CN108100301B - 一种用于直升机模拟机客观测试的试飞数据处理方法 - Google Patents

一种用于直升机模拟机客观测试的试飞数据处理方法 Download PDF

Info

Publication number
CN108100301B
CN108100301B CN201711256526.6A CN201711256526A CN108100301B CN 108100301 B CN108100301 B CN 108100301B CN 201711256526 A CN201711256526 A CN 201711256526A CN 108100301 B CN108100301 B CN 108100301B
Authority
CN
China
Prior art keywords
data
test
variation
objective test
flight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711256526.6A
Other languages
English (en)
Other versions
CN108100301A (zh
Inventor
吴文庆
蔡伟健
汤鸿
张建国
汪洋
李涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Helicopter Research and Development Institute
Original Assignee
China Helicopter Research and Development Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Helicopter Research and Development Institute filed Critical China Helicopter Research and Development Institute
Priority to CN201711256526.6A priority Critical patent/CN108100301B/zh
Publication of CN108100301A publication Critical patent/CN108100301A/zh
Application granted granted Critical
Publication of CN108100301B publication Critical patent/CN108100301B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
    • B64F5/60—Testing or inspecting aircraft components or systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Transportation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种用于直升机模拟机客观测试的试飞数据处理方法，属于直升机试验技术领域，其包括：步骤一：从原始数据中依据客观测试科目要求提取直升机的飞行性能数据和操纵品质数据；步骤二：根据步骤一中提取的飞行性能数据和操纵品质数据及客观测试科目要求，选取客观测试科目所对应的参数；根据客观测试科目要求的采用率对提取的飞行性能数据和操纵品质数据进行一维插值；步骤三：对步骤二得到的数据生成客观测试曲线。本发明的用于直升机模拟机客观测试的试飞数据处理方法对试飞数据的处理与飞行数据较为接近，数据处理准确，可满足模拟机的客观测试内容要求。

Description

一种用于直升机模拟机客观测试的试飞数据处理方法
技术领域
本发明属于直升机试验技术领域，尤其涉及一种用于直升机模拟机客观测试的试飞数据处理方法。
背景技术
直升机模拟机是训练直升机飞行员飞行、特情处置的设备。直升机模拟机投入运营之前需进行等级鉴定。客观测试是等级鉴定的重要组成部分，客观测试需要用真实的试飞数据和模拟机的飞行数据进行比对，二者的容差在一定范围之内才可以通过该项测试。客观测试的每个科目都对数据的参数、容差等提出了具体的要求。如何从大量的试飞数据中分析、提取和处理出满足客观测试要求的数据是一项艰巨的工作。
发明内容
本发明的目的是提供一种用于直升机模拟机客观测试的试飞数据处理方法，用于解决目前的直升机模拟机客观测试中试飞数据处理难度大、处理精度不准确的问题。
为达到上述目的，本发明采用的技术方案是：一种用于直升机模拟机客观测试的试飞数据处理方法，其包括
步骤一：从原始数据中依据客观测试科目要求提取直升机的飞行性能数据和操纵品质数据；
步骤二：根据步骤一中提取的飞行性能数据和操纵品质数据及客观测试科目要求，选取客观测试科目所对应的参数；
根据客观测试科目要求的采用率对提取的飞行性能数据和操纵品质数据进行一维插值；
步骤三：对步骤二得到的数据生成客观测试曲线。
进一步的，所述飞行性能数据的提取方法为：
A＝δp+δr+δy+δβ+δh+δv
公式中：A为姿态变化量、δp为俯仰变化量、δr为横滚变化量、δy为航向变化量、δβ为侧滑角变化量、δh为高度变化量、δv为空速变化量；
其中，提取姿态变化量A最小的一段数据作为飞行性能数据。
进一步的，所述操纵品质数据的提取方法为：
B＝a*δWf+b*δWz+c*δWx+d*δWy；
公式中：B为操纵数据波动量、δWf为总距操纵变化量、δWz为纵向操纵变化量、δWx为横向操纵变化量、δWy为航向操纵变化量、a为总距操纵权重、b为纵向操纵权重、c为横向操纵权重、d为航向操纵权重；
其中，提取操纵数据波动量B最小的一段数据作为操纵品质数据。
进一步的，所述权重值选取的方法如下：
a)总距操纵科目：a＝0，b＝c＝d＝1；
b)纵向操纵科目：b＝0，a＝c＝d＝1；
c)横向操纵科目：c＝0，a＝b＝d＝1；
d)航向操纵科目：d＝0，a＝b＝c＝1。
本发明的用于直升机模拟机客观测试的试飞数据处理方法对试飞数据的处理与飞行数据较为接近，数据处理准确，可满足模拟机的客观测试内容要求。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1为本发明的数据方法流程图；
图2为原始平飞数据；
图3为原始航向操纵数据；
图4为插值前的平飞特性曲线；
图5为插值后的平飞特性曲线；
图6为插值前的航向特性曲线；
图7为插值后的航向特性曲线。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。
本发明的用于直升机模拟机客观测试的试飞数据处理方法提供了一种从原始试飞数据分析提取、处理、自动生成客观测试曲线绘制的一整套方法。
如图1所示，本发明的方法主要包括以下几个流程步骤：
1、试飞数据分析提取
试飞数据分析提取是按照等级鉴定的要求，从原始试飞数据中提取出客观测试所有科目所要求的试飞数据。原始试飞数据来源为飞机结构中的传感器采集，其包括发动机性能、地面滑行性能、起飞性能、悬停性能、平飞性能、爬升性能、下降性能、自转性能、单发故障性能、小速度下的飞行品质、纵向飞行品质、横航向飞行品质。由于直升机操纵耦合和飞行员的主观因素，很多试飞数据并不满足等级鉴定的要求，需要从大量的试飞数据中提取出符合条件的试飞数据，分析提取时主要用到了以下方法：
a、姿态变化分析法
直升机的姿态参数(采集量)包括：俯仰角、滚转角、偏航角、侧滑角、高度、速度等。
对于客观测试中的飞行性能测试部分，主要关注直升机不同状态下的稳态数据：即姿态变化小。通过以下公式计算各姿态参数的波动量来选取最合适的数据。
A＝δp+δr+δy+δβ+δh+δv
上式中：A为姿态变化量，δp为俯仰变化量，δr为横滚变化量，δy为航向变化量，δβ为侧滑角变化量，δh为高度变化量，δv为空速变化量；
b、操纵数据分析法
直升机的操纵参数(采集量)包括：总距操纵量、脚蹬操纵量、纵向操纵量和横向操纵量。
对于客观测试中的操纵品质测试部分，主要关注直升机不同操纵输入时的响应数据。通过以下公式计算各操纵参数的波动量来选取最合适的数据。
B＝a*δWf+b*δWz+c*δWx+d*δWy
公式中：B为操纵数据波动量，δWf为总距操纵变化量，δWz为纵向操纵变化量，δWx为横向操纵变化量，δWy为航向操纵变化量，a为总距操纵权重，b为纵向操纵权重，c为横向操纵权重，d为航向操纵权重；
权重值选取的方法如下：
1)总距操纵科目：a＝0，b＝c＝d＝1；
2)纵向操纵科目：b＝0，a＝c＝d＝1；
3)横向操纵科目：c＝0，a＝b＝d＝1；
4)航向操纵科目：d＝0，a＝b＝c＝1；
通过上述两种方法的使用可提取出质量较高的试飞数据。
如图2所示为本发明一实施例的原始平飞数据图，图中截取的数据参数包括：时间t、高度Hp、空速Vi、侧滑角β、俯仰角PITCH、滚转角ROLL、航向角M-Head等。图中所示1、2两段为平飞数据，根据本发明姿态变换量的计算公式分别计算1、2两段得到A1＝12、A2＝8，通过比对可知第二段数值较小，第二段数据所体现的飞机平飞状态更加平稳，故选取第二段数据进行下一步处理。
图3所示为本发明一实施例的原始航向操纵数据图，图中截取的数据参数包括：时间t、高度Hp、总距操纵量Wf、横向操纵量Wx、Wy航向操纵量、Wz纵向操纵量等。图中所示的3、4两段为航向操纵数据，根据本发明操纵数据波动量的计算公式分别计算3、4两段得到B3＝6、B4＝8，通过对比可知第一段数值较小，第一段数据所体现的飞机操纵控制更加平稳，故选取第一段数据进行下一步处理。
2、试飞数据处理
分析提取的试飞数据从参数的数量、顺序、采样率都和客观测试的要求有区别，需进行进一步处理，编制算法完成试飞数据的参数选取、排序和插值工作。如图4所示插值前的平飞特性曲线及图6所述的插值前的航向特性曲线。
3、自动生成测试曲线。
将提取处理完成的试飞数据编号，使用绘图工具即可自动生成测试曲线。
如图5所示的插值后的平飞特性曲线及图7所示的插值后的航向特性曲线。生成的测试曲线与较插值前的曲线相比，其曲线密度增加(精度提高)，将其应用于客观测试中，可满足模拟机的客观测试内容要求。
本发明的用于直升机模拟机客观测试的试飞数据处理方法已成功应用于直升机模拟机，完成了模拟机的客观测试内容，可广泛应用在直升机模拟机中。
以上所述，仅为本发明的最优具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (1)

1.一种用于直升机模拟机客观测试的试飞数据处理方法，其特征在于，包括
步骤一：从原始数据中依据客观测试科目要求提取直升机的飞行性能数据和操纵品质数据，其中所述飞行性能数据的提取方法为：
A＝δp+δr+δy+δβ+δh+δv
公式中：A为姿态变化量、δp为俯仰变化量、δr为横滚变化量、δy为航向变化量、δβ为侧滑角变化量、δh为高度变化量、δv为空速变化量；
其中，提取姿态变化量A最小的一段数据作为飞行性能数据；
所述操纵品质数据的提取方法为：
B＝a*δWf+b*δWz+c*δWx+d*δWy；
公式中：B为操纵数据波动量、δWf为总距操纵变化量、δWz为纵向操纵变化量、δWx为横向操纵变化量、δWy为航向操纵变化量、a为总距操纵权重、b为纵向操纵权重、c为横向操纵权重、d为航向操纵权重；
其中，权重满足：a)总距操纵科目：a＝0，b＝c＝d＝1；b)纵向操纵科目：b＝0，a＝c＝d＝1；c)横向操纵科目：c＝0，a＝b＝d＝1；d)航向操纵科目：d＝0，a＝b＝c＝1；
其中，提取操纵数据波动量B最小的一段数据作为操纵品质数据；
步骤二：根据步骤一中提取的飞行性能数据和操纵品质数据及客观测试科目要求，选取客观测试科目所对应的参数；
根据客观测试科目要求的采用率对提取的飞行性能数据和操纵品质数据进行一维插值；
步骤三：对步骤二得到的数据生成客观测试曲线。
CN201711256526.6A 2017-12-03 2017-12-03 一种用于直升机模拟机客观测试的试飞数据处理方法 Active CN108100301B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711256526.6A CN108100301B (zh) 2017-12-03 2017-12-03 一种用于直升机模拟机客观测试的试飞数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711256526.6A CN108100301B (zh) 2017-12-03 2017-12-03 一种用于直升机模拟机客观测试的试飞数据处理方法

Publications (2)

Publication Number Publication Date
CN108100301A CN108100301A (zh) 2018-06-01
CN108100301B true CN108100301B (zh) 2021-02-26

Family

ID=62209168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711256526.6A Active CN108100301B (zh) 2017-12-03 2017-12-03 一种用于直升机模拟机客观测试的试飞数据处理方法

Country Status (1)

Country Link
CN (1) CN108100301B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110505294B (zh) * 2019-08-20 2021-09-14 上海航空工业(集团)有限公司 一种试飞数据文件自动分发的方法
CN110803297B (zh) * 2019-10-18 2023-04-14 哈尔滨飞机工业集团有限责任公司 一种用于ccar29部直升机单发性能的适航试验方法
CN112623265B (zh) * 2020-11-20 2022-04-26 中国直升机设计研究所 一种民用直升机海上救生性能验证试飞方法
CN113076601B (zh) * 2021-04-20 2022-11-04 中国直升机设计研究所 一种直升机斜坡起降的计算与试飞方法
CN113609155A (zh) * 2021-08-09 2021-11-05 中国商用飞机有限责任公司 试飞数据分析的试验点快速筛选方法、系统及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103823380A (zh) * 2014-03-14 2014-05-28 北京航空航天大学 一种考虑飞行品质的直升机总体设计方法
CN104657529A (zh) * 2013-11-25 2015-05-27 中国直升机设计研究所 一种从飞行性能角度进行直升机气动布局参数设计的方法
CN105260566A (zh) * 2015-11-04 2016-01-20 中国直升机设计研究所 一种直升机操纵解耦设计方法
CN105741381A (zh) * 2016-01-28 2016-07-06 中国人民解放军空军装备研究院航空装备研究所 一种确定飞机飞参记录参数集合的方法
CN106874617A (zh) * 2017-03-07 2017-06-20 南京航空航天大学 一种高效的直升机机动飞行品质等级评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657529A (zh) * 2013-11-25 2015-05-27 中国直升机设计研究所 一种从飞行性能角度进行直升机气动布局参数设计的方法
CN103823380A (zh) * 2014-03-14 2014-05-28 北京航空航天大学 一种考虑飞行品质的直升机总体设计方法
CN105260566A (zh) * 2015-11-04 2016-01-20 中国直升机设计研究所 一种直升机操纵解耦设计方法
CN105741381A (zh) * 2016-01-28 2016-07-06 中国人民解放军空军装备研究院航空装备研究所 一种确定飞机飞参记录参数集合的方法
CN106874617A (zh) * 2017-03-07 2017-06-20 南京航空航天大学 一种高效的直升机机动飞行品质等级评估方法

Also Published As

Publication number Publication date
CN108100301A (zh) 2018-06-01

Similar Documents

Publication Publication Date Title
CN108100301B (zh) 一种用于直升机模拟机客观测试的试飞数据处理方法
CN108196532B (zh) 一种基于非线性自适应观测器的无人机纵向飞行控制系统故障检测与分离方法
CN112100865A (zh) 基于并行cnn模型的航空发动机剩余寿命预测方法
Wang et al. Identification and standardization of maneuvers based upon operational flight data
CN106200629B (zh) 一种无人机飞行控制系统的故障可检测度分析方法
CN110533095B (zh) 一种基于改进随机森林的航班飞行风险行为识别方法
CN114004023A (zh) 一种基于循环神经网络的飞行器气动参数辨识的方法
Puranik et al. Utilizing energy metrics and clustering techniques to identify anomalous general aviation operations
Zhao et al. Robust Data‐Driven Fault Detection: An Application to Aircraft Air Data Sensors
CN104007981A (zh) 一种基于出错-认知映射模型的人机交互界面设计方法
CN109473012B (zh) 一种用于模拟飞行的操纵力反馈系统
EP3651082A1 (de) Verfahren und assistenzsystem zum generieren von trainingsdaten zum lernbasierten konfigurieren eines technischen systems
Wu et al. Aircraft flight regime recognition with deep temporal segmentation neural network
Henry et al. A Monte Carlo simulation for evaluating airborne collision risk in intersecting runways
Wu et al. Flight situation recognition under different weather conditions
Baumann et al. Evaluation of the aircraft fuel economy using advanced statistics and machine learning
CN111829425A (zh) 民机前缘位置传感器的健康监测方法及系统
Battipede et al. Novel neural architecture for air data angle estimation
Boril et al. Using aviation simulation technologies for pilot modelling and flight training assessment
Jirgl et al. Parameter identification for pilot behaviour model using the MATLAB system identification toolbox
Yin Design of Flight Training Evaluation System Based on Flight Parameters Data
Tato et al. Towards adaptive coaching in piloting tasks: learning pilots’ behavioral profiles from flight data
Trainelli et al. Development and testing of innovative solutions for helicopter in-flight noise monitoring and enhanced control based on rotor state measurements
Chin et al. Knowledge Discovery Within ADS-B Data from Routine Helicopter Tour Operations
Liu et al. Prediction of aircraft aerodynamic coefficient based on data-driven method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant