak F-15 , ale może być dość trudne w przypadku tanich UAV.

Wiele SADS opartych na modelach i bez modeli wykorzystuje klasyczne metody szacowania, takie jak filtrowanie Kalmana i obszerne metody najmniejszych kwadratów, do szacowania danych dotyczących powietrza, gdy wymagana jest fuzja czujników i obliczenia w czasie rzeczywistym . Inne niekonwencjonalne metody, takie jak algorytmy szacowania danych lotniczych oparte na uczeniu się danych lub uczeniu maszynowym , pojawiły się w ostatniej dekadzie, ale trudno je certyfikować ze względu na złożoność algorytmów.

Zobacz też

• Komputer danych lotniczych
• Inercyjny system nawigacji
• Redundancja (inżynieria)
• Filtr Kalmana
• Akronimy i skróty w awionice
• Central Air Data Computer , używany w F-14 , pierwszym ADC opartym na mikroprocesorze

Linki zewnętrzne

• „Podręczniki i instrukcje dotyczące samolotów” . Departament Transportu USA, Federalna Administracja Lotnictwa.
• „14 CFR Part 135 Certyfikacja przewoźnika lotniczego i operatora” . Departament Transportu USA, Federalna Administracja Lotnictwa.