CN103994748B - 一种采用飞行和风洞试验数据估计无人机配平迎角的方法 - Google Patents

Abstract

一种采用飞行和风洞试验数据估计无人机配平迎角的方法，无人机飞行试验中，对于空中的风信息及迎角等飞行参数无法测量，事后可采用飞行试验数据和风洞数据来估计无人机飞行迎角，实现飞行性能分析的要求。首先根据无人机飞行试验特点，将飞行试验中的平飞特征数据截取出来，并采用数据处理方法，截取稳定的平飞参数。随后分析无人机空中飞行时的运动学关系，并考虑风洞数据，通过Gasuss_Newton优化方法做无人机平飞方程优化处理，当试验参数和估计参数之间存在误差时，需要对风洞数据和动力学关系进行偏移修正并反复迭代，直到误差小于一定门限值结束，试验手段得到的风洞修正量可用于对风洞数据分析，得到的飞行迎角可实现飞行性能分析。

Description

一种采用飞行和风洞试验数据估计无人机配平迎角的方法

所属技术领域

本发明涉及一种采用飞行和风洞试验数据估计无人机配平迎角的方法，可解决无人机飞行试验时无法测量迎角，而需要事后进行数据处理估计无人机飞行迎角，以实现无人机飞行性能分析的要求。

背景技术

在无人机飞行试验中，机载惯导元件只能测量姿态角、角速率，空速和高度等飞行参数，而无法获取飞行中的风速、风向以及飞行迎角等飞行参数。

在已有的无人机飞行试验飞行性能分析中，一般对飞行迎角只做简单近似处理，例如只用姿态角替代飞行迎角来评估升阻比，升力系数等性能参数，或者根据飞行时天气状态，测量当时的风速和风向作为参考，在估计飞行迎角时，从俯仰角中加以扣除来代替飞行迎角，没有从理论与实际的结合上考虑，从飞行动力学关系上分析估计飞行迎角，故而常用的迎角估计较为粗糙且不准确。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供了一种采用飞行和风洞试验数据估计无人机配平迎角的方法，主要针对无人机飞行试验时，无法用机载设备测量风信息和飞行迎角，而飞行试验结束后需进行飞行性能分析时，无法获取较为准确的飞行迎角的缺点。可根据无人机飞行动力学关系，采用优化迭代的方法，使理论估计参数逼近真实试验参数来得到飞行迎角。

本发明的技术解决方案是：

一种采用飞行试验和风洞数据估计无人机飞行迎角的方法，步骤如下：

(1)令无人机按照预定飞行航迹巡航，

(2)在无人机巡航过程中，机载角速率陀螺测量得到机体轴的三方向角速率ωx，ωy和ωz，垂直陀螺测量得到俯仰角θ和滚转角γ，气压高度计测量得到飞行高度H，空速管测量得到飞行空速V；

(3)选取无人机巡航过程中的平飞段数据，剔除转弯段的数据；所述平飞段数据满足俯仰角θ在-2度到6度之间，并且滚转角γ均值为0；

(4)对步骤(3)中得到的所述平飞段数据进行移动平均滤波处理，得到俯仰角θ的平均数列θ_ave；

(5)对步骤(4)中得到的平均数列θ_ave进行稳态处理，得到稳态平飞俯仰角数据段；

(6)针对步骤(5)中得到的稳态平飞俯仰角数据段中的每个数据点，将对应的俯仰角θ、飞行高度H、飞行空速V、推力T、重量G和升降舵偏值δz分别求均值，得到其中，推力T和重量G是无人机飞行过程中，根据实时测量的油门信号以及从油耗量与油门关系数据表格中得到的数据，插值计算出燃油消耗重量，从而计算出当前时刻的无人机总重G；根据实时测量的油门信号以及从推力与油门关系数据表格中得到的数据，插值计算出当前时刻的推力T；

(7)将步骤(6)中得到的作为无人机平飞运动方程优化迭代过程的初值，通过Gasuss_Newton优化方法对无人机平飞运动方程进行优化迭代，最终得到无人机飞行迎角目标值。

所述步骤(4)对平飞段数据进行移动平均滤波处理，得到俯仰角θ的平均数列θ_ave具体为：

通过公式在所述平飞段数据中截取第i到i+200这段数据进行求和平均，得到当前第i个数据的移动平均滤波量，所有i个数据的移动平均滤波量构成了俯仰角θ的平均数列θ_ave，其中，i＝1，2，3……N，N为所述平飞段数据中的终值。

所述步骤(5)对平均数列θ_ave进行稳态处理，得到稳态平飞俯仰角数据段，具体为：

对平均数列θ_ave中的数据，通过公式

${\mathrm{\θ}}_{\mathrm{slope}}\left(i\right)=\frac{{\mathrm{\θ}}_{\mathrm{ave}}(i+10)-{\mathrm{\θ}}_{\mathrm{ave}}\left(i\right)}{10}(i=\mathrm{1,2},...,M-10)$

计算得到斜率数列θ_slope，其中M为θ_ave数列点数；

计算上门限lim_sup和下门限lim_inf，公式如下

${\lim }_{\sup }=\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\θ}}_{\mathrm{slope}}\left(i\right)}{M}*k,$ ${\lim }_{\inf }=-\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\θ}}_{\mathrm{slope}}\left(i\right)}{M}*k;$

k为1到1.5之间；

在上下门限范围内的斜率数列θ_slope所对应的步骤(3)中的平飞段数据即为稳态平飞俯仰角数据段θ(i),i＝c,...,d,c和d分别为所述稳态平飞俯仰角数据段的起点和终点。

所述步骤(7)中通过Gasuss_Newton优化方法对无人机平飞运动方程进行优化迭代，最终得到无人机飞行迎角，具体为：

(7.1)令调节量k1,k2,k3的初值为1，令飞行迎角初值α₀、升降舵偏值初值δ_z0和俯仰角初值θ₀均为0；k1为升力系数的调节量，k2为阻力系数的调节量，k3为升降舵效率的调节量；

(7.2)通过公式 $\begin{array}{c}{\mathrm{cy}}_0=\mathrm{Cy}\left({\mathrm{\α}}_0\right)\·k1\\ {\mathrm{cx}}_0=\mathrm{Cx}\left({\mathrm{\α}}_0\right)\·k2\\ {\mathrm{Cmz}}_0=\mathrm{Cmz}\left({\mathrm{\α}}_0\right)\\ C_{\mathrm{mz}}^{\mathrm{\δz}}=C_{\mathrm{mz}}^{\mathrm{\δz}}\left({\mathrm{\α}}_0\right)\·k3\end{array}$ 计算得到气动力系数的初始估计量，即得到升力系数的初始估计量cy₀、阻力系数的初始估计量cx₀、俯仰力矩系数的初始估计量Cmz₀和升降舵效率的初始估计量其中，Cy(α)为风洞数据升力系数表格，Cx(α)为风洞数据阻力系数表格，Cmz(α)为风洞数据俯仰力矩系数表格，为风洞数据升降舵效率表格；

(7.3)通过公式 $Y=\frac{1}{2}\mathrm{\ρ}{\stackrel{\‾}{V}}^{2}S{\mathrm{cy}}_0,X=\frac{1}{2}\mathrm{\ρ}{\stackrel{\‾}{V}}^{2}S{\mathrm{cx}}_0,\mathrm{Mz}=\frac{1}{2}\mathrm{\ρ}{\stackrel{\‾}{V}}^{2}S{b}_{A}C{\mathrm{mz}}_0,$ 计算气动力，气动力包括升力Y、阻力X和俯仰力矩Mz，其中，空气密度S为机翼面积，b_A为机翼气动弦长；

(7.4)将Y,X,Mz和航迹倾角θ_s代入无人机平飞运动学方程 $\left\{\begin{array}{c}F1=\stackrel{\‾}{G}+X\·\sin \left({\mathrm{\θ}}_s\right)-Y\·\cos \left({\mathrm{\θ}}_s\right)-\stackrel{\‾}{T}\·\sin \left(\stackrel{\‾}{\mathrm{\θ}}\right)\\ F2=X\·\cos \left({\mathrm{\θ}}_s\right)+Y\·\sin \left({\mathrm{\θ}}_s\right)-\stackrel{\‾}{T}\·\sin \left(\stackrel{\‾}{\mathrm{\θ}}\right)\\ F3=C_{\mathrm{mz}0}-C_{\mathrm{mz}}^{\mathrm{\δz}}\·\stackrel{\‾}{\mathrm{\δ}}z\end{array}\right.$ 中，解算平飞受力平衡误差F1、F2和F3；其中，

(7.5)根据优化目标函数 $L=\underset{\mathrm{\α},k1,k2,k3z\∈R}{\min }{\left|\right|F1+F2+F3\left|\right|}_2^2,$ 采用Gasuss_Newton优化方法对无人机平飞运动方程进行优化迭代，得到下一步的迎角优化值以及调节量优化值，并分别赋值给α₀和k1,k2,k3，之后返回步骤(7.2)循环迭代，直到同时满足条件α∈[θ-1,θ+1]和k1,k2,k3∈[-20％,20％]，通过飞行试验手段得到的调节量k1,k2,k3可用于对风洞试验数据进行修正，得到的迎角值即为最终优化目标值利用此迎角估计量可进行无人机飞行性能分析工作。

所述Cy(α)、Cx(α)、Cmz(α)和均是以迎角α为自变量的一维表格。

本发明与现有技术相比的有益效果是：

(1)无人机空中飞行试验，由于技术和空间限制，无法安装较为精密和复杂的测量设备，因此测量的信号里不包含速度轴系下的飞行迎角和空速信息，而飞行试验后为评估飞行试验性能，例如升阻比，升力系数和阻力系数与飞行迎角的关系，需要用到较为准确的飞行迎角。一般理论分析中飞行迎角的估计需要用到较为复杂的6自由度或3自由度无人机运动方程，但实际飞行中能测量到用于运动方程的导数和动导数较少，因此无法通过运动方程来推导飞行试验中的飞行迎角，这为飞行迎角评估带来了较大的困难。本发明分析无人机飞行试验的飞行性能，故只需考虑无人机在空中的稳定飞行阶段，分析稳态条件下飞行动力学关系即可，这在一定程度上省略了无人机动态特性和飞行运动方程分析,需要测量的飞行参数少且容易实现。

(2)一般无人机飞行试验后性能分析由于缺乏飞行迎角，采用姿态角代替，或简单测量风速，从姿态角中扣除风速引起角度变化的分量来代替飞行迎角，这种方法较为粗略，飞行迎角的精度难以保证。本发明从飞行试验和风洞数据出发，通过分析无人机运动学关系和迭代优化方法，让飞行参数估计值逼近飞行试验统计量，从而估计出无人机飞行迎角，精度得以保证。

附图说明

图1本发明方法流程图；

图2定直平飞条件下无人机受力分析；

图3无人机飞行试验空中轨迹图；

图4无人机飞行试验俯仰角和滚转角随时间变化图；

图5对平飞段俯仰角200点移动平均滤波处理；

图6平飞段俯仰角斜率和上下门限截取稳定平飞段；

图7对应俯仰角数据稳态平飞段；

图8估计迎角和俯仰角测量值分别对应升阻比与理论升阻比关系图。

具体实施方式

如图1所示，本发明提供了一种采用飞行试验和风洞数据估计无人机飞行迎角的方法，步骤如下：

(1)令无人机按照预定飞行航迹巡航：无人机飞行试验按照预定飞行航迹规划执行空中任务，飞行阶段包括起飞，爬升，改平飞，巡航和降落。在预定空域无人机巡航时，地面站通过数传设备，向无人机发出多个GPS经纬度信号。无人机在两个GPS点之间实现定直平飞，等到三个GPS转折点处，以一定角度转弯到新的两个GPS点指定的方向上，然后沿着这两个新GPS点实现平飞。

(2)在无人机巡航过程中，机载角速率陀螺测量无人机机体轴的三方向角速率ωx，ωy和ωz，垂直陀螺测量无人机俯仰角θ和滚转角γ，气压高度计测量无人机飞行高度H，空速管测量无人机飞行的空速V。惯导元件没有可敏感速度轴下空中风速和飞行迎角传感器，无法直接获取飞行迎角。且这些惯导元件测量均有一定误差，这些误差是以后优化过程的调节项。另外，机载软件可根据实时测量的油门信号，根据油耗量与油门关系数据插值出燃油消耗，估算出当前时刻的无人机总重G。以上实时飞行参数均保存在数据记录仪中，可在飞行试验后处理中方便调用。

(3)选取无人机巡航过程中的平飞段数据，剔除转弯段的数据；所述平飞段数据满足俯仰角θ均值较为稳定：俯仰角θ在-2度到6度之间，并且滚转角γ均值为0

而一般来讲，滚转角γ在转弯时满足|_γ|>10°。

(4)

由于转弯到平飞的影响，上述条件获取的平飞俯仰角仍会存在过渡过程的干扰，需进一步截取稳态数据。对步骤(3)中得到的所述平飞段数据进行移动平均滤波处理，得到俯仰角θ的平均数列θ_ave。这里采用200点数据移动平均滤波方法，得到俯仰角θ的平均数列θ_ave。即假设处理当前数据θ(i)，通过公式在所述平飞段数据中截取第i到i+200这段数据进行求和平均，得到当前第i个数据的移动平均滤波量，所有i个数据的移动平均滤波量构成了俯仰角θ的平均数列θ_ave，其中，i＝1，2，3……N，N为所述平飞段数据中的终值。

(5)对步骤(4)中得到的平均数列θ_ave进行稳态处理，得到稳态平飞俯仰角数据段。考虑数据敏感度，上述滤波值对间隔10个点两点求其斜率，即为

${\mathrm{\θ}}_{\mathrm{slope}}\left(i\right)=\frac{{\mathrm{\θ}}_{\mathrm{ave}}(i+10)-{\mathrm{\θ}}_{\mathrm{ave}}\left(i\right)}{10}(i=\mathrm{1,2},...,M-10)$

计算得到斜率数列θ_slope，其中M为θ_ave数列点数；计算上门限lim_sup和下门限lim_inf，公式如下

${\lim }_{\sup }=\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\θ}}_{\mathrm{slope}}\left(i\right)}{M}*k,$ ${\lim }_{\inf }=-\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\θ}}_{\mathrm{slope}}\left(i\right)}{M}*k;$

k为1到1.5之间；在上下门限范围内的斜率数列θ_slope所对应的步骤(3)中的平飞段数据即为稳态平飞俯仰角数据段θ(i),i＝c,...,d,c和d分别为所述稳态平飞俯仰角数据段的起点和终点。

(6)针对步骤(5)中得到的稳态平飞俯仰角数据段中的每个数据点，将对应的俯仰角θ、飞行高度H、飞行空速V、推力T、重量G和升降舵偏值δz分别求均值，得到其中，推力T和重量G是无人机飞行过程中，根据实时测量的油门信号以及从油耗量与油门关系数据表格中得到的数据，插值计算出燃油消耗重量，从而计算出当前时刻的无人机总重G；根据实时测量的油门信号以及从推力与油门关系数据表格中得到的数据，插值计算出当前时刻的推力T。其中油耗量与油门关系数据表格、推力与油门关系数据表格是发动机地面试验数据，表明了发动机耗油率和推力与发动机油门的关系。

(7)将步骤(6)中得到的作为无人机平飞运动方程优化迭代过程的初值，通过Gasuss_Newton优化方法对无人机平飞运动方程进行优化迭代，最终得到无人机飞行迎角目标值。

具体为：

(7.1)令飞行迎角初值α₀、升降舵偏值初值δ_z0和俯仰角初值θ₀均为0；令风洞数据调节量k1,k2,k3的初值为1，k1为升力系数的调节量，k2为阻力系数的调节量，k3为升降舵效率的调节量；

(7.2)风洞数据表包括升力系数表Cy(α)，阻力系数表Cx(α)，俯仰力矩系数表Mz(α),风洞数据升降舵效率表格它们以迎角α为自变量的一维表格，可通过迎角值插值出对应的力和力矩系数。风洞数据为风洞试验值，一般会与实际飞行状况有误差，且在±20％范围内波动，故风洞数据调节量k1,k2,k3变化范围均在[0.8,1]之间。当迎角α₀确定后，可结合风洞数据表通过一阶线性插值方法得到相关的升力系数cy₀，阻力系数cx₀和俯仰力矩系数mz₀，公式如下

cy₀＝Cy(α₀)·k1

cx₀＝Cx(α₀)·k2

Cmz₀＝Cmz(α₀)

$C_{\mathrm{mz}}^{\mathrm{\δz}}=C_{\mathrm{mz}}^{\mathrm{\δz}}\left({\mathrm{\α}}_0\right)\·k3$

(7.3)通过公式 $Y=\frac{1}{2}\mathrm{\ρ}{\stackrel{\‾}{V}}^{2}S{\mathrm{cy}}_0,X=\frac{1}{2}\mathrm{\ρ}{\stackrel{\‾}{V}}^{2}S{\mathrm{cx}}_0,\mathrm{Mz}=\frac{1}{2}\mathrm{\ρ}{\stackrel{\‾}{V}}^{2}S{b}_{A}C{\mathrm{mz}}_0,$ 计算气动力，气动力包括升力Y、阻力X和俯仰力矩Mz，其中，S为机翼面积，b_A为机翼气动弦长，空气密度 $\mathrm{\ρ}=1.225\×{(1-\frac{\stackrel{\‾}{H}}{44332.3})}^{4.2559},;$

(7.4)在获取无人机气动力和力矩以及重量和推力后，可根据图2进行无人机平飞条件下的纵向平面的受力分析。图2是以地面坐标系为基础对纵向平面绘制的受力图。其中，推力T与地面x轴坐标系X_d夹角为俯仰角θ，T与速度矢量夹角α，速度矢量与地面x轴坐标系X_d夹角为航迹倾角θ_s，这三者之间满足关系式

θ_s＝θ-α

另外，升力垂直速度矢量向上为正，与地面y轴坐标系Y_d夹角为航迹倾角θ_s；阻力方向反相于速度矢量，与地面x轴坐标系X_d夹角为航迹倾角θ_s。综上，为满足无人机定常平飞，需各力在地面坐标系X_d轴与Y_d轴上力平衡，且纵向平面力矩平衡。将Y,X,Mz和航迹倾角θ_s代入无人机平飞运动学方程：

X_d轴上受力平衡：F1＝Tcos(θ)-Ysin(θ-α)-Xcos(θ-α)

Y_d轴上受力平衡：F2＝G+Xsin(θ-α)-Ycos(θ-α)-Tsin(θ)

力矩平衡： $F3=M_{z0}-M_z^{\mathrm{\δz}}\·\mathrm{\δz}$

解算平飞受力平衡误差F1、F2和F3。

(7.5)根据优化目标函数 $L=\underset{\mathrm{\α},k1,k2,k3z\∈R}{\min }{\left|\right|F1+F2+F3\left|\right|}_2^2,$ 采用Gasuss_Newton优化方法对无人机平飞运动方程进行优化迭代，得到下一步的迎角优化值以及调节量优化值，并分别赋值给α₀和k1,k2,k3，之后返回步骤(4.2)循环迭代，直到同时满足条件α∈[θ-1,θ+1]和k1,k2,k3∈[-20％,20％]。通过飞行试验手段得到的调节量k1,k2,k3可用于对风洞试验数据进行修正，得到的迎角值即为最终优化目标值利用此迎角估计量可进行无人机飞行性能分析工作。

应用实例：

无人机地面站航迹规划如图3所示，这里经度和纬度用序号代替，无人机从机场起飞后进入巡航段然后下降着陆，其轨迹每一段通过两个经纬度点确定，不同的经纬度点连线就构成了无人机飞行的轨迹。由图可见，无人机空中矩形巡航段是由平飞段和转弯段构成的。

将无人机飞行试验数据在地面读取出来后，图4显示了无人机飞行试验中俯仰角(虚线)和滚转角(实线)随时间的变化图。图中可看到，按照数据过滤标准：俯仰角θ均值较为稳定；滚转角γ平飞时均值为0；滚转角γ在转弯时满足|_γ|>10°，图中箭头将符合要求的俯仰角标示出来，共有23条平飞轨迹满足要求。

图5显示了将第1段满足要求的俯仰角单独提取出来的情况，图中波动较小曲线为200点移动窗口平均滤波的俯仰角曲线。

图6显示了对图5产生的滤波进行差分斜率分析，对滤波斜率用对称的上下门限截取，在门限内的数据段可满足分析初值要求。由图6可见，点划线数据段被限制在上下限内满足要求，而数据段头部由于是滚转到平飞的过渡过程而显得波动较大，由这种方法进行滤除。图7显示了由图6截取出来的俯仰角稳态数据截取段(点划线)。

经过数据过滤后，可以得到第一个飞行数据段其均值如表1所示。

表1飞行试验平飞数据均值

为对平飞迎角进行估计，需对满足表2的条件进行Gauss_Newton迭代。表2显示了，在使用试验参数高度速度重量升降舵俯仰角和推力条件下，仅对风洞数据进行修正，并估计飞行迎角的计算方法。

表2Gauss_Newton法优化迭代平飞迎角估算公式

优化结果见表3，由表可见，函数误差项F1,F2,F3均达到1e-8次方量级接近零。优化结果显示飞行迎角与试验俯仰角均值差值1°以内，k1,k2,k3也在20％以内，满足优化条件要求，此k1,k2,k3可用于后续风洞数据根据飞行试验数据修正工作。

表3迎角估计结果

图8显示了理论迎角对应升阻比曲线，平飞迎角估计值与升阻比计算点，以及俯仰角试验值与升阻比计算点三者之间关系。由图8可见经过本发明估计的飞行迎角对应升阻比点更接近理论升阻比，而常用的工程方法俯仰角试验点对应升阻比点较本发明约产生5％的误差，从而说明本发明比工程方法对无人机飞行试验估计更优。

Claims (5)

1.一种采用飞行和风洞试验数据估计无人机配平迎角的方法，其特征在于步骤如下：

(1)令无人机按照预定飞行航迹巡航，

(2)在无人机巡航过程中，机载角速率陀螺测量得到机体轴的三方向角速率ωx，ωy和ωz，垂直陀螺测量得到俯仰角θ和滚转角γ，气压高度计测量得到飞行高度H，空速管测量得到飞行空速V；

(3)选取无人机巡航过程中的平飞段数据，剔除转弯段的数据；所述平飞段数据满足俯仰角θ在-2度到6度之间，并且滚转角γ均值为0；

(4)对步骤(3)中得到的所述平飞段数据进行移动平均滤波处理，得到俯仰角θ的平均数列θ_ave；

(5)对步骤(4)中得到的平均数列θ_ave进行稳态处理，得到稳态平飞俯仰角数据段；

(6)针对步骤(5)中得到的稳态平飞俯仰角数据段中的每个数据点，将对应的俯仰角θ、飞行高度H、飞行空速V、推力T、重量G和升降舵偏值δz分别求均值，得到其中，推力T和重量G是无人机飞行过程中，根据实时测量的油门信号以及从油耗量与油门关系数据表格中得到的数据，插值计算出燃油消耗重量，从而计算出当前时刻的无人机重量G；根据实时测量的油门信号以及从推力与油门关系数据表格中得到的数据，插值计算出当前时刻的推力T；

(7)将步骤(6)中得到的作为无人机平飞运动方程优化迭代过程的初值，通过Gasuss_Newton优化方法对无人机平飞运动方程进行优化迭代，最终得到无人机飞行迎角目标值，为后续无人机飞行性能评估提供有效迎角估计量。

2.根据权利要求1所述的一种采用飞行和风洞试验数据估计无人机配平迎角的方法，其特征在于：所述步骤(4)对平飞段数据进行移动平均滤波处理，得到俯仰角θ的平均数列θ_ave具体为：

通过公式在所述平飞段数据中截取第i到i+200这段数据进行求和平均，得到当前第i个数据的移动平均滤波量，所有i个数据的移动平均滤波量构成了俯仰角θ的平均数列θ_ave，其中，i＝1，2，3……N，N为所述平飞段数据中的终值。

3.根据权利要求1所述的一种采用飞行和风洞试验数据估计无人机配平迎角的方法，其特征在于：所述步骤(5)对平均数列θ_ave进行稳态处理，得到稳态平飞俯仰角数据段，具体为：

对平均数列θ_ave中的数据，通过公式

${\mathrm{\θ}}_{slope}\left(i\right)=\frac{{\mathrm{\θ}}_{ave}(i+10)-{\mathrm{\θ}}_{ave}\left(i\right)}{10},(i=1,2,...,M-10)$

计算得到斜率数列θ_slope，其中M为θ_ave数列点数；

计算上门限lim_sup和下门限lim_inf，公式如下

${\lim }_{\sup }=\frac{\underset{i=1}{\overset{M}{\Σ}}{\mathrm{\θ}}_{slope}\left(i\right)}{M}*k,$ ${\lim }_{\inf }=-\frac{\underset{i=1}{\overset{M}{\Σ}}{\mathrm{\θ}}_{slope}\left(i\right)}{M}*k;$

k为1到1.5之间；

在上下门限范围内的斜率数列θ_slope所对应的步骤(3)中的平飞段数据即为稳态平飞俯仰角数据段θ(i),i＝c,...,d,c和d分别为所述稳态平飞俯仰角数据段的起点和终点。

4.根据权利要求1所述的一种采用飞行和风洞试验数据估计无人机配平迎角的方法，其特征在于：所述步骤(7)中通过Gasuss_Newton优化方法对无人机平飞运动方程进行优化迭代，最终得到无人机飞行迎角，具体为：

(7.1)令调节量k1,k2,k3的初值为1，令飞行迎角初值α₀、升降舵偏值初值δ_z0和俯仰角初值θ₀均为0；k1为升力系数的调节量，k2为阻力系数的调节量，k3为升降舵效率的调节量；

(7.2)通过公式 $\begin{array}{c}{\mathrm{cy}}_0=Cy\left({\mathrm{\α}}_0\right)\·k1\\ {\mathrm{cx}}_0=Cx\left({\mathrm{\α}}_0\right)\·k2\\ {\mathrm{Cmz}}_0=Cmz\left({\mathrm{\α}}_0\right)\\ C_{mz}^{\mathrm{\δ}z}=C_{mz}^{\mathrm{\δ}z}\left({\mathrm{\α}}_0\right)\·k3\end{array}$ 计算得到气动力系数的初始估计量，即得到升力系数的初始估计量cy₀、阻力系数的初始估计量cx₀、俯仰力矩系数的初始估计量Cmz₀和升降舵效率的初始估计量其中，Cy(α)为风洞数据升力系数表格，Cx(α)为风洞数据阻力系数表格，Cmz(α)为风洞数据俯仰力矩系数表格，为风洞数据升降舵效率表格；

(7.3)通过公式 $Y=\frac{1}{2}\mathrm{\ρ}{\stackrel{\‾}{V}}^2{\mathrm{Scy}}_0,X=\frac{1}{2}\mathrm{\ρ}{\stackrel{\‾}{V}}^2{\mathrm{Scx}}_0,Mz=\frac{1}{2}\mathrm{\ρ}{\stackrel{\‾}{V}}^2{\mathrm{Sb}}_A{\mathrm{Cmz}}_0,$ 计算气动力，气动力包括升力Y、阻力X和俯仰力矩Mz，其中，S为机翼面积，b_A为机翼气动弦长，空气密度 $\mathrm{\ρ}=1.225\×{(1-\frac{\stackrel{\‾}{H}}{44332.3})}^{4.2559};$

(7.4)将Y,X,Mz和航迹倾角θ_s代入无人机平飞运动学方程 $\left\{\begin{array}{c}F1=\stackrel{\‾}{G}+X\·sin\left({\mathrm{\θ}}_s\right)-Y\·cos\left({\mathrm{\θ}}_s\right)-\stackrel{\‾}{T}\·sin\left(\stackrel{\‾}{\mathrm{\θ}}\right)\\ F2=X\·cos\left({\mathrm{\θ}}_s\right)+Y\·sin\left({\mathrm{\θ}}_s\right)-\stackrel{\‾}{T}\·\sin \left(\stackrel{\‾}{\mathrm{\θ}}\right)\\ F3=C_{mz0}-C_{mz}^{\mathrm{\δ}z}\·\stackrel{\‾}{\mathrm{\δ}}z\end{array}\right.$ 中，解算平飞受力平衡误差F1、F2和F3；其中，

(7.5)根据优化目标函数采用Gasuss_Newton优化方法对无人机平飞运动方程进行优化迭代，得到下一步的迎角优化值以及调节量优化值，并分别赋值给α₀和k1,k2,k3，之后返回步骤(7.2)循环迭代，直到同时满足条件α∈[θ-1,θ+1]和k1,k2,k3∈[-20％,20％]；通过飞行试验手段得到的调节量k1,k2,k3可用于对风洞试验数据进行修正，得到的迎角值即为最终优化目标值利用此迎角估计量可进行无人机飞行性能分析工作。

5.根据权利要求4所述的一种采用飞行和风洞试验数据估计无人机配平迎角的方法，其特征在于：所述Cy(α)、Cx(α)、Cmz(α)和均是以迎角α为自变量的一维表格。