CN102037421B

CN102037421B - 辅助检测航空器的硬着陆的辅助方法

Info

Publication number: CN102037421B
Application number: CN200980118255.5A
Authority: CN
Inventors: N·拉斯特; M·迪歇纳; E·雷
Original assignee: Airbus Operations SAS
Current assignee: Airbus Operations SAS
Priority date: 2008-05-22
Filing date: 2009-05-20
Publication date: 2014-04-09
Anticipated expiration: 2029-05-20
Also published as: CA2725402C; EP2279466B1; US8700235B2; FR2931553A1; US20110046825A1; EP2279466A1; RU2010152348A; CA2725402A1; FR2931553B1; WO2009153436A1; CN102037421A

Abstract

本发明涉及用于计算航空器(10)的结构元件(100，102，104)承受的负荷判据(C_i)的方法和系统，以及检测所谓“硬”着陆的降落的辅助设备。这些方法包括所述航空器的参数测定(50)，以及借助于在输入端接收所述参数的至少一神经元网(36)，计算(54)所述结构元件的至少一负荷判据。因此，检测硬着陆的辅助设备要求根据所述测得的参数，确定(72，76)所述飞机在降落跑道(12)上的着陆(14，16)瞬间(t₀，t_-i)，然后，计算(74，78)所述确定的着陆瞬间的所述多个参数，以便进行结构元件负荷相关的至少一负荷判据的计算(54)。

Description

辅助检测航空器的硬着陆的辅助方法

技术领域

本发明涉及航空器特别是民用运输机的结构元件所遵循的负荷判据的测算方法和测算系统、检测所述航空器硬着陆的辅助方法和相应的辅助系统、以及具有这种系统的航空器。

背景技术

根据本发明，可以理解，所谓负荷，是指航空器结构特别是被分析元件所承受的整个作用力。“负荷”在其上位的意义上包括各种力、力矩、载荷因子(或加速度)、结构应力。

为了显而易见的安全目的，一旦航空器承受大负荷，就应检查航空器结构，修复可能存在的损坏，在硬着陆(按照本领域普遍使用的英文术语“hard landing”)时，尤其是这样的情况。硬着陆的特征在于航空器在触地时很大的垂直载荷因子(或加速度)和垂直速度。

驾驶员根据他在触地时的感觉，当他判断这种触地可能引起航空器结构的实质性损伤时，驾驶员一般要开展上述检查。但是，驾驶舱处感觉到的反应有时不完全说明对整个航空器、特别是对希望监测的每个部件施加的实际负荷处的情况。

因此，使测定航空器的维度负荷(charges de dimensionnement)自动化的系统应运而生。因此，EP-A1-0657723的解决方案提出一种系统，其使在一部位测得的负荷与根据预定的演进规律(loi d′évolution)和一组已测量的参数确定的可容许的负荷值作比较。因此，比较结果可指示是否应进行检查，或者在可能的情况下，是否应检查航空器的零部件。

但是，这种解决方案有许多缺陷。

一方面，在航空器上，除通常所用的传感器之外，还需要安插特定的传感器，用于测定不同的有关部位的负荷。根据待监测构件的数量，可布置许多这样的传感器。此外，它们构成装备一个航空器机群引起的财务成本、传感器保养成本(以弥补可能存在的偏差)、以及对于每架航空器来说与待分析部位的数量成比例的附加重量成本。

另一方面，不进行昂贵的深入研究，航空器的有时是毫米级的构造使这种传感器的集成非常复杂，甚至在一些难接近的部位是不可能的。因此，在每次触地之后，始终必须由技术人员对这些部分进行物理检查。因此，就航空器的保养成本和时间而言，这种情况是不利的。

公知地，US2008/114506提出借助于神经元网式启发性算法，检测航空器结构的承载事件的方法和系统。

结构上的负荷或应力峰值根据初始值和测得的参数的最高值测算出，然后与临界值比较，用于检测出硬着陆或没有检测出硬着陆。

但是，每个测得的参数的峰值通常在不同的瞬间产生。因此，这些数值的通过经神经元网的组合可精确地重新记录航空器结构在未测定的精确部位承受的最大外力(sollicitation)。

实际上，要么峰值被单独得到，且每个峰值反映出航空器的一个精确部位(而不是许多部位)的情况，要么所述峰值组合不同的瞬间相应的测定，且因此不能精确地重新记录一精确部位的应力。

此外，这些峰值实际上不重新记录一结构所承受的作用力。

发明内容

本发明旨在弥补现有技术中的缺陷，提出相关的方法和系统，可更为简单和精确地测算航空器结构的许多部位所承受的负荷。

为此，本发明尤其涉及辅助检测航空器的硬着陆的辅助方法，其特征在于，其包括：

-根据测得的参数确定所述航空器在降落跑道上的触地瞬间；

-测算在所述确定的触地瞬间的多个所述参数；

-测算所述航空器的一结构元件的至少一负荷判据，所述测算包括：借助于在输入中接收所述测算出的参数的至少一神经元网，计算所述结构元件的至少一负荷判据的步骤。

因此，在降落时，航空器结构的不同部位的负荷判据根据该航空器在跑道触地时刻——即当所述结构上的降落应力最大时——进行的测定计算出。这样，获得该瞬间的应力的精确测算值。

实际上，以这种方式进行多个结构元件的测算，即利用如此配置的多个神经元网，每个都接收全部或部分测算出的参数。这些元件例如可以是机翼、起落架、机身、喷气式发动机吊架。

依靠本发明，即使未配置传感器，也能掌握有关航空器所有结构元件承受的负荷的信息。因此，例如通过简单的比较，很容易判断这些元件是否需要检查。这些计算出的负荷判据也允许驾驶员增强或削弱其通过感觉的分析，用于提供飞行报告。

此外，应当注意到，神经元网可简单地体现非常复杂的模型。因此，这些模型的建立和使用成本较低，尤其是处理成本较低，从而可在航空器上实施本发明的方法。因此，使用这些神经元网建立通常是未知的模型，使测得的数值与航空器不同的结构部位联系起来。

这里应理解为，神经元网相当于任何数学模型或结构，尤其是通过神经元网的训练(apprentissage)，根据至少一套使测得的参数值与负荷判据数值相结合的训练项目，使用预定的权重和临界值。

神经元网的模型化能力也从装备航空器的普通传感器得到满足，无需安装新的传感器，以确定在航空器结构的任一点的作用力。例如，这种传感器是用于记录数字式飞行数据记录仪或DFDR(英文术语″Digital Flight Data Recorder″)的测定结果的传感器。通常，非限制性地，涉及到航空器刚性机体的加速度和速度，航空器在空中的不同的代表性角度以及与这些角度相关的速度，所谓静态的测定结果——例如航空器的重心位置、机载燃料和航空器的总重量。

因此，对于每个待监测部件来说，无需配置一个测定负荷的传感器。

此外，无需增加新的传感器，本发明易于安装于已经使用的航空器上。

在一实施方式中，采用一个形成所述神经元网的先决步骤，该先决步骤包括第一步骤和第二步骤，所述第一步骤是进行多种模拟，改变至少一个参数，通常是所有所述测得的参数，所述模拟确定所述部件承受的负荷的模拟值，所述第二步骤是用所述模拟训练所述神经元网，所述神经元网在输入端接收所述至少一个参数。借助于模拟——一般是计算机辅助模拟，可获得航空器上难接近的部件——尤其是航空器上任一点——的相关的测定结果。

在本发明的另一实施方式中，计算出的所述至少一负荷判据与至少一第一临界值相比较，以便在所述降落后对所述结构元件确定第一种要进行的检查操作。该第一临界值可表示部件的第一结构能力，例如，部件在弹性变形范围使用与部件在塑性变形范围使用之间的极限值。

因此，可考虑多种临界值，限定同样多的要进行的检查操作。特别是，如果所述至少一个计算出的负荷判据大于所述第一临界值，那么，将所述计算出的负荷判据与第二临界值比较，以确定要对所述结构元件进行的第二种检查操作。该第二临界值可表示部件的另一结构能力，由此影响航空器安全性的损伤可能被产生。因此，安全措施——例如将航空器锁定在地面上直到飞机制造厂对其分析——因此可被设定。

因此，借助于这些装置，可根据进行的检查程度，快速和自动指示待检查的结构元件。航空器的维护保养很容易。

也可考虑计算出多个结构元件的多个负荷判据，所述方法包括指示步骤，当至少一个负荷判据的比较结果是应进行检查操作时，例如通过显示器向所述驾驶员显示着陆是硬的信息。这就可以使驾驶员确认或不确认其通过感觉的分析。

在本发明的一实施方式中，所述触地瞬间的确定包括计算与航空器在跑道上最初触地相应的瞬间，所述瞬间的计算借助于测得的表示所述航空器的至少一个轮子的速度的参数进行。与以借助于起落架缓冲器的下沉量的测定结果确定触地情况为基础的公知解决方案相反，该实施方式可更精确地确定与一负荷判据的计算相兼容的触地瞬间。

尤其是，这种计算可包括将所述航空器的至少一个轮子的速度与一临界值比较。例如，其包括根据所述至少一个轮子的速度的两个测定结果进行线性回归。

特别是，所述确定还包括计算所述最初触地瞬间以后的至少另一个触地瞬间，所述另一瞬间的计算根据测得的所述航空器的垂直加速度参数进行。当从进行的最初触地时起借助于轮子的速度确定其后的触地不再可行时，该特征可通过另一种间接方法确保确定其后的触地瞬间，其也比公知的解决方案更精确，且与计算一负荷判据所需的精确度兼容。

根据一特定的特征，计算在表示至少两次触地的至少两个瞬间附近的垂直加速度增量，并且选取具有最大增量的瞬间。因此，简化其后的计算，集中考虑航空器具有最大垂直运动的触地，即可造成最大损伤的触地。

与使用峰值的现有技术比较，增量表示结构承受的作用力，因为其与增量计算瞬间其承受的能量有直接联系。

通常，航空器上使用的传感器进行与确定的取样速度无联系的测定。因此，可考虑，所述多个参数通过对所述测得的参数在所述触地瞬间进行线性插值的方式进行测算。因此，会提高负荷判据的最终计算精确度。

根据本发明的一特征，可考虑，从所述航空器在进场阶段相对于所述降落跑道进入预定高度以下的瞬间算起，所述参数被测定和记录。总之，从航空器在所述跑道上行驶的速度进入临界地面速度以下起，可考虑停止这些测定和记录。或者，在预定的持续时间例如30秒之后，停止测定和记录。

因此，确保进行航空器在跑道上的最初触地和航空器其后可能存在的弹跳的测定。

另外，可考虑，当所述航空器达到预定的第一速度时，或在一定的时间之后，停止测定；并且，在这种情形下，当所述航空器达到小于或等于所述第一速度的预定的第二速度时，开始所述确定和测算步骤。由预定的第一速度构成的临界值发生在大多数情况下。使用“给定的持续时间”的临界值，可限制在很少情况时——例如航空器触地失败和再起飞时——使用的存储器空间。数据可予以处理，用于确定失败的触地对结构的影响。

根据本发明的一特定的特征，所述多个参数通过对所述测得的参数的所述触地瞬间进行插值的方式加以测算。

根据本发明的一实施例，所述方法在所述确定一触地瞬间的步骤前，其包括检验测得的参数的步骤，尤其是检验其存在、相关的取样频率和/或其在预定值范围的属性。因此，本发明预防系统/传感器可能存在的故障，不要求完全可靠的传感器。

根据本发明的另一方面，可考虑产生和计算至少一个未测定的参数。这尤其是神经元网的作用力，其允许根据各种测定结果确定其它参数，有时是不可测定的参数。借助于神经元网，可进行更好的判断和计算。

相应地，本发明也涉及辅助检测航空器硬着陆的辅助系统，其特征在于，其包括：

-所述航空器的参数测定装置；

-根据所述测得的参数确定所述航空器在降落跑道上的触地瞬间的确定装置；

-测算在所述确定的触地瞬间的多个所述参数的测算装置；

-所述航空器的结构元件的至少一个负荷判据的测算系统，其具有至少一神经元网，其布置用于在输入端接收所述测算出的参数，并且，在输出端提供所述结构元件的至少一负荷判据。

可选地，所述系统可包括与检测上述硬着陆的辅助方法的特征有关的装置。

本发明还涉及航空器，所述航空器具有负荷判据测算系统或辅助检测上述硬着陆的辅助系统。

可选地，所述航空器可具有与上述系统的特征有关的装置。

附图说明

在下面参照附图的说明中，本发明的其它特征和优越性将得以体现，附图如下：

图1是航空器在跑道上触地时其路线的总观图；

图2示意地示出嵌装在图1所示的航空器上的本发明的系统架构实施例；

图3示出神经元网的一般结构；

图4以逻辑图的形式示出本发明的处理实施例的步骤；

图5以逻辑图的形式示出在进行图4所示的流程时处理测得的参数的处理步骤；

图6示出起落架构造的实施例，其示出图5所示的流程的一步骤；

图7示出图1所示的航空器最初触及跑道的瞬间的计算；

图8示出航空器的后触及跑道的瞬间的计算，所述后触及对应于航空器的再次弹跳；

图9示出在进行图4所示的流程时使用的负荷判据的计算步骤；以及

图10示出在进行图4所示的流程时使用的负荷判据的计算步骤。

具体实施方式

图1示出飞机10在机场跑道12上降落。在该实施例中，飞机10的路线示出，其经受弹跳(rebond)作用，因而在跑道终点停机之前具有两个与跑道地面接触的触碰点14和16。飞机10与这里布置在机场的航站18进行通讯联系，以交换数据。

飞机10在其机上装载有用于实施本发明的一系统20，该系统的一实施例详示于图2。该系统20的最终目的是提供一份报告，其告示降落的严重程度，在需要时精确详示由于降落而潜在地被改变的不同的结构元件的情况。

如图2所示，用于确定降落严重程度的该系统20包括：

-多个传感器22_i，其分布在飞机10的不同的部位；

-一信息处理系统24，其包括一处理装置26、一存储器28——其存储在飞机10上测得的参数的数据集30、多分辨率(définitions)的神经元网32、一个与输入输出装置连接的界面33——其为显示屏和键盘类型，布置在飞机10的驾驶舱中；以及

-一通信装置34，其为无线电或ACARS系统(英文术语“航空器通信访问与报告系统”)类型，可与航站18进行数据通信。

传感器22_i是通常用于航空器的进行所谓“航空器参数”的各种参数测定的传感器。所述“航空器参数”对应于用于装备航空器的数字式飞行数据记录仪(DFDR)的判据记录参数。这里，规定为航空器的刚性机体的加速度和速度参数(例如地面速度Vx(t))的测定，可表示航空器在空间中的情况(例如侧翻角

)的不同角度的测定，与这些角度自身相关的速度的测定，相对于降落视为“静态”的参数的测定——所述视为“静态”的参数例如是飞机10的重心位置、机载燃料和航空器的总重量。

其它参数被以传统的方式测定，且它们的相关的传感器也能设置成不影响本发明，所述的其它参数例如是襟翼位置、飞行操纵面等。

使用具有一取样频率的传感器，所述取样频率被确定(Δt是取样时间)以便动态地测定变化的参数。如下文所述，在降落的整个期间相对稳定的参数仅在记录开始时测定一次；这尤其是机载燃料的测算、航空器重量的测算和重心的测算的情况。

信息系统24属于飞机状态总监控系统，另外称之为ACMS(按英文术语为“航空器状态监测系统”)。数据集30是数字式信息组，其存储传感器22_i随着其数据采集进行而测得的参数，这些参数在需要时也可以自动标记时间，以便尔后更易于使用。该数据集30在降落结束时，可通过无线电装置34传输到地面航站18，以便进行与在航空器上进行的分析相类似的或更深入的分析，这将在后面在一实施例中予以说明。

神经元网32的每种分辨率对应于用于计算航空器的结构元件所承受的负荷的一数学模型，所述结构元件为机翼100、机身部分102或发动机吊架104类型。设置与降落时监测辨别的结构元件同样多的分辨率32。

这些分辨率32包括可在处理装置26中逻辑地产生的神经元网的系数(权重(poids)和临界值)，所述神经元网在这里是反馈式的和与多中间层在这里是两个中间层完全相连接的线性的神经元网(双隐层线性正反馈完全连接的神经元网″two-hidden layer linear feed-forward fully-connected neural network″)。

神经元网对应于由逻辑程序一般使用的数学结构，在结构的预先训练时，其使用预定的权重和临界值。

这种神经元网36的局部说明示于图3，其配置一个接收输入数据X_i的输入层，两个由权重a_i，j和b_j，k以及由临界值a_o，j和b_o，k限定的中间层40，一个由其系数c_k限定且提供输出值s的输出层42(对于输入层38和输出层42的每个神经元，临界值在这里是单一的)。这种神经元网36设置有激活函数f(x)，例如每个神经元为1/(1+x)。

中间层40尤其是每个都配有20至30神经元，例如25神经元。

如图4所示，本实施例一般包括第一数据采集阶段和第二处理阶段，第一数据采集阶段是采集飞机50的参数，尤其是传感器22_i的测量结果，第二处理阶段是处理这些采集的参数52，然后，尤其是借助于与结构元件 100、102、104相关的神经元网36，进行该结构元件的一负荷判据的计算54(如下文所述，而其它参数可被直接处理)，最后，至少根据计算出的负荷判据，对降落的严重程度进行确定56。

处理结果输出时，获得指示信号58，例如单个指示信号，其在飞机10的驾驶舱中显示，以帮助驾驶员确认其降落感觉，用于编制关于降落严重程度的报告。

该指示信号58也可采用例如自动传输给维修队的信息报告的形式。

变型地，如下文所述，该指示信号58能够明确表示每个被分析的部件的严重程度。

更详细地说，第一数据采集阶段50包括记录数据集30中进行的测量结果。在飞机10进场且通过一预定的极限高度60以下时，这种数据采集开始，如图1所示，极限高度60在这里是在跑道上方100英尺的高度(即约300米)。测量结果的数据采集和记录继续进行至飞机10最终触地。为此，在足够进行判断的30秒时间后停止这些操作。作为变型，可考虑一旦飞机10的地面速度进入预定值62以下，这里是20节(约37km.h^-1)，就停止这些操作，可以有30至60秒的参数记录时间用于后续处理19。下文中，使用航空领域中广泛采用的单位“节”。本领域技术人员很容易用1节＝1.85km.h^-1将这些测量结果转变为km.h^-1。

当飞机10的地面速度也进入预定值以下，例如与停止数据采集的数值相同的数值以下时，开始对如此获得数据进行处理52。作为变型，例如在航空器停机于停机坪时，可维持较小的数值，以便着手后续处理。

处理52旨在获得适用于计算在最剧烈触地时受监控部件的负荷判据的参数。

如图5所示，所述处理52包括第一预处理阶段70，在第一预处理阶段70中，检验是否具备后续分析所需要的所有测得参数。然后，检验取样频率是否对应于所需要的取样频率。最后，确保参数的采集值满足用于这些参数的数值范围。作为缺省，一条出错信息可被发送到系统和驾驶仪。

在步骤72，确定飞机10在跑道12上最初触地14的瞬间。实际上，例如当飞机10在跑道12上弹跳时，可能发生多次连续触地。

一般来说，使用起落架轮子的速度来确定该瞬间。

现在借助于示出A380航空器的起落架的图6来说明该步骤。22个轮子分布在五个起落架上。唯有图中所示的轮子R1至R16配有速度计，用于测定其各自的速度。

因此，反馈轮子R1至R16的线速度ω_i，其记录在数据集30中。确定瞬间t_i，其中，测得的速度超过临界值A1，这里是15节。

用Δt标示在轮子上测量的取样时间，这里是1/16秒，对于每个轮子R1至R16来说，计算瞬间t，例如ω_i(t_i)＜A1以及ω_i(t_i+Δt)＞A1，这基本上表示轮子i触及跑道12的瞬间。

根据该值t_i，用插值法计算三个数值t_0i1、t_0i2、t_0i3，如图7所示。

然后，作为轮子i触及跑道的瞬间t_0i，选用获得的最大值：t_0i＝max{t_0i1，t_0i2，t_0i3}。

所有轮子的最早触地t_0i对应于飞机10在跑道12上的最初触地瞬间t₀：t₀＝min{t_0i}_i∈[1；16]。

因此，根据记录的测量结果，插值计算触地瞬间的值t₀。

在步骤74，计算对应于确定的触地瞬间14的参数。这里，感兴趣的是动态参数，所述动态参数需要按时间采集，这与不大可变的参数相反，所述不大可变的参数例如是航空器重量、机载燃料或重心，它们在记录60之初，一次性采集。

根据记录的测量结果，这里通过在两个接近t₀的存储的取样值之间进行线性插值的方式，插值计算瞬间t₀时的动态参数。因此获得航空器刚性机体的插值得到的加速度和速度(例如在t₀时的侧向加速度和垂直加速度：ny₀和nz₀)、插值得到的在航空器空间中的表示角度、相应的插值得到的角速度，这全部是在触地的瞬间t₀时的值。

然后，确定触地时及之后基本上承受的最大垂直加速度nz_0max如下：

当t∈[t₀；t₀+1秒]时，nz_0max＝max{nz(t)}。

因此，推导出所承受的垂直载荷因子增量：

Δnz₀＝(nz_0max-nz₀)

这里应注意，与单独地不给出负荷强度的峰值相反，增量一般表示一部件所承受的负荷强度。

类似地，确定所承受的侧向载荷因子增量：当t∈[t₀；t₀+1秒]时，Δ ny₀＝max(|ny(t)-ny₀|)。

对应于触地瞬间t₀的所有参数可按一维矢量的形式存储。矢量K1可用于乘以该参数矢量，以便必要时应用一修正系数。当用于设计神经元网36的试验在略微不同于飞机营运时的条件下进行时，尤其是这种情况。作为缺省，该矢量仅由1组成。

在该步骤74，也计算一矫正系数θ_d-derot(coefficient de dérotation)，其对应于在第二降落阶段中(俯仰角速度θ_d(t)在飞机10的机头降低时为负)，即在初始触地14之后至t₀，飞机10的机头降低的最大值。这种计算借助于俯仰角速度θ_d(t)进行如下：

确定t₂，例如俯仰角度θ(t₂)＜A2，例如A2＝1°。这对应于飞机10差不多呈水平状态；然后

对于t∈[t₂；t₂+1秒]，θ_d-derot＝min{θ_d(t)}。

在步骤76，确定是否发生飞机10的弹跳作用16，必要时，确定是否予以考虑这种弹跳，如图8所示。

为此，使用1秒的滑动窗，应用于记录的测量结果。

确定这种窗是否存在，其中：

Max(nz(t))-min(nz(t))＞A3，例如A3＝0.7g；在这种情况下，弹跳作用已识别。图8所示的值nz考虑到地心引力。因此，对于加速度等于1g来说，平衡得以达成。

仅仅如果该增量max(nz(t))-min(nz(t))＞Δnz₀，则考虑弹跳作用。实际上，这里，要确定飞机10承受的垂直加速度比最初弹跳时最大的瞬间。因此，排除其增量小于在跑道12上最初触地t₀的增量的弹跳作用。

如果识别出多次弹跳，则仅保留其垂直加速度增量Δnz最大的弹跳。

如果弹跳16被识别和保存(图5上步骤76的“是”输出)，则执行步骤78，其在于确定该弹跳瞬间的参数值。

在该步骤，计算在该识别的时间窗中获得的最小垂直加速度nz_1min，其对应于在识别的弹跳16时飞机10在跑道12上的触地瞬间t₁。也计算在该时间窗中的最大垂直加速度nz_1max(相关的瞬间标为t_1max)，以确定该弹跳触地的增量：Δnz₁＝(nz_1max-nz_1min)。

在步骤78，与步骤74类似地计算弹跳触地瞬间t₁时的参数。

也计算t∈[t₁；t₁+1秒]时侧向负荷增量Δny₁＝max(|ny(t)-ny₁|)，其中，|x|是x的绝对值。

类似于K1的系数K2在需要时可以用于将修正系数应用于这些计算出的参数。

继续进行步骤80。

如果未识别或未保存任何弹跳(步骤76的“否”输出)，则直接进入步骤80。

下文中，认为弹跳16已识别和保存。因此，尔后的计算部分地基于标以“1”的数值，即对应于弹跳16触地t₁。

显然，在不存在相关弹跳的情况下，这些标以“1”的数值要代之以与航空器在跑道上最初触地14相应的数值，即标以“0”的数值。

步骤80旨在识别根据表示航空器在跑道上触地的严重程度的初始判据进行的计算。两个判据一并考虑：一方面是航空器的总重量P_avion，另一方面是航空器承受的垂直加速度增量Δnz₁。

当出现下列情况时，降落视为不严重：

-Δnz₁＜A4和P_avion＜A5，其中，A4是预定参数，A5是最大降落计算质量或最大触地重量(MLW)，或者

-Δnz₁＜A6和P_avion＞A5，例如A6＝0.5g.

在这种情况下，认为只有起落架可能受到损坏。因此，所述处理比如下文所述的判断为较严重的降落情况更简单。

因此，这里，借助于预先确定的查阅表(look-up table)，并根据瞬间t₁的不同的插值角度，确定降落后要检查的起落架。实际上，根据航空器在瞬间t₁的俯仰和侧翻值，经受触地的起落架是不同的。例如，由于一定的侧翻角，是起落架1、2、4和6首先触及跑道。对于相反的侧翻角，则是起落架3、4、7和8。在未列入该表单元的不严重的降落情况下，不考虑检查航空器部件；降落不视为“硬着陆”。该确定的信息可被发送到驾驶仪。

处理因此结束。

现在更确切地说明降落视为可能严重的情况，即当出现下列情况时：

Δnz₁＞A4且P_avion＜A5；或者

Δnz₁＞A6且P_avion＞A5。

因此，通过计算附着系数Sr，继续进行步骤82，所述附着系数Sr下面用作负荷判据计算中某些神经元网的输入数据。该系数Sr以轮子作用力的贡献为特征。

该步骤82首先包括确定轮子转动时间t_su，其例如作为每个轮子的转动时间的最小值计算：t_su＝min{t_{su_i}}_i∈[1；16]。一轮子R_i转动的每个时间t_{su_i}确定为在上述步骤72时预先计算出的t_0i和角速度ω_i超过临界值附近的插值瞬间t_si之间的时间。

然后，步骤82包括确定附着系数或摩擦系数Sr。为此，使用第一神经元网，其在输入时，取预先引入的某些航空器参数以及计算值Δnz₀和t_su。

先于神经元网在飞机中的集成，通过权重和临界值的测算，神经元网的配置总体得以进行，所述权重和临界值适于确定使上述参数与所需的输出值Sr相结合的数学模型。

该设计流程例如包括一组模拟，例如数千个降落模拟，其中，改变上述输入参数，获得与待配置神经元网的输出参量相应的模拟值。

因此，这些由输入参数和模拟值构成的数据组根据经典技术由神经元网获得，因此这里不再详述。

通过变更每层神经元的数量和/或层数，可进行多次训练试验。

然后，用其它数值组验证模型，确定由模型所产生的误差的表现偏差。这在于通过在输入端将要验证的数据组设置为输入参数，获取“已学习过”的神经元网的输出值，并将所述输出值与这些数据组的模拟值比较。因此，保留具有最小偏差的神经元网配置。因此，根据数学模型和进行的模拟，可获得不同的神经元网结构。

回到在飞机上测得的然后插值得到的数值的利用，将输入值应用于设置用于计算附着系数的神经元网(训练时分别设定的输入位置)，获得数值Sr，数值Sr与两个临界值比较：0.8和A8＝0.95。

若0.8≤Sr≤A8，则Sr＝0.8；可将附着力数值限制于通常使用的数值。

若Sr＜0或A8＜Sr，则附着系数无效。出错信息被发出，且致使本发明的处理结束。

在弹跳16得到识别的情形中，则确定跑道的附着力是否对轮子产生作用力，这是当弹跳时轮子略有转动甚至不动时的情况。

因此，在瞬间t₁，确定轮子的最小速度，使之与一临界值A9比较，所述临界值A9例如是40节，据此测算所述附着是否不再产生作用力：

若min{ω_i(t₁)}_i∈[1；16]＞A9，则Sr＝0，因为轮子已经转动

否则，Sr不变。

这种相对于A9的限制是可选的，为了减少要进行的处理量，可略去。

步骤82结束时，设置计算出的或插值得到的参数组(全部来自记录的航空器参数)，以便确切地说对飞机10的不同结构元件计算负荷判据。这里，应指出，是在已检测到降落可能存在严重问题的情况下。

因此，进入步骤54。

如图9所示，该步骤54包括负荷判据或触地严重程度的三组计算，这样的计算相继进行或同时进行：对机头起落架的负荷(步骤90)，借助于侧向加速度对其它起落架的负荷(步骤92)，以及对要监测的任何类型的结构元件的负荷，如需要则包括起落架(步骤94)。

在步骤90时，借助于一神经元网计算第一参数C_mod，其以飞机在进行所述被考量的触地时的速度为特征。该神经元网输入地接收计算出的或预先插值的数值。应当指出该值C_mod可在模拟时获得，以致神经元网在这里根据已使用的输入数据产生这样的参数。

然后，进行以下的计算，以便根据航空器重量P_avion、C_mod、矫正角度θ_d-derot，产生前起落架的负荷判据。

作为变型，该第二个子步骤可集成于用于计算C_mod的神经元网，而毫无特殊困难。

因此，借助于一神经元网，获得机头起落架的第一负荷判据。

在步骤92时，与步骤80类似地，借助于一表单，确定是否需要对一个或多个起落架进行干预。信息直接传输给驾驶员，驾驶员将所述信息记录在其报告中。

在步骤94时，确定每个待监测结构元件的负荷判据。航空器内的任一结构元件皆可涉及，因此，如前所述，布置一相应的神经元网。

因此，在对应于一待监测部件的神经元网的输入数据x_i中充入一组预先计算出的参数。这里，有利地，仅使用来自经典传感器的且在上述处理涉及的触地时刻测算出的“飞机”参数。

该神经元网已如上所述进行配置，其提供所述结构元件承受的负荷判据的数值C_i。

举例来说，下面列举几个部件的例子，其中，确定所承受的负荷判据是有益的：

-机翼或机身的起落架的垂直负荷；

-机身起落架的反冲连杆的负荷；

-机翼的扭矩；

-机身的弯曲力矩；

-机身的扭矩；以及

-机身的垂直负荷。

在不同的神经元网的输出端如此获得的负荷判据彼此不相关，这与一般对应于所述触地瞬间的输入参数相反。

一旦这些负荷判据获得，就进入步骤96，对每个监控的部件确定降落的严重程度。

如图10所示，在该步骤时，将获得的负荷判据C_i与作为部件的结构能力特征的预定的两个临界值Si1和Si2(所述部件特有的)作比较。这种比较尤其可借助于计算出的所述判据和例如第一临界值Si1之比实施。

如果获得的负荷判据小于两个临界值，那么，就不会发出有关相关部件的任何信息。

如果获得的负荷判据大于两个临界值中的第一个，那么，就发出这里必须进行部件检查的第一种信息。这对应于潜在遭受一可检测的损坏的部件。

在这种情况下，也检验负荷判据是否大于第二临界值。如肯定，部件应视为可能严重受损。发出信息，显示必须进行详细的检查和校验。一般来说，要进行结构修复手册中指示的修复。也可指示联系飞机制造厂。

前述基于神经元网的处理不需要很大的计算能力。因此，即使航空器到达其停机位置，信息也可发出。

这样，驾驶员接收信息组，在其飞行报告中予以考虑。这些信息尤其可使驾驶员确认或否定其降落感觉，是否视其为“硬着陆”。

这些信息也可保存，或通过无线电装置34输送到航站18。这样，所述航站详细地解决所有待检查部件的问题。

因此，现有技术中，在硬着陆的情况下，所有部件必须检查，与现有技术中的许多解决方案相反，这里，检查和维修受到指引，并大大减少。

因此，由于确定了降落的严重程度的指示，本发明既适用于普通降落，也适用于具有弹跳或由侧向加速度引起的侧滑的降落。

前述的实施例仅为本发明的非限制性实施方式。

Claims

1.辅助检测航空器(10)的硬着陆的辅助方法，其特征在于，其包括：

-根据测得的参数确定(72，76)所述航空器在降落跑道(12)上的触地瞬间(14，16)；

-测算(74，78)在所述确定的触地瞬间(t₀，t₁)的多个所述参数；

-测算(54)所述航空器(10)的一结构元件(100，102，104)的至少一负荷判据(C_i)，所述测算包括：

--借助于在输入(x_i)端接收所述测算出的参数的至少一神经元网(36)，计算所述结构元件的至少一负荷判据(C_i)的步骤；

并且，计算出的所述至少一负荷判据(C_i)与至少一第一临界值(Si1、Si2)相比较(96)，以便在所述降落后确定要对所述结构元件进行的第一种检查操作；

所述触地瞬间的确定包括：借助于测得的表示所述航空器的至少一轮子(R_i)的速度(ω_i)的参数，计算(72)与所述航空器在跑道上的最初触地相对应的瞬间(t₀)；并且，根据测得的所述航空器(10)的垂直加速度参数(nz)，计算在所述最初触地瞬间之后的至少另一触地瞬间(t₁)；

其中，计算在表示至少两次触地(14，16)的至少两个瞬间(t₀，t₁)附近的垂直加速度增量(Δnz₀，Δnz₁)，并选取具有最大增量的瞬间。

2.根据权利要求1所述的方法，其特征在于，相应的多个结构元件的多个负荷判据被计算，所述方法包括当至少一负荷判据的比较(96)是应进行检查操作时，向航空器驾驶员指示的步骤(58)。

3.根据权利要求1所述的方法，其特征在于，所述多个参数通过在所述触地瞬间对所述测得的参数进行插值的方式加以测算。

4.根据权利要求1所述的方法，其特征在于，在所述确定一触地瞬间的步骤前，其包括检验(70)测得的参数的步骤。

5.根据权利要求1所述的方法，其特征在于，产生和计算至少一个未测定的参数(Sr)。