CN108931258B - 用于监测和估计与飞行器的飞行相关的参数的方法和设备 - Google Patents

用于监测和估计与飞行器的飞行相关的参数的方法和设备 Download PDF

Info

Publication number
CN108931258B
CN108931258B CN201810470520.7A CN201810470520A CN108931258B CN 108931258 B CN108931258 B CN 108931258B CN 201810470520 A CN201810470520 A CN 201810470520A CN 108931258 B CN108931258 B CN 108931258B
Authority
CN
China
Prior art keywords
flight
aircraft
parameter
estimation
measurement
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
CN201810470520.7A
Other languages
English (en)
Other versions
CN108931258A (zh
Inventor
P·古皮尔
M·德尔波特
C·赛伦
G·哈迪尔
G·阿尔卡雷
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.)
Office National dEtudes et de Recherches Aerospatiales ONERA
Airbus Operations SAS
Original Assignee
Office National dEtudes et de Recherches Aerospatiales ONERA
Airbus Operations SAS
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 Office National dEtudes et de Recherches Aerospatiales ONERA, Airbus Operations SAS filed Critical Office National dEtudes et de Recherches Aerospatiales ONERA
Publication of CN108931258A publication Critical patent/CN108931258A/zh
Application granted granted Critical
Publication of CN108931258B publication Critical patent/CN108931258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
    • G01C23/005—Flight directors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D43/00—Arrangements or adaptations of instruments
    • B64D43/02—Arrangements or adaptations of instruments for indicating aircraft speed or stalling conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • G01C5/005—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels altimeters for aircraft
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels
    • G01C9/005—Measuring inclination, e.g. by clinometers, by levels specially adapted for use in aircraft
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Navigation (AREA)

Abstract

一种用于监测和估计与飞行器的飞行相关的参数的方法和设备。用于监测和估计与飞行器的飞行相关的参数的设备1包括：估计模块4，所述估计模块用于确定对与飞行器的飞行相关的所述参数的值的估计并且用于生成留数；检测模块5，所述检测模块用于确定与所述传感器C1、C2、…、CN中的每一个以及与和飞行器的重量相对应的参数P1相关联的状态；传输模块7，所述传输模块用于向用户设备6并且在下一迭代时向所述估计模块4传输与所述传感器C1、C2、…、CN中的每一个相关联的状态。

Description

用于监测和估计与飞行器的飞行相关的参数的方法和设备
技术领域
本发明涉及一种用于实时监测和估计与飞行器的飞行相关的参数的方法和相关联设备。
背景技术
飞行器的正确操作部分地由传感器的正确操作保证。传感器供应关于飞行器姿态、飞行器轨迹、飞行器速度等的信息，并且使得有可能经由控制律和自动控制算法确保对飞行器的导航、引导和控制。目前在一些飞行器上可能的高自动化水平取决于这些传感器的可用性。目前，在传感器失效之后的任何信息损失都使飞行员更多地参与到对飞行器的控制中，这增加了飞行员的工作量。因此，为了简化领航任务，需要扩展飞行参数的可用性并且在整个飞行持续时间内这样做。这意味着使用对由传感器供应的信息的质量进行验证的步骤，被称为“监测”。
为了确保对传感器的更好监测并且为了在发生失效的情况下提高飞行参数的可用性，已经解决了两种类型的方式。
第一类型的方式对应于使用硬件冗余，也就是说，使用同一类型的若干传感器，以便允许经由具体地基于多数的投票(例如，平均值计算或对中间值的选择)来识别失效。此第一类型的方式需要使嵌入式传感器的数量倍增，这在具有很少仪表的飞行器的情况下是不实际的。此外，在不同传感器发生相干且完全同时的失效的情况下，基于多数的投票不允许识别故障。于是，这被称为共同失效模式。
第二类型的方式对应于使用分析冗余。可以经由动力学方程和飞行力学将传感器测量结果关联。测量结果同与飞行相关的参数之间的这些相互依赖关系具有的优点在于能够通过使用虚拟传感器来增加信息的相异性。这些虚拟传感器递送对参数的估计以及对根据测量不同类型的量的传感器的组合计算的测量结果的估计。这种方式具有的优点在于不增大监测所需的传感器的数量，因为这种方式仅使用已经存在于飞行器上的信息。然而，所述方式可能要求足够的嵌入式计算装置的可用性。分析冗余在开发估计器时得以使用。这些估计器还具有的优点在于能够递送对失效后无效的量的估计，以便保证飞行参数的更高可用性。
目前出现的问题涉及这两种类型的方式。首先，使用基于多数的投票不允许对共同失效模式的完全监测。然后，分析冗余基于对某些量或其他传感器的有效性的假设。有必要对这些假设进行验证并且对所开发的算法进行验证。
由此寻求解决的问题之一是除了估计问题之外，使关于迎角的失效、关于速度的失效以及关于重量的误差分离的问题。迄今已经开发了许多估计器，但是没有一个估计器使得有可能提出允许做出这种区分的假设的问题。
发明内容
本发明的目的是通过提出一种用于监测和估计与飞行器的飞行相关的参数的方法和设备来减轻这种缺点。
与飞行相关的参数包括以下元素中的至少一个：飞行参数、大气参数、传感器偏倚或建模偏倚。
为此，本发明涉及一种用于监测和估计以下各项的方法：
-与飞行器的飞行相关的参数；
-传感器的状态，这些状态表示所述传感器的操作；以及
-与飞行器的当前重量相对应的参数的状态，此状态表示所述参数的有效性。
根据本发明，所述方法包括以下步骤：
-由初始化模块实施的初始化步骤，所述初始化步骤在于初始化被配置用于确定飞行器的飞行参数的传感器的状态以及与飞行器的当前重量相对应的所述参数的状态，并且在于初始化在实施所述监测和估计设备时所使用的参数；
所述方法进一步包括迭代地实施的以下步骤：
-由估计模块实施的估计步骤，所述估计步骤在于根据以下各项确定对与飞行器的飞行相关的所述参数的值的估计以及对当前重量参数的误差的估计：
ο由所述传感器供应的与飞行相关的所述参数的测量结果，
ο在所述初始化步骤中初始化的或者在对所述估计步骤的之前迭代时估计的与飞行相关的参数，以及
ο与所述传感器中的每一个相关联的状态，
所述估计步骤还在于生成留数，所述留数是与飞行相关的所述参数的测量值和估计值以及对应于所测量飞行参数值与所述所估计值之差的新息项的函数；
-由第一传输模块实施的第一传输步骤，所述第一传输步骤在于：
ο向用户设备和检测模块传输信号，所述信号表示在所述估计步骤中确定的对与飞行器的飞行相关的所述参数的值的估计以及对当前重量参数的误差的估计，
ο向所述检测模块发送信号，所述信号表示在所述估计步骤中生成的所述留数；
-由检测模块实施的检测步骤，所述检测步骤在于根据以下各项确定与所述传感器中的每一个以及与飞行器的当前重量相对应的所述参数相关联的不同状态：
ο在所述估计步骤中确定的对所述留数的值的估计，
ο在所述估计步骤中确定的对与飞行器的飞行相关的所述参数的值的估计，
ο由所述传感器供应的与飞行相关的所述参数的测量结果，
ο在所述估计步骤中确定的对当前重量参数的误差的估计，以及
ο在所述检测步骤的之前迭代时确定的或者在所述初始化步骤中初始化的状态；
-由第二传输模块实施的第二传输步骤，所述第二传输步骤在于向所述用户设备传输并且在下一迭代时向所述估计模块传输与所述传感器中的每一个相关联的不同状态以及与和当前重量相对应的所述参数相关联的状态。
借助于本发明，有可能识别传感器的失效以及飞行器的嵌入式系统中的重量误差。本发明还使得有可能连续地实时供应对与飞行器的飞行相关的所述参数的估计以及所述不同传感器和对应于重量的所述参数的状态。
此外，所述估计步骤包括以下子步骤：
-由自适应子模块实施的自适应子步骤，所述自适应子步骤在于根据以下各项确定与由所述传感器供应的与飞行相关的所述参数的测量结果中的每一个以及在估计子步骤中使用的估计算法相关联的设置参数中的每一个相关联的方差和/或有效性布尔值：
ο与飞行相关的所述参数的测量结果，以及
ο与所述传感器中的每一个相关联的状态；
所述自适应子步骤还在于根据在之前迭代时估计的或者在所述初始化步骤中初始化的重量误差以及与和重量相对应的所述参数相关联的状态来校正当前重量，
-由估计子模块实施的估计子步骤，所述估计子步骤在于根据以下各项确定对与飞行相关的所述参数的值的估计以及对重量的误差的估计：
ο由所述传感器供应的与飞行相关的所述参数的测量结果，
ο在之前迭代时估计的或者在所述初始化步骤中初始化的与飞行相关的所述参数，以及
ο与飞行相关的所述参数的测量结果中的每一个以及在所述自适应子步骤中确定的所述设置参数中的每一个的所述方差和/或所述有效性布尔值，
所述估计子步骤还在于根据与飞行相关的所估计和所测量参数以及所述新息项生成所述留数。
此外，所述检测步骤包括以下子步骤：
-由检测子模块实施的、检测失效传感器以及与飞行相关的不正确参数的子步骤，所述子步骤在于确定以下各项：
ο与被配置用于测量飞行器的迎角的所述传感器以及对应于当前重量的所述参数相关联的共同状态，以及
ο与其他传感器相关联的状态，
所述确定是根据以下各项进行的：
ο由所述传感器供应的与飞行相关的所述参数的测量结果，
ο对与飞行相关的所述参数的值以及重量误差的估计，
ο在之前迭代时确定的或者在所述初始化步骤中初始化的与所述传感器中的每一个以及与飞行器的当前重量相对应的所述参数相关联的状态，以及
ο所述留数；
-由验证子模块实施的验证所述迎角和当前重量的子步骤，所述子步骤在于根据以下各项确定与和当前重量相对应的所述参数相关联的状态以及与被配置用于测量所述迎角(α)的所述传感器相关联的状态：
ο与被配置用于测量飞行器的所述迎角的所述传感器以及对应于当前重量的所述参数相关联的所述共同状态，
ο与所述其他传感器相关联的状态，
ο与飞行相关的所述所估计参数，
ο所述所估计重量误差，
ο与飞行相关的所述所测量参数，
ο在所述估计子步骤中生成的所述留数，以及
ο由嵌入式建模供应的升力系数，所述嵌入式建模由所述传感器估计和测量的与飞行相关的所述参数供给。
因此，有可能在迎角的测量结果与和重量相对应的参数之间区分故障，包括在共同失效模式的情况下。
根据第一实施例，所述估计子步骤对应于与状态向量、观测向量和辅助测量向量相关联的扩展卡尔曼滤波器，
所述辅助测量向量具有如下表达式：
其中：
-对应于水平面的偏转的测量结果，
-对应于飞行器的升降舵的偏转的测量结果，
-对应于飞行器的扰流器的偏转的测量结果，
-ψm对应于航向测量结果，
-对应于列示角测量结果，
-θm对应于倾角测量结果，
-对应于纵向载荷系数在与飞行器相关联的参考系中的测量结果，
-m对应于飞行器的当前重量参数，
-conf对应于飞行器的空气动力学配置的测量结果，
-对应于对地速度分量在地球参考系中的测量结果，并且
-对应于几何高度测量结果；
状态向量具有如下表达式：
其中：
-对应于风速在地球参考系中的三个分量，
-ΔISA对应于当前几何高度下的当前静态温度与根据标准大气模型确定的温度之间的温度偏差，
-对应于升力系数建模偏倚，并且
-对应于气压校正项；
状态向量的导数具有如下表达式：
其中，τb对应于与所述升力系数建模偏倚的动态范围相关联的特征时间，
所述观测向量具有如下表达式：
其中：
-αm对应于迎角测量结果，
-βm对应于侧滑测量结果，
-对应于静压测量结果，
-对应于垂直载荷系数在与飞行器相关联的参考系中的测量结果，
-对应于总压力测量结果，
-对应于总温度测量结果，并且
-zp对应于压力高度并且根据方程来表达，其中，T15＝288.15K，
-ζ对应于将所述压力高度zp的测量结果与所述静压关联的函数，所述函数具有如下表达式：
其中：
-对应于对流层顶的标准高度，
-P11＝226.321mbar和T11＝216.65K对应于所述对流层顶处的标准静压和静态温度，
-对于对应于标准温度梯度，
-G对应于重力加速度，
-R对应于空气的特定常数，
-Ts对应于统计温度参数并且根据方程来表达，其中，T0＝273.15K并且/>
-V对应于空速飞行参数并且根据方程来表达，其中，在根据如下表达式来表达的飞行器参考系(u，v，w)中定义了空速的每个分量：
-M对应于根据所述空速V的范数、根据方程计算的马赫数飞行参数，其中，r对应于空气的所述特定常数，
所述估计子步骤在迭代k时生成以下留数：
-第一留数，其在时间tk处具有表达式其中：
οεα(tk)对应于与在所述时间tk处的所述迎角α的测量结果相关联的新息项，
ο对应于对在所述时间tk处的所述升力系数Cz的所述建模偏倚的估计，并且
ο对应于所述升力系数的表列值，所述表列值取决于在所述时间tk处的飞行器的配置参数的值，
-第二留数，其在所述时间tk处具有表达式 其中：
οβ对应于空气的绝热系数，
ο对应于由所述传感器之一测量的、被用作所述估计模块的输入的总温度，
ο对应于由所述传感器之一测量的、被用作所述估计模块的输入的总压力，
ο对应于由所述传感器之一测量的、被用作所述估计模块的输入的压力高度，
οζ对应于将所述压力高度的测量结果与所述静压关联的所述函数，并且
ο对应于对根据与飞行相关的参数计算的所述静态温度的估计，所述估计是在当前迭代时在所述时间tk处并且在之前迭代时在时间tk-1处根据所述第一留数根据以下公式而估计的：
其中，是低通滤波器的传递函数，并且/>其中，H是亥维赛函数，并且/>对应于与在本说明书中的下文中定义的所述留数r1相关联的极限；
-第三留数，其在时间tk处具有如下表达式 其中：
οm对应于飞行器的重量，
οS对应于飞行器的参考表面，
οg对应于重力加速度，
ο对应于垂直载荷系数，
ο对应于纵向载荷系数，
ο对应于所估计升力系数，所述所估计升力系数是根据与飞行相关的所述所估计和所测量参数以及飞行器的所述配置来获得的。
根据第一变体，所述观测向量具有如下表达式：
其中：
-对应于从发动机短舱建模导出的总压力值，
-对应于从所述发动机短舱建模导出的静压值，并且
-对应于从发动机短舱总温度传感器导出的所测量总温度值；
所述估计子步骤还生成以下留数：
-第四留数，其具有表达式其中，/>对应于所测量总压力值与从所述建模导出的所述总压力值之间在时间(tk)处的差值，
-第五留数，其具有表达式其中，/>对应于所测量静压值与从所述建模导出的所述静压值之间在时间(tk)处差值，以及
-第六留数，其具有表达式其中，/>对应于所测量总温度值与从所述发动机短舱测量结果导出的所述总温度值之间在时间处(tk)差值。
在专利FR 2 977 942中描述了发动机短舱建模。所述专利使得有可能从中导出对本专利有用的两个虚拟测量结果和/>总之，所获得的静压/>由数字数据构成，所述数字数据对应于短舱中的环境空气的静压Pnac的测量结果，而所获得的总压力/>是根据以下对以下各项的输入而推导的：对应于短舱中环境空气的静压Pnac、“发动机”静压Pmot、发动机的风扇的旋转速度、以及空气的总温度的测量结果。
根据第二变体，所述估计子步骤对应于与状态向量和观测向量以及辅助测量向量相关联的扩展卡尔曼滤波器，
所述辅助测量向量具有如下表达式：
其中，对应于横向载荷系数在与飞行器相关联的所述参考系中的测量结果，
状态向量具有如下表达式：
其中：
-对应于对地速度在地球参考系中的三个分量，
-对应于加速度计在与飞行器相关联的所述参考系中的三个偏倚分量，
-zG对应于几何高度；
状态向量的导数具有如下表达式：
其中：
-Mrot对应于地球参考系相对于与飞行器相关联的所述参考系的旋转的标准矩阵并且具有表达式
所述观测向量具有如下表达式：
其中：
-对应于所述对地速度的三个分量的测量结果，并且
-对应于所述几何高度的测量结果。
根据第三变体，所述空气速度V的横向分量v被假设为零。
这意味着所述侧滑β被假设为零。
此外，对所述共同状态以及与所述失效传感器检测子步骤的所述其他传感器相关联的状态的确定包括以下子步骤：
-根据所估计飞行参数为每个留数分配最大极限和最小极限的子步骤；
-所述子步骤还是根据所述所估计参数以及从飞行器的所述传感器导出的测量结果构造与静压传感器相关联的第一有效性指示符以及与总压力传感器相关联的第二有效性指示符的子步骤：
ο如果关系被证实，则所述第一有效性指示符具有值1，
如果所述关系未被证实，则所述第一有效性指示符具有值0，
其中，对应于根据飞行器的动力学而实验地确定的极限，/>对应于高通滤波器的传递函数，
ο所述第二有效性指示符默认具有值0，并且如果所述留数r1在时刻tk处与稍后确定的其对应极限相交并且使得/>证实/>则具有值1，其中，/>为时间常数，/>为具有时间常数的低通滤波器的传递函数，/>为常数，并且/>为根据所述飞机的动力学而实验地确定的极限；
留数指示符被计算并且与每个留数以及有效性指示符相关联；
进行以下操作的子步骤：当所述留数指示符之和严格大于零时，所述子步骤识别失效的发生，并且如果发生失效，则所述子步骤通过将所述留数指示符的当前值与在离线或在线识别的、根据所述留数指示符的值的不同组合而列举失效情况的表中列举的当前值进行比较来识别故障传感器。
根据第二实施例，与所述传感器中的每一个相关联的状态还是根据与所述传感器中的每一个相关联的辅助状态来确定的，所述辅助状态可以由监测模块发送至所述检测模块。
根据第三实施例，对于来自多个传感器的所测量合并飞行参数，当检测到测量其测量结果被用作所述估计模块的输入的飞行参数的传感器失效时，所述方法包括由单一验证模块实施的以下子步骤：
-子步骤，所述子步骤将所述估计子模块重新配置成不考虑迄今在所述估计子步骤中使用的飞行参数的所述不正确测量结果，
-进行以下操作的子步骤：对于从所述多个传感器导出的测量结果中的每一个，所述子步骤计算对飞行参数的估计与对所述传感器之一的从所述多个传感器导出的测量结果的估计之差，
如果所述差的绝对值小于预定值，则在所述估计子步骤中保留测量结果。
本发明还涉及一种用于监测和估计以下各项的设备：
-与飞行器的飞行相关的参数；
-传感器的状态，这些状态表示所述传感器的操作；以及
-与飞行器的当前重量相对应的参数的状态，此状态表示所述参数的有效性。
根据本发明，所述监测和估计设备包括：
-初始化模块，所述初始化模块被配置用于初始化被配置用于确定与飞行器的飞行相关的参数的传感器的状态以及与飞行器的当前重量相对应的参数的状态，并且初始化在实施所述监测和估计设备时使用的参数；
所述监测和估计设备进一步包括被迭代地实施的以下模块：
-估计模块，所述估计模块被配置用于根据以下各项确定对与飞行器的飞行相关的所述参数的值的估计以及对当前重量参数的误差的估计：
ο由所述传感器供应的与飞行相关的所述参数的测量结果，
ο在所述初始化模块中初始化的或者在对所述估计模块的之前迭代时估计的与飞行相关的参数，以及
ο与所述传感器中的每一个相关联的状态，
所述估计模块还被配置用于生成留数，所述留数是与飞行相关的所述参数的测量值和估计值以及对应于所测量飞行参数值与所述所估计值之差的新息项的函数；
-第一传输模块，所述第一传输模块被配置用于：
ο向用户设备和检测模块传输信号，所述信号表示在所述估计模块中确定的对与飞行器的飞行相关的所述参数的值的估计以及对当前重量参数的误差的估计，
ο向所述检测模块发送信号，所述信号表示在所述估计模块中生成的所述留数；
-检测模块，所述检测模块被配置用于根据以下各项确定与所述传感器中的每一个以及与飞行器的当前重量相对应的所述参数相关联的不同状态：
ο在所述估计模块中确定的对所述留数的值的估计，
ο在所述估计模块中确定的对与飞行器的飞行相关的所述参数的值的估计，
ο由所述传感器供应的与飞行相关的所述参数的测量结果，
ο由所述估计模块确定的对当前重量参数的误差的估计，
ο在之前迭代时确定或在所述初始化模块中初始化的状态；
-第二传输模块，所述第二传输模块被配置用于向所述用户设备传输并且在下一迭代时向所述估计模块传输与所述传感器中的每一个相关联的不同状态以及与和当前重量相对应的所述参数相关联的状态。
此外，所述估计模块包括：
-自适应子模块，所述自适应子模块被配置用于根据以下各项确定与由所述传感器供应的与飞行相关的所述参数的测量结果中的每一个以及与在估计子模块中使用的估计算法相关联的所述设置参数中的每一个相关联的方差和/或有效性布尔值：
ο与飞行相关的所述参数的测量结果，以及
ο与所述传感器中的每一个相关联的状态；
所述自适应子模块还被配置用于根据对在之前迭代时获得的或者由所述初始化模块初始化的重量误差的估计以及与和重量相对应的所述参数相关联的状态来校正当前重量，
-所述估计子模块被配置用于根据以下各项确定对与飞行相关的所述参数的值的估计以及对重量的误差的估计：
ο由所述传感器供应的与飞行相关的所述参数的测量结果，
ο在之前迭代时估计的或者在所述初始化模块中初始化的与飞行相关的所述参数，以及
ο与飞行相关的所述参数的测量结果中的每一个以及在所述自适应子模块中确定的所述设置参数中的每一个的所述方差和/或所述有效性布尔值，
所述估计子模块还被配置用于根据与飞行相关的所估计和所测量参数以及所述新息项来生成留数。
此外，所述检测模块包括：
-检测子模块，所述检测子模块被配置用于确定以下各项：
ο与被配置用于测量飞行器的迎角的所述传感器以及对应于当前重量的所述参数相关联的共同状态，以及
ο与其他传感器相关联的状态，
所述确定是根据以下各项进行的：
ο由所述传感器供应的与飞行相关的所述参数的测量结果，
ο对与飞行相关的所述参数的值以及重量误差的估计，
ο在之前迭代时确定的或者在所述初始化模块中初始化的与所述传感器中的每一个以及与飞行器的当前重量相对应的参数相关联的状态，以及
ο所述留数；
-验证子模块，所述验证子模块被配置用于根据以下各项确定与和当前重量相对应的所述参数相关联的状态以及与被配置用于测量所述角度的所述传感器相关联的状态：
ο与被配置用于测量飞行器的所述迎角的所述传感器以及对应于当前重量的所述参数相关联的所述共同状态，
ο与所述其他传感器相关联的状态，
ο与飞行相关的所述所估计参数，
ο所述所估计重量误差，
ο与飞行相关的所述所测量参数，
ο在所述估计子模块中生成的所述留数，以及
ο由嵌入式建模供应的升力系数，所述嵌入式建模由所述传感器估计和测量的与飞行相关的所述参数供给。
本发明还涉及一种飞行器、具体地一种运输飞机，飞行器包括如上所述的用于监测和估计飞行器的飞行参数的设备。
附图说明
通过阅读参照附图给出的说明书，本发明连同其特征和优点将更清楚地显现，在附图中：
-图1表示了监测和估计设备的实施例的框图；
-图2表示了监测和估计方法的步骤；
-图3表示了在飞行器使用硬件冗余的另一个实施例中实施的子步骤；
-图4表示了飞行器使用硬件冗余的监测和估计设备的实施例的框图；
-图5表示了具有所嵌入监测和估计设备的飞行器。
具体实施方式
下文的描述将参照上述附图。
图1展示了设备1的实施例，所述设备用于监测和估计与飞行器AC的飞行相关的参数以及与传感器C1、C2、…、CN的操作以及与飞行器的重量相对应的参数P1的有效性相关联的状态，所述设备可以嵌入在飞行器AC(图5)上。在本说明书的下文中，所述设备被称为“监测和估计设备”。所述监测和估计设备被配置用于实施监测和估计方法。
与飞行相关的参数对应于以下参数中的至少一个：飞行参数、大气参数、传感器偏倚参数、建模偏倚参数。
飞行参数对应于由传感器直接测量的飞行参数和/或根据所测量飞行参数重新计算出的飞行参数和/或与飞行相关的所估计参数。
所测量飞行参数包括例如飞行器AC的迎角α、静压PS、总压力PT、载荷系数等。所测量飞行参数是直接从传感器测量结果导出的。
重新计算的飞行参数包括例如飞行器AC的重量、马赫数、空速、校正速度等。
与飞行相关的所估计参数是指从估计结果导出的与飞行相关的任何参数。
大气参数对应于与大气环境相关联的参数。大气参数包括例如风速、局部压力或温度梯度，即，重新计算的静态温度与通过国际标准大气模型建模的温度之间的温度偏差ΔISA。
传感器偏倚参数对应于使得有可能知道从传感器导出的测量结果的偏倚的参数。
建模偏倚参数对应于由于数字模型而产生的偏差，所述数字模型可以包括或多或少的近似方程或内插表的序列。
监测和估计设备1包括初始化模块COMP1 3，所述初始化模块被配置用于初始化传感器C1、C2、…、CN的状态、与飞行器AC的重量相对应的参数P1的状态、以及在实施监测和估计设备1时使用的参数。例如，初始化可以至少对应于以下事实：所有传感器C1、C2、…、CN的状态都被认为是表示所述传感器C1、C2、…、CN的正确操作的状态。在实施设备1时使用的参数可以包括与飞行相关的参数或与嵌入式算法在实施设备1期间的操作相关的中间参数。
监测和估计设备1至少进一步包括被迭代实施的以下模块：
-估计模块COMP2 4(COMP表示“计算模块”)；以及
-检测模块COMP3 5。
估计模块4被配置用于根据以下各项确定对与飞行器AC的飞行相关的参数的值的估计：
-由传感器C1、C2、…、CN供应的与飞行相关的参数的测量结果，
-在之前迭代时估计的或者在由初始化模块3初始化的与飞行相关的参数，以及
-与所述传感器C1、C2、…、CN中的每一个相关联的状态。
估计模块4还被配置用于生成留数，所述留数是与飞行相关的参数的测量值和估计值以及对应于所测量飞行参数值与所述所估计值之差的新息项的函数。
图1表示了N个传感器C1、C2、…、CN的集合2。
检测模块5被配置用于确定与所述传感器C1、C2、…、CN中的每一个、与飞行器AC的当前重量相对应的参数P1相关联的不同状态、以及对当前重量的误差的估计。不同状态、参数P1以及误差估计是根据以下各项确定的：
ο由估计模块4确定的所述留数，
ο由估计模块4确定的与飞行器的飞行相关的所估计和所测量参数以及对重量误差的估计，
ο在之前迭代时确定的或者由初始化模块3初始化的状态。
监测和估计设备1还包括第一传输模块TRANS1 7(TRANS表示“传输模块”)，所述第一传输模块被配置用于：
-向用户设备6和检测模块5传输信号，所述信号表示由估计模块4确定的对与飞行器AC的飞行相关的参数的值以及重量误差的估计，并且
-向检测模块5发送信号，所述信号表示由估计模块4生成的留数。
监测和估计设备1还包括第二传输模块TRANS2 8，所述第二传输模块被配置用于向用户设备6和估计模块4传输与所述传感器C1、C2、…、CN中的每一个、对应于重量的所述参数P1相关联的不同状态。向估计模块4传输状态是在下一迭代时执行的。
此监测和估计设备1处理解决了以下问题：能够区分不同传感器C1、C2、…、CN之间的故障与用作监测和估计设备1的输入的对应于当前重量的参数P1、并且更具体地在迎角、重量和速度之间的故障，包括在共同失效模式的情况下。监测和估计设备使得有可能连续地实时递送对与飞行器AC的飞行相关的参数(包括其重量)的估计以及不同风速测量传感器和倾角测量传感器的状态。
估计模块4可以包括以下子模块：
-自适应子模块COMP21 41；以及
-估计子模块COMP22 42。
自适应子模块41被配置用于确定与由传感器C1、C2、…、CN供应的与飞行相关的参数的测量结果中的每一个以及与在估计子模块42中使用的估计算法相关联的设置参数中的每一个相关联的方差和/或有效性布尔值。所述确定是根据与飞行相关的参数的测量结果以及与所述传感器C1、C2、…、CN中的每一个相关联的状态来执行的。自适应子模块41还被配置用于根据在之前迭代时估计的或者由初始化模块3初始化的重量误差以及与和重量相对应的参数P1相关联的状态来校正当前重量。
确定了由其状态表示传感器C1、C2、…、CN的操作的传感器C1、C2、…、CN供应的飞行参数测量结果的方差和/或有效性布尔值。
自适应子模块41允许监测和估计设备1根据检测到的失效情况来配置，由此确保了所述监测和估计设备1从不供给有来自展现出失效的传感器C1、C2、…、CN的测量结果。
所确定方差取决于传感器C1、C2、…、CN并且报告其准确度。在传感器C1、C2、…、CN失效的情况下，展现出失效的传感器C1、C2、…、CN的测量结果的方差显著增大，使得所述失效在估计模块中不再有影响。关于有效性布尔值，如果发生失效并且如果发生重新验证，则其值被修改。仅使用基于概率密度的估计模块需要使方差与测量结果中的每一个相关联。在其他情况下，将使用有效性布尔值以免利用不正确的测量结果来更新监测和估计方法。
自适应子模块41还确保了系统的可观测性。因此，如果传感器C1、C2、…、CN失效，则所述自适应子模块作用于估计模块的设置，以便冻结某些状态从而确保估计模块的收敛性。此过程可以由用户根据可能遇到的失效情况离线设置。
最终，自适应子模块41还使得有可能根据对在之前迭代时获得的或者由初始化模块3初始化的重量误差的估计以及与和重量相对应的参数相关联的状态来校正当前重量。
估计子模块42被配置用于根据以下各项确定对与飞行相关的参数的值的估计以及对重量的误差的估计：
-由所述传感器C1、C2、…、CN供应的与飞行相关的参数的测量结果，
-在之前迭代时估计的或者由初始化模块3初始化的与飞行相关的参数，以及
-与飞行相关的参数的测量结果中的每一个以及由自适应子模块41确定的设置参数中的每一个的方差和/或有效性布尔值。
估计子模块42还被配置用于确定与飞行相关的参数中的每一个相关联的新息。新息等于与飞行相关的参数的测量结果和与飞行相关的所述参数的所估计值之差。最终，估计子模块被配置用于根据新息项以及与飞行相关的测量参数和估计参数来生成留数。
检测模块5可以包括以下子模块：
-检测子模块COMP31 51。以及
-验证子模块COMP32 52。
检测子模块51被配置用于确定：
-与被配置用于测量飞行器AC的迎角α的传感器C1以及与当前重量相对应的参数P1相关联的共同状态，以及
-与其他传感器C2、C3、…、CN相关联的状态。
这些状态是根据以下各项来确定的：
ο由传感器C1、C2、…、CN供应的与飞行相关的参数的测量结果，
ο对与飞行相关的参数的值以及重量误差的估计，
ο在之前迭代时确定的或者由初始化模块3初始化的与所述传感器C1、C2、…、CN中的每一个以及对应于飞行器AC的当前重量的参数P1相关联的状态，
ο所述留数。
用于验证迎角和当前重量的子模块52被配置用于确定与和当前重量相对应的参数P1相关联的状态以及与被配置用于测量迎角α的传感器C1相关联的状态。
所述确定是根据以下各项来执行的：
-与被配置用于测量飞行器AC的迎角的传感器C1以及对应于当前重量的参数P1相关联的共同状态，
-与其他传感器(C2、C3、…、CN)相关联的状态，
-与飞行相关的所估计参数，
-所估计重量误差，
-与飞行相关的所测量参数，
-由估计子模块42生成的留数，以及
-通过嵌入式建模供应的并且通过由传感器C1、C2、…、CN测量的与飞行相关的参数以及与飞行相关的所估计参数供给的升力系数CL。
在本说明书的下文中，索引m是指从飞行器的传感器导出的用作估计子模块42的输入的测量结果。
根据第一实施例，估计子模块42对应于与以下方程组相关联的扩展卡尔曼滤波器类型的贝叶斯估计模块：
其中，X是状态向量，Y是观测向量，Z是辅助测量向量，是与状态方程相关联的函数，并且/>是与观测方程相关联的函数。
辅助测量向量Z具有如下表达式：
其中：
-对应于水平面的偏转的测量结果，
-对应于飞行器(AC)的升降舵的偏转的测量结果，
-对应于飞行器(AC)的扰流器的偏转的测量结果，
-ψ对应于航向测量结果，
-对应于列示角测量结果，
-θ对应于倾角测量结果，
-对应于纵向载荷系数在与飞行器(AC)相关联的参考系中的测量结果，
-m对应于飞行器(AC)的当前重量参数，
-conf对应于飞行器(AC)的配置的测量结果，
-对应于对地速度分量在地球参考系中的测量结果，并且
-对应于几何高度的测量结果。
配置测量结果对应于例如飞行器AC的前缘和襟翼的位置。
卡尔曼滤波器与状态向量X和观测向量Y相关联。
卡尔曼滤波器未考虑经典的飞行器AC状态，但考虑了大气状态以及偏倚。
状态向量X具有如下表达式：
其中：
-对应于风速在地球参考系中的三个分量，/>
-ΔISA对应于当前几何高度下的当前静态温度与根据标准大气模型确定的温度之间的温度偏差，
-对应于升力系数建模偏倚，并且
-对应于气压校正项。
状态向量X的导数具有如下表达式：
其中，τb对应于与用于表征建模偏倚的趋势的马尔可夫过程相关联的特征时间。在不加限制的情况下，此特征时间被设置为几秒，例如，30秒。可以使用类似建模来描述风的分量的趋势。
观测向量Y具有如下表达式：
其中：
-αm对应于迎角的测量结果，
-βm对应于侧滑测量结果，
-对应于静压测量结果，
-对应于垂直载荷系数在与飞行器相关联的参考系中的测量结果，
-对应于总压力测量结果，并且
-对应于总温度测量结果。
迎角具有如下表达式：
其中，u和w分别是空速的纵向分量和垂直分量，所述空速具有范数 其中，v是横向分量。
空速V的分量具有如下表达式：
其中：
-是对地速度在地球参考系中的分量，
-Ψ对应于航向测量结果,
-对应于列示角的测量结果，并且
-θ对应于倾角测量结果。
侧滑具有如下表达式：
静压具有如下表达式：
其中，ζ是根据以下公式将压力高度的测量结果与静压/>关联的函数：
其中，对应于对流层顶的标准高度；P11＝226.321mbar和T11＝216.65k对应于在对流层顶处的标准静压和静态温度；对于/> 对应于标准温度梯度；g对应于重力加速度；并且r对应于空气的特定常数。
压力高度具有如下表达式：
其中，T15＝288.15K。
垂直载荷系数具有如下表达式：
其中，γ是空气的绝热迎角(等于1.4)，S是飞行器的参考表面，M是马赫数，CL是升力系数，是水平载荷系数，m是飞行器的重量，g是重力加速度。马赫数M具有如下表达式：/>其中，TS是静压，并且r是空气的特定常数。
静态温度TS具有如下表达式：其中，T0＝273.15K、和zG是地理高度。/>
总压力具有如下表达式：
总温度具有如下表达式：
因此，所考虑的传感器是三个风速测量传感器(静压传感器、总压力传感器和总温度传感器)、迎角探头C1、如卫星地理定位系统等定位传感器(GPS表示“全球定位系统”)、以及如IRS(“Inertial Reference System，惯性参考系”)系统等惯性单元。第一风速测量传感器测量总压力。第二风速测量传感器测量静压。第三风速测量传感器测量总温度。
在可能不正确的参数当中，存在对应于飞行器AC的重量的参数P1。参数P1等于没有燃料的飞行器AC的重量和燃料的重量之和。在飞行器AC起飞时并且在飞行结束之前，此参数P1可能是不正确的。
扩展卡尔曼滤波器的设置是通过状态和测量噪声协方差矩阵并且在由初始化模块3对状态向量X0和误差P0的协方差矩阵实施的初始化时执行的。
从算法的角度来看，解析式优选地用于与卡尔曼滤波器相关联的雅可比矩阵的计算。
优选地，在卡尔曼滤波器校正步骤中，使用了对测量结果进行顺序处理的算法以便能够在每种情况的基础上选择有效测量结果，而无需修改测量噪声协方差矩阵R的设置。这使得特别有可能避免消耗更多计算时间的矩阵求逆运算。为了确定有效测量结果，将使用其值是指传感器C1、C2、…、CN的用作输入的有效性的、根据在检测子模块51中定义的不同故障指示符的组合获得的有效性向量f＝[FI传感器]并且将使用对应于重量的参数P1。所述向量是指方差和有效性布尔值的值。有效性布尔值的值从1变化为0或相关联方差的急剧增大使得有可能在更新状态时不再考虑无效传感器，而有效性布尔值从0变化为1的或对标准方差的重新选择使得有可能再次选择有效参数和/或传感器。然后，针对估计模块的所有部分而引用自适应扩展卡尔曼滤波器。使用检测模块5来使有效性向量f保持最新。观测向量Y(t)和辅助测量向量Z(t)的参数的所有值都定义了实施扩展卡尔曼滤波器的估计子模块的输入。扩展卡尔曼滤波器被形成用于在飞行器AC的飞行中实时递送对所选飞行参数以及大气和偏倚参数的估计，并且特别使得有可能根据以下公式重新计算所估计校正速度CAS：
其中，P0＝101325Pa，T0＝273.15K并且γ＝1.4，其是空气的绝热迎角，并且r＝287.058J.kg-1.K-1，其是空气的特定常数。
估计子模块42在迭代k时生成以下留数。
第一留数r1具有表达式其中，εα(tl)对应于与在时间tk处的迎角α相关联的新息项，/>对应于升力系数的所估计建模偏倚，并且/>)对应于升力系数/>的表列值，所述表列值仅取决于对应于飞行器AC的配置的参数(飞行器AC的前缘和襟翼的位置)在时间tk处的值。
第二留数r2在时间tk处具有表达式
其中：
-γ对应于空气的绝热系数，
-对应于所测量总温度飞行参数，
-对应所测量总压力，
-对应于所测量压力高度，
-ζ对应于将压力高度的测量结果与静压关联的函数，并且
-对应于对静态温度的估计。
对静态温度的估计是根据以下公式、从在当前时刻tk和前一时刻tk-1处根据留数r1的值估计的参数而重新计算的：
其中，是低通滤波器的传递函数，并且/>其中，H是亥维赛函数，并且/>对应于与在本说明书中的下文中定义的留数r1相关联的极限。
第三留数r3在时刻tk处具有如下表达式其中：
-m对应于飞行器AC的当前重量，
-S对应于飞行器AC的参考表面，
-g对应于重力加速度，
-γ对应于空气的绝热系数，
-对应于所测量垂直载荷系数，
-对应于所测量纵向载荷系数，
-αm对应于所测量迎角，
-对应于所测量压力高度，
-对应于所测量总温度，
-ζ对应于将压力高度的测量结果与静压关联的函数，
-对应于对在留数r2中定义的静态温度的估计，并且
-对应于根据与飞行相关的所估计参数而计算的升力系数。/>
以非限制性的方式，在几秒的时间内对第一留数r1进行滤波，而只要由于表示低于7000英尺的压力高度/>的表达式的不准确性，飞行器AC的几何高度zG小于以非限制性的方式被选择为7000英尺(约为2133.6m)的极限高度，留数r2和r3就被迫为零值。
例如，时间等于10s。
为了确定传感器C1、C2、…、CN以及对应于飞行器AC的当前重量的参数P1的状态，检测子模块51被配置用于：
-为每个留数ri分配最大极限和最小极限/>其中，i处于1与3之间。
-根据所估计参数和从飞行器的传感器导出的测量结果构造与静压传感器和总压力传感器相关联的采用布尔值形式和/>的两个有效性指示符；
-从中推导出与每个留数ri和有效性指示符Vi；相关联的留数指示符Ri；
-当留数指示符之和严格地大于零(∑Ri＞0)时识别失效的发生，并且如果发生失效，则通过将留数指示符的当前值与离线或在线识别的根据留数指示符Ri的值的不同组合列举失效情况的表中列举的当前值进行比较来识别(或隔离)故障传感器。
留数指示符和/>被构造如下。
如果关系被证实，则有效性指示符/>具有值1。如果所述关系未被证实，则/>具有值0。
项对应于根据飞机的动力学而实验地确定的极限。项/>对应于高通滤波器的传递函数，其中时间常数以非限制性的方法被选择为几秒，例如，30s。
如果留数r1在时刻tk处与其对应极限相交，并且使得/>证实/>则有效性指示符/>具有值1，其中：
-对应于以非限制性的方式被选择为120秒的常数，
-对应于具有以非限制性的方式被选择为几百秒、例如700s的时间常数τ的低通滤波器的传递函数，
-对应于以非限制性的方式被选择为等于8的常数，并且
-对应于根据飞机的动力学而实验地确定的极限。
为了推导与留数ri相关联的留数指示符Ri，参考了留数ri的值。如果留数ri的值分别大于或小于最大极限或最小极限/>则留数指示符Ri等于1，否则留数指示符Ri等于零。在与有效性指示符Vi相关联的留数指示符Ri的情况下，留数指示符Ri等于有效性指示符Vi。
根据留数指示符Ri的值的不同组合列举失效情况的表的每一列对应于故障索引FIi(故障指示符)并且是可以取0或1为值的留数指示符R1，R2…Rm的组合，并且每一行对应于所构造的故障索引FI1，FI2，...FIm中的每一个的留数指示符Ri的值。故障索引FIi是指传感器Ci的状态，除了在故障索引FIα/m是指由迎角测量传感器C1测量的迎角的测量结果以及飞行器的当前重量的参数P1的共同状态的测量迎角的传感器C1的第一实例中。
最大极限和最小极限/>是根据阈值/>来确定的，根据所估计飞行参数表列，以对应于在取决于每个留数的时间τi内滤波的留数ri的中心留数值/>为中心。因此，最大极限/>具有表达式/>并且最小极限/>具有表达式/>
可以以多种方式来完成对阈值的定义。优选地，阈值被选择为在相当长的时间τr内关于原始留数的被表示为/>的滤波值对称。距离/>可以取决于建模的准确度以及传感器C1、C2、…、CN的准确度。在所选应用情况中，距离可以不仅是马赫、飞行器AC的配置、控制表面偏转的函数而且是通过之前描述的自适应扩展卡尔曼滤波器计算的误差的协方差矩阵的对角元素的函数：
其中，ui是相关性向量，其使得有可能将每个状态的影响与测量结果i关联。
为了避免在发生失效的情况下包括阈值，推荐引入饱和器来迫使和/>保持处于在实际预定义区间内：
第一留数r1的阈值是根据在升力系数CL的模型上放置的置信来定义的。所述阈值可以取决于飞行器AC的配置、马赫数、飞行器AC的起落装置的位置(下降或缩回)、在建模中还未考虑其影响的控制表面的位置、以及迎角探头的准确度。以非限制性的方式，滤波时间/>被选择为500秒。
考虑到第二留数r2和第三留数r3的阈值和/>与马赫测量结果偏差相关联，所述阈值是根据不同的逻辑来定义的。所述阈值的值可以取决于风速测量传感器的准确度以及如几何高度ZG等所估计或所测量飞行参数。
为了隔离失效，检测子模块51的算法是指以下失效表的组合。首字母缩略词FI是指故障指示符，而索引f＝0是指标称情况(也就是说，在检测到故障之前不存在失效的情况)，并且f＞0是指退化操作的情况(至少一个参数的测量结果已经检测为故障，并且因此不再被系统使用)。Rv1和Rv2分别与有效性指示符和/>相关联。
这些组合取决于估计器的设置、并且更具体地所使用传感器C1、C2、…、CN的准确度。所述组合是经由专用算法离线或在线确定的。记号‘0/1’是指对失效的隔离不具有影响的留数指示符的值，所述隔离经由其他相关性来满足。
根据在不同故障指示符FI上获得的1和0的组合，从其中进行关于是否存在失效以及失效起源的推论。
例如，当R1和Rv2等于1时，总压力传感器的状态PT对应于失效。如果R1等于1且R3、Rv1和Rv2等于零，则迎角α传感器和重量m传感器的共同状态对应于失效。
用于检测失效传感器C1、C2、…、CN的子模块51使得有可能既检测又隔离故障，其中，在关于迎角α的测量结果的故障与关于当前重量m的故障之间的不确定性将被提升，所述迎角和当前重量由指FIα，f＝0并且FIm，f＝0的FIα/m，f＝0中的记号α/m反映，条件是这两者具有相同的特征并且因此被合并。验证子模块52使得有可能提升不明确性。
在已经检测到第一失效的情况下(f＞0))，有效传感器的故障指示符(故障索引Rj与所述指示符相关联)可以减少为简单的指示符：
FIf＞0＝1if∑Rj＞0
然后，对失效的检测将是可能的，然而在不添加所描述系统外部的信息的情况下，将不能够直接进行来源识别。虽然如此，但是通过使用之前的相关性矩阵、通过仅考虑仍然有效的传感器C1、C2、…、CN、留数r1、r2、r3、以及有效性指示符依然可检测且可隔离突然的失效。
然后，这些指示符连同重量m的当前值以及对升力系数建模偏倚升力系数和第一留数r1的估计被传送到验证子模块52。
验证子模块52使得有可能将关于迎角传感器C1的故障与重量误差进行区分。然而，此验证子模块52需要迎角α的最小量的变化以便工作。因此，建立了此处将被称为“动态指示符”的指示符，以便验证所获得的结果。
检测子模块一返回关于迎角α或重量m的故障，就从检测时刻t1起计算重量m的变化的最大偏差。
根据对第一留数r1的估计，在每个时刻t处计算以下重量误差m：
其中，对应于对升力系数的估计；/>对应于对从简化模型导出的系数所述系数仅是飞行器AC的配置的函数；并且m为飞行器AC的当前重量。
动态指示符是根据迎角α的值来定义的。假定其测量结果可能是不正确的，则根据所估计建模偏倚αm的原始测量结果以及与迎角相关联的留数来构造虚拟迎角αv：
以这种方式，虚拟迎角αv将补偿关于所测量迎角的任何失效。然而，所测量迎角将仍然受到重量误差m的影响，重量误差将引入偏倚，但是其变体Δαv将与真实迎角的变体相同。
虚拟迎角的定义的第一变体对应于以下公式的积分：
其中：
οg为重力加速度，
οq对应于俯仰角速度，
ο对应于垂直载荷系数在与飞行器AC相关联的参考系中表示的测量结果，/>
ο对应于对空速的估计。
然后，辅助测量向量Z增大了测量结果q，测量结果对应于飞行器的参考系中的俯仰角速度测量结果。
虚拟迎角Δαv的变体具有如下表达式：
然后，根据对失效的检测定义了虚拟迎角Δαv必须达到的最小变化阈值，以允许隔离迎角α测量结果误差与不正确的当前重量m之间的失效，并且在第二种情况下经由第二计算来估算相关联的重量误差。然后，t2被定义为使得：
所估计重量变化的第二阈值使得有可能从中导出所估计重量变化是否足够大以致于与迎角传感器C1的故障相关联。此阈值取决于例如用于升力系数CL的建模的质量。
从检测时刻t1到时刻t2，从中导出重量变化Δ2m的最大偏差：
Δ2mlim被定义为最大变化极限，所述最大变化极限使得有可能从中导出失效可以被识别为迎角传感器C1的故障还是被识别为当前重量m误差：
ifΔ2m＜Δ2mlimthen
FIα，f＝0＝0
FIm，f＝0＝1
else
FIα，f＝0＝1
FIm，f＝0＝0
验证子模块52最终使得有可能建立与迎角FIα，f＝0和重量FIm，f＝0相关联的故障指示符。
然而，存在可能导致不良解释的、关于迎角α的某种类型的失效：
这是关于迎角α的比例因子类型的故障。所有其他类型的失效都被正确地识别。为了使这种类型的误差最小化，两项附加的检查是可能的。首先，检查所估计重量位于针对飞行器AC定义的起飞时最小重量与最大重量之间的区间内。然后，由飞行员请求验证起飞时的重量输入是可能的，如同在某些情形下应用的情况。
在第一变体实施例中，有可能对发动机测量结果求积分并且经由添加被称为上文描述的发动机短舱建模的建模大大提高系统的可观测性以及因此算法的检测能力。为此，对三个新的观测结果进行求积分：
-从发动机短舱建模导出的虚拟总压力
-从发动机短舱建模导出的虚拟静压
-总发动机温度/>
这两个虚拟测量结果是仅使用在短舱Pnac中测得的静态发动机压力Pmot和静压以及总发动机温度根据发动机短舱建模导出的。这两个虚拟测量结果展现了两个共同失效模式：假定这两个静压之一的失效导致虚拟静压和虚拟总压力的故障，并且总发动机温度的故障导致其自身和这两个虚拟测量结果的故障。
因此，观测向量具有如下表达式：
其中，
-对应于从发动机短舱建模导出的总压力值，
-对应于从所述建模导出的静压值，并且
-对应于从总发动机温度测量结果导出的所测量总温度值。
当设置卡尔曼滤波器时，将选择不使用发动机测量结果来更新所估计状态。发动机测量结果将仅用于检测，并且然后将在某些失效情况发生之后替代丢失的测量结果。在每个其他传感器上指定的方差被以其他方式用于设置所述滤波器。
所考虑的传感器C1、C2、…、CN是第一变体的传感器，向所述第一变体添加了总发动机温度传感器和静压/>虚拟传感器以及总发动机压力/>虚拟传感器。
所生成的留数如下：
-具有表达式的第四留数r4，其中，/>对应于总压力的测量结果与从发动机短舱建模/>导出的所述虚拟测量结果之间在时间(tk)处的差，
-具有表达式的第五留数r5，其中，/>对应于静压的测量结果与从所述建模/>导出的所述虚拟测量结果之间在时间(tk)处的差，以及
-具有表达式的第六留数r6，其中，/>对应于总温度的测量结果与所述发动机测量结果/>之间在时间(tk)处的差。
以非限制性的方式，还可以在时间内对在估计子步骤中生成的留数ri进行滤波。
用于确定最大极限和最小极限的、分别与留数r4、r5和r6相关联的阈值和/>取决于与虚拟发动机传感器相关联的模型的准确度并且取决于发动机静压Peng、短舱静压Pnac以及供给总温度的总温度传感器的准确度。
为了检测失效，检测子模块51的算法然后引用根据以下失效表的组合定义的故障索引。
此第一变体具有大量观测结果的优点。因此，借助于由记号‘1’标记的指示符，有可能比之前快得多地隔离失效的来源。相反，尽管记号‘0/1’反映相关联阈值的可能过冲，但是不需要识别相关联阈值以快速隔离失效，所述隔离经由其他依赖关系来满足。这些组合取决于估计器的设置、并且更具体地所使用传感器C1、C2、…、CN的准确度，如通过记号‘(0/1)’证实的，所述记号根据所选设置报告可能的过冲。所述组合由用户离线确定或经由专用算法在线确定。
一旦检测到并隔离了第一失效，就有可能通过使用仍然相关的留数来继续监测。例如，在从发动机模型导出的测量结果失效的情况下，其将被简化为标准实施例的公式。因此，有可能检测并隔离至少两个连续传感器失效并且重构丢失的参数。此外，可观测性等级可能不再充分，并且可以冻结一些状态以继续确保滤波器的稳定性。然而，在一些情况下，将仍然能够确保失效检测。
在第二变体中，有可能具体地整合运动模型，所述运动模型允许检测和估计地面参数，包括加速度计在飞行器的三个轴上的偏倚此第二变体是令人感兴趣的，因为大气空间目前正经历一些GPS信号方面的困难，尤其是当使用GPS扰频器在领域上方飞行时，如同在某些战争国家中的情况。在这种情况下，GPS测量结果可能将不再可用。为了避免对检测器估计器滤波器的非预测移除，有必要确保对GPS测量结果移除的检测，以便在测量结果不可用的时间内对惯性传感器执行控制。对加速度偏倚的估计使得有可能在没有GPS测量结果的情况下改善对地面参数的估计。
在此第二变体中，状态向量X具有如下表达式：
其中：
-对应于对地速度在地球参考系中的三个分量，
-对应于加速度计在与飞行器AC相关联的参考系中的三个偏倚分量，
-zG对应于几何高度。
状态向量的导数具有如下表达式：
其中，
辅助测量向量Z增大了测量结果测量结果对应于横向载荷系数在飞行器的参考系中的测量结果。
因此，观测向量Y具有如下表达式：
其中：
-对应于所述对地速度的所述三个分量的测量结果，并且
-对应于所述几何高度的测量结果。
此第二变体可以与第一变体耦合或者可以不与第一变体耦合，以便实现更全面的公式以及因此具有更好的性能。然而，这具有更复杂的缺点，以及因此具有高得多的计算影响以及估计器滤波器的更难设置。
运动模型的知识使得有可能经由对与所引入的新状态相关联的留数以及加速度测量偏倚的趋势的研究来执行对GPS测量结果的监测。在标称操作中，这是在低频率下且以低幅度来完成的。相反，GPS测量结果的任何失效都导致大幅度的突然修改。
根据第三变体，空速v的横向分量被假设为零，这相当于将侧滑β考虑为零。在大多数时候都是如此。如发动机失效等一些情形可以使这种假设无效。然而，侧滑值在所有情况下都保持相对较低并且甚至是在侧滑角发生巨大变化的情况下，这种情况仅非常轻微地影响估计和检测过程及其性能级别。因此，就误差而言，此假设仅引入非常小的一部分，然而其使得有可能省去在侧滑探头上进行的任何监测(在其他情况下，所述检测本来会需要建立飞行器AC的横向模型)。与所描述的之前变体的耦合是可能的。
根据第二实施例(图1)，与所述传感器C1、C2、…、CN中的一些相关联的状态还根据与这些传感器相关联的辅助状态来确定，所述辅助状态可以由外部监测模块COMP4 9发送至检测模块。然后，检测子模块51负责对由外部监测模块9发送的状态进行转换，然后将所转换状态传输至估计模块4。此第二实施例可以与其他实施例组合。
根据图4中表示的第三实施例，在飞行器AC使用硬件冗余的情况下，估计模块4的输入初始地对应于合并测量结果，因为所述输入是从基于多数的投票的投票模块11的输出导出的。然而，有可能想象这样的附图情况：合并测量结果被投票模块11认为无效并且因此是错误的，但是相应类型的传感器之一仍然有效，共同失效模式的情况可能是这样。在这种情况下，有利的是，具有恢复仍然有效的测量结果的能力。图4表示了包括一个或多个传感器的多个冗余传感器组C1、C2、C3、C4、C5、C6。例如，传感器组C1包括迎角传感器C1a、C1b、C1c。传感器组C2包括静压传感器C2a、C2b、C2c。传感器组C3包括总压力传感器C3a、C3b、C3c。传感器组C4包括总温度传感器C4a、C4b、C4c。传感器组C5包括分别对应于卫星地理定位系统组件和惯性单元组件的传感器C5a和C5b。传感器组C6对应于虚拟总压力的虚拟传感器、从发动机短舱建模以及从总发动机温度/>导出的虚拟静压/>的虚拟传感器的虚拟传感器。
检测和估计设备1包括单一验证模块COMP5 10。当检测到被用作估计模块的输入的测量结果失效时，单一验证模块被配置用于：
-将估计子模块42重新配置成不考虑错误的测量结果，
-在收敛时间τcv之后，计算对与飞行相关的所述参数的估计与从所述多个传感器导出的测量结果中的每一个之差。对于从所述多个传感器导出的测量结果中的每一个，如果所述差的绝对值小于预定值，则相应测量结果被保留供估计子模块42使用。
可能的变体涉及使用与扩展卡尔曼滤波器相似的方法，所述扩展卡尔曼滤波器使用与无迹卡尔曼滤波器、粒子滤波器或者任何相似变体的积分相同的方程组，所述积分是通过使用其对应程序以及上文给出的方程来进行的。
如上文描述的用于监测和估计与飞行器AC的飞行相关的参数的设备1实施一种方法(图2)，所述方法包括：
-由初始化模块3实施的初始化步骤E1，所述初始化步骤在于初始化被配置用于确定飞行器AC的飞行参数的的传感器C1、C2、…、CN的状态以及与飞行器AC的重量相对应的参数P1的状态，并且在于初始化在实施监测和估计方法1时所使用的参数；
所述方法进一步包括被迭代地实施的以下步骤：
-由估计模块4实施的估计步骤E2，所述估计步骤在于根据以下各项确定对与飞行器AC的飞行相关的参数的值的估计以及对重量的误差的估计：
ο由传感器C1、C2、…、CN供应的与飞行相关的参数的测量结果，
ο在初始化步骤中初始化的或者在对估计步骤E2的之前迭代时估计的与飞行相关的参数，以及
ο与传感器C1、C2、…、CN中的每一个相关联的状态，
估计步骤E2还在于生成留数(ri)，所述留数是与飞行相关的参数的测量值和估计值以及对应于所测量飞行参数值与所估计值之差的新息项的函数；
-由第一传输模块7实施的第一传输步骤E3，所述第一传输步骤在于：
ο向用户设备6和检测模块5传输信号，所述信号表示在估计步骤E2中确定的对与飞行器AC的飞行相关的参数的值以及重量误差的估计，
ο向所述检测模块向所述检测模块5发送信号，所述信号表示在所述估计步骤E2中生成的所述留数；
-由检测模块5实施的检测步骤E4，所述检测步骤在于根据以下各项确定与传感器中的每一个以及对应于飞行器AC的当前重量的参数P1相关联的不同状态：
ο在估计步骤中确定的所述留数，
ο对在估计步骤E2中确定的与飞行相关的参数的值的估计以及所估计重量误差，
ο在之前迭代时确定的或者在初始化步骤中初始化的状态；
-由第二传输模块8实施的第二传输步骤E5，所述第二传输步骤在于向用户设备6传输并且在下一迭代时向估计模块4传输与传感器C1、C2、…、CN中的每一个相关联的不同状态以及与和当前重量相对应的参数P1相关联的状态。
此外，估计步骤E2包括以下子步骤：
-由自适应子模块41实施的自适应子步骤E21，所述自适应子步骤在于根据以下各项确定与由传感器C1、C2、…、CN供应的与飞行相关的参数的测量结果中的每一个以及在估计子步骤E22中使用的估计算法相关联的设置参数中的每一个相关联的方差和/或有效性布尔值：
ο与飞行相关的参数的测量结果，以及
ο与传感器C1、C2、…、CN中的每一个相关联的状态；
自适应子步骤E21还在于根据在之前迭代时估计的或者在初始化步骤E1中初始化的重量误差以及与和重量相对应的参数相关联的状态来校正当前重量，
-由估计子模块42实施的估计子步骤E22，所述估计子步骤在于根据以下各项确定对与飞行相关的参数的值的估计以及对重量的误差的估计：
ο由传感器C1、C2、…、CN供应的与飞行相关的参数的测量结果，
ο在之前迭代时估计的或者在初始化步骤E1中初始化的与飞行相关的参数，以及
ο与飞行相关的参数的测量结果中的每一个以及在自适应子步骤E21中确定的设置参数中的每一个的方差和/或有效性布尔值，
估计子步骤E22还在于根据与飞行相关的所估计和所测量参数以及新息项生成留数。
此外，检测步骤E4包括以下子步骤：
-由检测子模块51实施的、检测失效传感器以及与飞行相关的不正确参数的子步骤E41，所述子步骤在于确定以下各项：
ο与被配置用于测量飞行器AC的迎角α的传感器C1以及对应于当前重量的参数P1相关联的共同状态，以及
ο与其他传感器(C2、C3、…、CN)相关联的状态，
所述确定是根据以下各项进行的：
ο由传感器C1、C2、…、CN供应的与飞行相关的参数的测量结果，
ο对与飞行相关的参数的值的估计，
ο在之前迭代时确定的或者在初始化步骤E1中初始化的与传感器C1、C2、…、CN中的每一个以及对应于飞行器AC的当前重量的参数P1相关联的状态，以及
ο所述留数；
-由验证子模块52实施的验证迎角和当前重量的子步骤E42，所述子步骤在于根据以下各项确定与和当前重量相对应的参数P1相关联的状态以及与被配置用于测量迎角α的传感器C1相关联的状态：
ο与被配置用于测量飞行器AC的迎角α的传感器C1以及对应于当前重量的参数P1相关联的共同状态，
ο与其他传感器C2、C3、…、CN相关联的状态，
ο与飞行相关的所估计参数，
ο所估计重量误差，
ο与飞行相关的所测量参数，
ο在估计子步骤E22中生成的留数，以及
ο由嵌入式建模供应的升力系数CL，所述嵌入式建模由传感器C1、C2、…、CN估计和测量的与飞行相关的参数供给。
在失效传感器检测子步骤E41中确定传感器C2、…、CN的状态以及与传感器C1的状态和对应于重量的参数P1相关联的公共状态包括以下子步骤：
-为每个留数分配最大极限和最小极限/>构造有效性指示符Vi以及然后与每个留数ri和有效性指示符Vi相关联的留数指示符Ri的子步骤E411；
-通过识别留数指示符Ri的当前值与在优选实施例中离线预识别的表中列举的当前值的组合来识别失效(∑Ri＞0)并且隔离其来源的子步骤E412，所述表根据留数指示符Ri的值的不同组合列举失效情况。所述表的每一列对应于故障索引FIi并且是可以取0或1为值的留数指示符R1，R2...Rm的组合，并且每一行对应于所构造的故障索引FI1，FI2，...FIm中的每一个的留数指示符Ri的值。故障索引FIi是指传感器Ci的状态，除了在故障索引FIα/m是指由迎角测量传感器C1测量的迎角的测量结果和对应于飞行器的重量的参数P1的共同状态的测量迎角的传感器C1的第一实例中。
对于被合并并且因此根据多个传感器测量(图3)的飞行参数，当检测到用作用于飞行参数的估计子模块42的输入的测量结果失效时，所述方法包括由单一验证模块10实施的以下子步骤：
-将估计子模块42重新配置成不考虑之前被用作估计子模块42的输入的不正确测量结果的子步骤E61，
-对于从所述多个传感器导出的测量结果中的每一个，在收敛时间τcvf之后计算对飞行参数的估计与对从所述多个传感器导出的测量结果的估计之差的子步骤E62，
如果所述差的绝对值小于预定值，则为所述估计模块4保留测量结果。

Claims (12)

1.一种监测和估计的方法，用于监测和估计以下各项：
-与飞行器(AC)的飞行相关的参数；
-传感器(C1、C2、…、CN)的状态，这些状态表示所述传感器(C1、C2、…、CN)的操作；以及
-与飞行器(AC)的当前重量相对应的参数(P1)的状态，此状态表示所述参数的有效性，其特征在于，所述方法包括以下步骤：
-由初始化模块实施的初始化步骤(E1)，所述初始化步骤包括初始化被配置用于确定飞行器(AC)的飞行参数的所述传感器(C1、C2、…、CN)的状态、以及与飞行器(AC)的当前重量相对应的所述参数(P1)的状态，并且包括初始化在实施监测和估计的设备时所使用的参数；
所述方法进一步包括迭代地实施的以下步骤：
-由估计模块实施的估计步骤(E2)，所述估计步骤包括根据以下各项确定对与飞行器(AC)的飞行相关的参数的值的估计以及对所述重量的误差的估计：
ο由所述传感器(C1、C2、…、CN)供应的与飞行相关的所述参数的测量结果，
ο在所述初始化步骤(E1)中初始化的或者在对所述估计步骤(E2)的之前迭代时估计的与飞行相关的参数，以及
ο与所述传感器(C1、C2、…、CN)中的每一个相关联的状态，
所述估计步骤(E2)还包括生成留数(ri)，所述留数是与飞行相关的参数的测量值和估计值以及新息项的函数；
-由第一传输模块实施的第一传输步骤(E3)，所述第一传输步骤包括：
ο向用户设备和检测模块传输信号，所述信号表示在所述估计步骤(E2)中确定的对与飞行器(AC)的飞行相关的参数的值的估计以及对当前重量参数的误差的估计，
ο向所述检测模块发送信号，所述信号表示在所述估计步骤(E2)中生成的所述留数；
-由检测模块实施的检测步骤(E4)，所述检测步骤包括根据以下各项确定与所述传感器(C1、C2、…、CN)中的每一个以及与和飞行器(AC)的当前重量相对应的所述参数(P1)相关联的不同状态：
ο在所述估计步骤(E2)中确定的对所述留数(ri)的值的估计，
ο在所述估计步骤(E2)中确定的对与飞行器(AC)的飞行相关的参数的值的估计，
ο由所述传感器(C1、C2、…、CN)供应的与飞行相关的参数的测量结果，
ο在所述估计步骤(E2)中确定的对当前重量参数(P1)的误差的估计，以及
ο在所述检测步骤(E4)的之前迭代时确定的或者在所述初始化步骤(E1)中初始化的状态；以及
-由第二传输模块实施的第二传输步骤(E5)，所述第二传输步骤包括向所述用户设备传输并且在下一迭代时向所述估计模块传输与所述传感器(C1、C2、…、CN)中的每一个相关联的不同状态以及与和当前重量相对应的所述参数(P1)相关联的状态，
其中，所述估计步骤(E2)包括以下子步骤：
-由自适应子模块实施的自适应子步骤(E21)，所述自适应子步骤包括根据以下各项确定与由所述传感器(C1、C2、…、CN)供应的与飞行相关的参数的测量结果中的每一个以及在估计子步骤(E22)中使用的估计算法相关联的设置参数中的每一个相关联的方差和/或有效性布尔值：
ο与飞行相关的参数的所述测量结果，以及
ο与所述传感器(C1、C2、…、CN)中的每一个相关联的状态；
所述自适应子步骤(E21)还包括根据在之前迭代时估计的或者在所述初始化步骤(E1)中初始化的重量误差以及与和重量相对应的所述参数(P1)相关联的状态来校正当前重量，
-由估计子模块实施的估计子步骤(E22)，所述估计子步骤包括根据以下各项确定对与飞行相关的参数的值的估计以及对重量的误差的估计：
ο由所述传感器(C1、C2、…、CN)供应的与飞行相关的参数的测量结果，
ο在之前迭代时估计的或者在所述初始化步骤(E1)中初始化的与飞行相关的参数，以及
ο与飞行相关的参数的测量结果中的每一个以及在所述自适应子步骤(E21)中确定的所述设置参数中的每一个的所述方差和/或所述有效性布尔值，
所述估计子步骤(E22)还包括根据与飞行相关的所估计和所测量参数以及所述新息项生成所述留数，并且
其中，所述估计子步骤(E22)对应于与状态向量(X)、观测向量(Y)和辅助测量向量(Z)相关联的扩展卡尔曼滤波器，
所述辅助测量向量(Z)具有如下表达式：
其中：
-对应于水平面的偏转的测量结果，
-对应于飞行器(AC)的升降舵的偏转的测量结果，
-对应于飞行器(AC)的扰流器的偏转的测量结果，
-ψm对应于航向测量结果，
-对应于列示角测量结果，
-θm对应于倾角测量结果，
-对应于纵向载荷因子在与飞行器(AC)相关联的参考系中的测量结果，
-m对应于飞行器(AC)的当前重量参数，
-conf对应于飞行器(AC)的空气动力学配置的测量结果，
-对应于对地速度分量在地球参考系中的测量结果，并且
-对应于几何高度的测量结果；
所述状态向量(X)具有如下表达式：
其中：
-对应于风速在地球参考系中的三个分量，
-ΔISA对应于当前几何高度下的当前静态温度与根据标准大气模型确定的温度之间的温度偏差，
-对应于升力系数建模偏倚，并且
-对应于气压校正项；
所述观测向量(Y)具有如下表达式：
其中：
-αm对应于迎角测量结果，
-βm对应于侧滑测量结果，
-对应于静压测量结果，
-对应于垂直载荷因子在与飞行器相关联的参考系中的测量结果，
-对应于总压力测量结果，
-对应于总温度测量结果。
2.根据权利要求1所述的方法，
其中，所述检测步骤(E4)包括以下子步骤：
-由检测子模块实施的、检测失效传感器以及与飞行相关的不正确参数的子步骤(E41)，所述子步骤包括确定以下各项：
ο与被配置用于测量飞行器(AC)的迎角(α)的所述传感器(C1)以及对应于当前重量的所述参数(P1)相关联的共同状态，以及
ο与其他传感器(C2、C3、…、CN)相关联的状态，
所述确定是根据以下各项进行的：
ο由所述传感器(C1、…、CN)供应的与飞行相关的参数的测量结果，
ο对与飞行相关的参数的值以及重量误差的估计，
ο在之前迭代时确定的或者在所述初始化步骤(E1)中初始化的与所述传感器(C1、…、CN)中的每一个以及与飞行器(AC)的当前重量相对应的所述参数(P1)相关联的状态，以及
ο所述留数(ri)；
-由验证子模块实施的验证所述迎角和当前重量的子步骤(E42)，所述子步骤包括根据以下各项确定与和当前重量相对应的所述参数(P1)相关联的状态以及与被配置用于测量所述迎角(α)的所述传感器(C1)相关联的状态：
ο与被配置用于测量飞行器(AC)的所述迎角(α)的所述传感器(C1)以及对应于当前重量的所述参数(P1)相关联的所述共同状态，
ο与所述其他传感器(C2、C3、…、CN)相关联的状态，
ο与飞行相关的所估计参数，
ο所估计的重量误差，
ο与飞行相关的所测量参数，
ο在所述估计子步骤(E22)中生成的所述留数，以及
ο由嵌入式建模供应的升力系数(CL)，所述嵌入式建模由所述传感器(C1、C2、…、CN)估计和测量的与飞行相关的参数供给。
3.根据权利要求2所述的方法，
状态向量(X)的导数具有如下表达式：
其中，τb对应于与所述升力系数建模偏倚的动态范围相关联的特征时间，并且
-zp对应于压力高度并且根据方程来表达，其中，T15＝288.15K，
-ζ对应于将所述压力高度zp的测量结果与所述静压关联的函数，所述函数具有如下表达式：
其中：
-对应于对流层顶的标准高度，
-P11＝226.321mbar和T11＝216.65K对应于所述对流层顶处的标准静压和静态温度，
-对于 对应于标准温度梯度，
-g对应于重力加速度，
-R对应于空气的特定常数，
-Ts对应于静态温度参数并且根据方程来表达，其中，T0＝273.15K并且/>
-V对应于空速的飞行参数并且根据方程来表达，其中，在根据如下表达式来表达的飞行器参考系(u,v,w)中定义了空速的每个分量：
-M对应于根据所述空速V的范数、根据方程计算的马赫数飞行参数，其中，r对应于空气的所述特定常数，
所述估计子步骤(E22)在迭代k时生成以下留数：
-第一留数(r1)，其在时间tk处具有表达式其中：
οεα(tk)对应于与在所述时间tk处的所述迎角α的测量结果相关联的新息项，
ο对应于对在所述时间tk处的所述升力系数Cz的所述升力系数建模偏倚的估计，并且
ο对应于所述升力系数的表列值，所述表列值取决于在所述时间tk处的飞行器(AC)的配置参数的值，
-第二留数(r2)，其在所述时间tk处具有表达式 其中：
ογ对应于空气的绝热系数，
ο对应于由所述传感器(C2、…、CN)之一测量的、被用作所述估计模块(4)的输入的总温度，
ο对应于由所述传感器(C2、…、CN)之一测量的、被用作所述估计模块(4)的输入的总压力，
ο对应于由所述传感器(C2、…、CN)之一测量的、被用作所述估计模块(4)的输入的压力高度，
οζ对应于将所述压力高度的测量结果与所述静压关联的所述函数，并且
ο对应于对根据与飞行相关的参数计算的所述静态温度的估计，所述估计是在当前迭代时在所述时间tk处并且在之前迭代时在时间tk-1处根据所述第一留数(r1)根据以下公式而估计的：
其中，是低通滤波器的传递函数，并且/>其中，H是亥维赛函数，并且/>对应于与所述第一留数(r1)相关联的极限，
-第三留数(r3)，其在时间tk处具有如下表达式 其中：
ο m对应于飞行器(AC)的重量，
ο S对应于飞行器(AC)的参考表面，
ο g对应于重力加速度，
ο对应于垂直载荷因子，
ο对应于纵向载荷因子，
ο对应于所估计升力系数，所述所估计升力系数是根据与飞行相关的所述所估计和所测量参数以及飞行器(AC)的所述配置来获得的。
4.根据权利要求3所述的方法，
其特征在于，所述观测向量(Y)具有如下表达式：
其中：
-对应于从发动机短舱建模导出的总压力值，
-对应于从所述发动机短舱建模导出的静压值，并且
-对应于从发动机短舱总温度传感器导出的所测量总温度值；
所述估计子步骤(E22)还生成以下留数：
-第四留数(r4)，其具有表达式其中，/>对应于所测量总压力值与从所述发动机短舱建模导出的所述总压力值之间在时间(tk)处的差值，
-第五留数(r5)，其具有表达式其中，/>对应于所测量静压值与从所述发动机短舱建模导出的所述静压值之间在时间(tk)处差值，以及
-第六留数(r6)，其具有表达式其中，/>对应于所测量总温度值与从所述发动机短舱测量结果导出的所述总温度值之间在时间处(tk)差值。
5.根据权利要求3所述的方法，
其中，所述估计子步骤(E22)对应于与状态向量(X)和观测向量(Y)以及辅助测量向量(Z)相关联的扩展卡尔曼滤波器，
所述辅助测量向量(Z)具有如下表达式：
其中，对应于横向载荷系数在与飞行器相关联的所述参考系中的测量结果，
状态向量(X)具有如下表达式：
-对应于对地速度在地球参考系中的三个分量，
-对应于加速度计在与飞行器(AC)相关联的所述参考系中的三个偏倚分量，
-zG对应于几何高度；
状态向量(X)的导数具有如下表达式：
其中：
-Mrot对应于地球参考系相对于与飞行器(AC)相关联的所述参考系的旋转的标准矩阵并且具有表达式
所述观测向量(Y)具有如下表达式：
其中：
-对应于所述对地速度的所述三个分量的测量结果，并且
-对应于所述几何高度的测量结果。
6.根据权利要求5所述的方法，
其中，所述空速V的横向分量v被假设为零。
7.根据权利要求3所述的方法，
其中，对所述共同状态以及与检测失效传感器的所述子步骤(E41)的所述其他传感器相关联的状态的确定包括以下子步骤：
-子步骤(E411)，所述子步骤根据所估计飞行参数为每个留数分配最大极限和最小极限/>
-所述子步骤(E411)还是根据所述所估计参数以及从飞行器的所述传感器导出的测量结果构造与静压传感器相关联的第一有效性指示符以及与总压力传感器相关联的第二有效性指示符/>的子步骤：
ο如果关系被证实，则所述第一有效性指示符/>具有值1，
如果所述关系未被证实，则所述第一有效性指示符/>具有值0，
其中，对应于根据飞行器(AC)的动力学而实验地确定的极限，/>对应于高通滤波器的传递函数，
ο所述第二有效性指示符默认具有值0，并且如果所述第一留数(r1)在时刻tk处与稍后确定的其对应极限相交并且/>使得/>**证实则具有值1，其中，/>为时间常数，/>为具有时间常数τ的低通滤波器的传递函数，/>为常数，并且/>为根据所述飞行器的动力学而实验地确定的极限；
留数指示符(Ri)被计算并且与每个留数(ri)以及有效性指示符(Vk))相关联；
-子步骤(E412)，当所述留数指示符之和(∑Ri))严格大于零时，所述子步骤识别失效的发生，并且如果发生失效，则所述子步骤通过将所述留数指示符的当前值与在离线和在线识别的、根据所述留数指示符(Ri)的值的不同组合而列举失效情况的表中列举的当前值进行比较来识别故障传感器。
8.根据权利要求1所述的方法，
其中，与所述传感器(C1、C2、…、CN)中的每一个相关联的状态还是根据与所述传感器中的每一个相关联的辅助状态来确定的，所述辅助状态被配置为由监测模块(9)发送至所述检测模块(5)。
9.根据权利要求1所述的方法，
其中，对于来自多个传感器的所测量合并飞行参数，当检测到测量所述测量结果被用作所述估计模块(4)的输入的所述飞行参数的传感器失效时，所述方法包括由单一验证模块(10)实施的以下子步骤：
-子步骤(E61)，所述子步骤将所述估计子模块重新配置成不考虑迄今在所述估计子步骤(E22)中使用的飞行参数的不正确测量结果，
-子步骤(E62)，对于从所述多个传感器导出的测量结果中的每一个，所述子步骤计算对所述飞行参数的估计与对所述传感器之一的从所述多个传感器导出的测量结果的估计之差，
如果所述差的绝对值小于预定值，则在所述估计子步骤(E22)中保留测量结果。
10.一种监测和估计的设备，用于监测和估计以下各项：
-与飞行器(AC)的飞行相关的参数；
-传感器的状态，这些状态表示所述传感器(C1、C2、…、CN)的操作；以及
-与飞行器(AC)的当前重量相对应的参数(P1)的状态，此状态表示所述参数(P1)的有效性，
其中，所述设备包括：
-初始化模块，所述初始化模块被配置用于初始化被配置用于确定与飞行器(AC)的飞行相关的参数的所述传感器(C1、C2、…、CN)的状态、以及与飞行器的当前重量相对应的所述参数(P1)的状态，并且初始化在实施所述监测和估计的设备时使用的参数；
所述监测和估计的设备进一步包括被迭代地实施的以下模块：
-估计模块，所述估计模块被配置用于根据以下各项确定对与飞行器(AC)的飞行相关的参数的值的估计以及对当前重量参数(P1)的误差的估计：
ο由所述传感器(C1、C2、…、CN)供应的与飞行相关的参数的测量结果，
ο在所述初始化模块中初始化的或者在对所述估计模块的之前迭代时估计的与飞行相关的参数，以及
ο与所述传感器(C1、C2、…、CN)中的每一个相关联的状态，
所述估计模块还被配置用于生成留数(ri)，所述留数是与飞行相关的参数的测量值和估计值以及新息项的函数；
-第一传输模块，所述第一传输模块被配置用于：
ο向用户设备和检测模块传输信号，所述信号表示在所述估计模块(4)中确定的对与飞行器(AC)的飞行相关的参数的值的估计以及对当前重量参数(P1)的误差的估计，
ο向所述检测模块发送信号，所述信号表示在所述估计模块中生成的所述留数；
-检测模块所述检测模块被配置用于根据以下各项确定与所述传感器(C1、C2、…、CN)中的每一个以及与和飞行器(AC)的当前重量相对应的所述参数(P1)相关联的不同状态：
ο在所述估计模块中确定的对所述留数的值的估计，
ο在所述估计模块中确定的对与飞行器(AC)的飞行相关的参数的值的估计，
ο由所述传感器(C1、C2、…、CN)供应的与飞行相关的参数的测量结果，
ο由所述估计模块确定的对当前重量参数(P1)的误差的估计，
ο在之前迭代时确定或在所述初始化模块中初始化的状态；
-第二传输模块，所述第二传输模块被配置用于向所述用户设备传输并且在下一迭代时向所述估计模块传输与所述传感器(C1、C2、…、CN)中的每一个相关联的不同状态以及与和当前重量相对应的所述参数(P1)相关联的状态，
其中，所述估计模块包括：
-自适应子模块，所述自适应子模块被配置用于根据以下各项确定与由所述传感器(C1、C2、…、CN)供应的与飞行相关的参数的测量结果中的每一个以及与在估计子模块中使用的估计算法相关联的设置参数中的每一个相关联的方差和/或有效性布尔值：
ο与飞行相关的参数的测量结果，以及
ο与所述传感器(C1、C2、…、CN)中的每一个相关联的状态；
其中，所述自适应子模块还被配置用于根据在之前迭代时估计的或者由所述初始化模块初始化的重量误差以及与和重量相对应的所述参数(P1)相关联的状态来校正飞行器(AC)的当前重量，
-所述估计子模块被配置用于根据以下各项确定对与飞行相关的参数的值的估计以及对所述重量的误差的估计：
ο由所述传感器(C1、C2、…、CN)供应的与飞行相关的参数的测量结果，
ο在之前迭代时估计的或者在所述初始化模块中初始化的与飞行相关的参数，以及
ο与飞行相关的参数的测量结果中的每一个以及在所述自适应子模块中确定的所述设置参数中的每一个的所述方差和/或所述有效性布尔值，
所述估计子模块还被配置用于根据与飞行相关的所估计和所测量参数以及所述新息项来生成留数，
其中，所述估计子模块对应于与状态向量(X)、观测向量(Y)和辅助测量向量(Z)相关联的扩展卡尔曼滤波器，
所述辅助测量向量(Z)具有如下表达式：
其中：
-对应于水平面的偏转的测量结果，
-对应于飞行器(AC)的升降舵的偏转的测量结果，
-对应于飞行器(AC)的扰流器的偏转的测量结果，
-ψm对应于航向测量结果，
-对应于列示角测量结果，
-θm对应于倾角测量结果，
-对应于纵向载荷因子在与飞行器(AC)相关联的参考系中的测量结果，
-m对应于飞行器(AC)的当前重量参数，
-conf对应于飞行器(AC)的空气动力学配置的测量结果，
-对应于对地速度分量在地球参考系中的测量结果，并且
-对应于几何高度的测量结果；
所述状态向量(X)具有如下表达式：
其中：
-对应于风速在地球参考系中的三个分量，
-ΔISA对应于当前几何高度下的当前静态温度与根据标准大气模型确定的温度之间的温度偏差，
-对应于升力系数建模偏倚，并且
-对应于气压校正项；
所述观测向量(Y)具有如下表达式：
其中：
-αm对应于迎角测量结果，
-βm对应于侧滑测量结果，
-对应于静压测量结果，
-对应于垂直载荷因子在与飞行器相关联的参考系中的测量结果，
-对应于总压力测量结果，
-对应于总温度测量结果。
11.根据权利要求10所述的设备，
其特征在于，所述检测模块包括：
-检测子模块，所述检测子模块被配置用于确定以下各项：
ο与被配置用于测量飞行器(AC)的迎角(α)的所述传感器(C1)以及对应于当前重量的所述参数(P1)相关联的共同状态，以及
ο与其他传感器(C2、C3、…、CN)相关联的状态，
所述确定是根据以下各项进行的：
ο由所述传感器(C2、C3、…、CN)供应的与飞行相关的参数的测量结果，
ο对与飞行相关的参数的值以及重量误差的估计，
ο在之前迭代时确定的或者由所述初始化模块初始化的与所述传感器(C3、…、CN)中的每一个以及与飞行器(AC)的当前重量相对应的参数(P1)相关联的状态，
ο所述留数；
-验证子模块，所述验证子模块被配置用于根据以下各项确定与和当前重量相对应的所述参数(P1)相关联的状态以及与被配置用于测量所述迎角(α)的所述传感器(C1)相关联的状态：
ο与被配置用于测量飞行器(AC)的所述迎角(α)的所述传感器(C1)以及对应于当前重量的所述参数(P1)相关联的所述共同状态，
ο与所述其他传感器(C2、C3、…、CN)相关联的状态，
ο与飞行相关的所估计参数，
ο所估计的重量误差，
ο与飞行相关的所测量参数，
ο在所述估计子模块中生成的所述留数，以及
ο由嵌入式建模供应的升力系数(CL)，所述嵌入式建模由所述传感器(C1、C2、…、CN)估计和测量的与飞行相关的参数供给。
12.一种飞行器，
其特征在于，飞行器包括用于监测和估计飞行器(AC)的飞行参数的如权利要求10所述的设备。
CN201810470520.7A 2017-05-23 2018-05-17 用于监测和估计与飞行器的飞行相关的参数的方法和设备 Active CN108931258B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1754549 2017-05-23
FR1754549A FR3066755B1 (fr) 2017-05-23 2017-05-23 Procede et dispositif de surveillance et d'estimation de parametres relatifs au vol d'un aeronef.

Publications (2)

Publication Number Publication Date
CN108931258A CN108931258A (zh) 2018-12-04
CN108931258B true CN108931258B (zh) 2024-02-20

Family

ID=60138421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810470520.7A Active CN108931258B (zh) 2017-05-23 2018-05-17 用于监测和估计与飞行器的飞行相关的参数的方法和设备

Country Status (3)

Country Link
US (1) US11287283B2 (zh)
CN (1) CN108931258B (zh)
FR (1) FR3066755B1 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3066755B1 (fr) * 2017-05-23 2019-06-07 Airbus Operations Procede et dispositif de surveillance et d'estimation de parametres relatifs au vol d'un aeronef.
US20190108760A1 (en) * 2017-10-10 2019-04-11 Honeywell International Inc. System and method for developing and maintaining temperature-compensated altitude information
US11003196B2 (en) * 2018-12-07 2021-05-11 The Boeing Company Flight control system for determining a common mode pneumatic fault
US11385632B2 (en) * 2018-12-21 2022-07-12 The Boeing Company Sensor fault detection and identification using residual failure pattern recognition
CN109990789A (zh) * 2019-03-27 2019-07-09 广东工业大学 一种飞行导航方法、装置及相关设备
CN111122899B (zh) * 2019-12-11 2020-11-17 南京航空航天大学 一种用于大气扰动中飞行的迎角侧滑角估计方法
CN111942602B (zh) * 2020-08-10 2021-10-08 中国人民解放军海军航空大学青岛校区 飞参数据综合处理系统
US11580864B2 (en) * 2020-08-20 2023-02-14 Gulfstream Aerospace Corporation Take-off performance prediction and alerting system
CN112200479A (zh) * 2020-10-20 2021-01-08 厦门航空有限公司 民机空调系统散热器性能量化评估方法
CN112578816B (zh) * 2021-02-25 2021-05-14 四川腾盾科技有限公司 一种大展翼大型无人机预计到达时间计算方法
CN114136416B (zh) * 2021-11-30 2022-08-23 中国商用飞机有限责任公司 飞行器的飞行重量监测方法、系统、存储介质及电子设备
CN114091185B (zh) * 2022-01-24 2022-04-12 中国民航大学 一种飞机表面积冰演化状态辨识方法及系统
CN114910120A (zh) * 2022-03-23 2022-08-16 艾肯（江苏）工业技术有限公司 一种高速气流热力参数及流动参数测定的实现方法
CN116700070B (zh) * 2023-05-17 2024-01-30 北京锐士装备科技有限公司 一种无人机飞行状态的安全监管方法及系统
CN117268381B (zh) * 2023-11-17 2024-02-02 北京开运联合信息技术集团股份有限公司 一种航天器状态的判断方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5761625A (en) * 1995-06-07 1998-06-02 Alliedsignal Inc. Reconfigurable algorithmic networks for aircraft data management
CN103974311A (zh) * 2014-05-21 2014-08-06 哈尔滨工业大学 基于改进高斯过程回归模型的状态监测数据流异常检测方法
CN104677379A (zh) * 2013-11-28 2015-06-03 空中客车运营简化股份公司 用于使用一致性准则融合来自传感器的数据的方法
CN105675901A (zh) * 2014-12-05 2016-06-15 空中客车运营简化股份公司 用于估计飞行器空速的方法和设备
CN105716625A (zh) * 2014-12-12 2016-06-29 空中客车运营简化股份公司 用于在飞行器的监测传感器的操作期间自动地检测失准的方法和系统

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4825374A (en) * 1985-12-20 1989-04-25 The Boeing Company Aircraft descent guide system and method for creating descent guidance information
US5432816A (en) * 1992-04-10 1995-07-11 International Business Machines Corporation System and method of robust sequence estimation in the presence of channel mismatch conditions
US6691004B2 (en) * 1995-07-31 2004-02-10 Honeywell International, Inc. Method for determining a currently obtainable climb gradient of an aircraft
US6697793B2 (en) * 2001-03-02 2004-02-24 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration System, method and apparatus for generating phrases from a database
US7059782B2 (en) * 2002-04-12 2006-06-13 Intel Corporation Suppressing back reflection between optical interfaces
GB0613955D0 (en) * 2006-07-13 2007-01-10 Bae Systems Plc Controller
WO2008031209A1 (en) * 2006-09-16 2008-03-20 Terence Gilhuly Improved sensors and sensing for monitoring neuromuscular blockade
WO2008154506A1 (en) * 2007-06-08 2008-12-18 Qualcomm Incorporated Hierarchical modulation for communication channels in single-carrier frequency division multiple access
EP2040137B1 (en) * 2007-09-21 2012-05-16 The Boeing Company Predicting aircraft trajectory
US20090240390A1 (en) * 2008-03-21 2009-09-24 Nenad Nenadic System and method for component monitoring
US8665120B2 (en) * 2011-05-25 2014-03-04 The Boeing Company Primary flight display pitch- and power-based unreliable airspeed symbology
FR2988835B1 (fr) * 2012-03-28 2015-01-30 Dassault Aviat Procede de determination d'un etat de credibilite de mesures de capteurs d'un aeronef et systeme correspondant
FR2988851B1 (fr) * 2012-03-28 2014-04-25 Dassault Aviat Procede de determination d'un etat de credibilite de mesures d'un capteur d'incidence d'un aeronef et systeme correspondant
FR2988833B1 (fr) * 2012-03-28 2014-04-25 Dassault Aviat Dispositif d'affichage de caracteristiques de vol d'un aeronef, instrumentation pour aeronef et procede associe
FR2988836B1 (fr) * 2012-03-28 2014-04-25 Dassault Aviat Procede de determination d'une masse estimee d'un aeronef et systeme correspondant
US8720258B2 (en) * 2012-09-28 2014-05-13 United Technologies Corporation Model based engine inlet condition estimation
US10502584B1 (en) * 2012-12-28 2019-12-10 Sean Patrick Suiter Mission monitor and controller for autonomous unmanned vehicles
US9096330B2 (en) * 2013-08-02 2015-08-04 Honeywell International Inc. System and method for computing MACH number and true airspeed
US8914164B1 (en) * 2013-08-02 2014-12-16 Honeywell International Inc. System and method for computing mach number and true airspeed
FR3017705B1 (fr) * 2014-02-18 2017-07-07 Airbus Operations Sas Procede de fusion de donnees de capteurs.
US10121384B2 (en) * 2014-09-30 2018-11-06 The Boeing Company Aircraft performance predictions
US9593962B2 (en) * 2014-10-08 2017-03-14 Honeywell International Inc. Systems and methods for attitude fault detection based on integrated GNSS/inertial hybrid filter residuals
US9983023B2 (en) * 2015-04-07 2018-05-29 Aspen Avionics, Inc. System and method for angle of attack indication with no dedicated sensors and aircraft information
US10202204B1 (en) * 2016-03-25 2019-02-12 AAR Aerospace Consulting, LLC Aircraft-runway total energy measurement, monitoring, managing, safety, and control system and method
CN106875948B (zh) * 2017-02-22 2019-10-29 中国电子科技集团公司第二十八研究所 一种基于管制语音的冲突告警方法
WO2018175349A1 (en) * 2017-03-19 2018-09-27 Zunum Aero, Inc. Hybrid-electric aircraft, and methods, apparatus and systems for facilitating same
FR3066755B1 (fr) * 2017-05-23 2019-06-07 Airbus Operations Procede et dispositif de surveillance et d'estimation de parametres relatifs au vol d'un aeronef.
US11889393B2 (en) * 2017-06-23 2024-01-30 Veniam, Inc. Methods and systems for detecting anomalies and forecasting optimizations to improve urban living management using networks of autonomous vehicles
US10595175B2 (en) * 2017-06-23 2020-03-17 Veniam, Inc. Methods and systems for detecting anomalies and forecasting optimizations to improve smart city or region infrastructure management using networks of autonomous vehicles
WO2019071327A1 (en) * 2017-10-11 2019-04-18 Embraer S.A. NEURONAL NETWORK SYSTEM HAVING TRAINING BASED ON A COMBINATION OF MODEL AND FLIGHT INFORMATION FOR ESTIMATING AIRCRAFT AIR DATA
CN116968731A (zh) * 2018-03-20 2023-10-31 御眼视觉技术有限公司 用于导航主车辆和制动主车辆的系统
US11410058B2 (en) * 2019-03-29 2022-08-09 QuantumiD Technologies Inc. Artificial intelligence system for estimating excess non-sapient payload capacity on mixed-payload aeronautic excursions
US10661902B1 (en) * 2019-03-29 2020-05-26 QuantumID Technologies Inc Artificial intelligence system for estimating excess non-sapient payload capacity on mixed-payload aeronautic excursions
US11937539B2 (en) * 2019-08-28 2024-03-26 Samsung Electronics Co., Ltd. Sensor fusion for localization and path planning

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5761625A (en) * 1995-06-07 1998-06-02 Alliedsignal Inc. Reconfigurable algorithmic networks for aircraft data management
CN104677379A (zh) * 2013-11-28 2015-06-03 空中客车运营简化股份公司 用于使用一致性准则融合来自传感器的数据的方法
CN103974311A (zh) * 2014-05-21 2014-08-06 哈尔滨工业大学 基于改进高斯过程回归模型的状态监测数据流异常检测方法
CN105675901A (zh) * 2014-12-05 2016-06-15 空中客车运营简化股份公司 用于估计飞行器空速的方法和设备
CN105716625A (zh) * 2014-12-12 2016-06-29 空中客车运营简化股份公司 用于在飞行器的监测传感器的操作期间自动地检测失准的方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Mohamed Darouach.Extension of minimum variance estimation for systems with unknown inputs.science direct.2003,(第期),第867-870页. *

Also Published As

Publication number Publication date
FR3066755B1 (fr) 2019-06-07
US20180340795A1 (en) 2018-11-29
US11287283B2 (en) 2022-03-29
CN108931258A (zh) 2018-12-04
FR3066755A1 (fr) 2018-11-30

Similar Documents

Publication Publication Date Title
CN108931258B (zh) 用于监测和估计与飞行器的飞行相关的参数的方法和设备
CN110196443B (zh) 一种飞行器的容错组合导航方法及系统
US11747360B2 (en) Neural network system whose training is based on a combination of model and flight information for estimation of aircraft air data
CA2664994C (en) Hybrid ins/gnss system with integrity monitoring and method for integrity monitoring
RU2236697C2 (ru) Резервная система для индикации курса и пространственного положения на самолете
Rhudy et al. Aircraft model-independent airspeed estimation without pitot tube measurements
JP2013049408A (ja) 航空機の飛行パラメータを決定する方法およびシステム
CN111024124B (zh) 一种多传感器信息融合的组合导航故障诊断方法
US9828111B2 (en) Method of estimation of the speed of an aircraft relative to the surrounding air, and associated system
de La Parra et al. Low cost navigation system for UAV's
US20210302196A1 (en) System and a method of analyzing and monitoring interfering movements of an inertial unit during a stage of static alignment
Maliňák et al. Pure-inertial AHRS with adaptive elimination of non-gravitational vehicle acceleration
Ducard et al. Strategies for sensor-fault compensation on UAVs: Review, discussions & additions
Sun et al. Air data fault detection and isolation for small UAS using integrity monitoring framework
Rudin et al. A sensor fault detection for aircraft using a single Kalman filter and hidden Markov models
de Souza Goncalves et al. Sensor fusion with cointegration analysis for IMU in a simulated fixed-wing UAV
Khaghani et al. VDM-based UAV attitude determination in absence of IMU data
CN112629521A (zh) 一种旋翼飞行器双冗余组合的导航系统建模方法
Vitale et al. Innovative real time estimator for redundancy of angle of attack sensors in commercial aircraft
RU2713582C1 (ru) Способ оптимального оценивания ошибок инерциальной навигационной системы и её коррекции по неподвижному наземному ориентиру с известными географическими координатами
US20160325844A1 (en) Method of estimation of the speed of an aircraft relative to the surrounding air, and associated system
NAPOLITANO et al. Digital twin concept for aircraft sensor failure
RU2792261C1 (ru) Способ определения углов атаки и скольжения беспилотного летательного аппарата
Prabhu et al. Robust fault detection and diagnosis of primary air data sensors in the presence of atmospheric turbulence
Rohloff et al. Fault tolerance and extrapolation stability of a neural network air-data estimator

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