CN110455310A - 高超声速飞行器的大气数据测量方法 - Google Patents

Abstract

本发明涉及一种高超声速飞行器的大气数据测量方法，首先，定义参考坐标系；选择飞行器速度、位置、姿态、风速和惯性器件零偏为系统状态量，并将飞行器前端表面压力分布以及飞行器位置、速度测量值作为系统观测量；其次，基于高超声速飞行器动力学和运动学方程构建系统动力学模型；利用系统测量与大气数据之间映射关系，建立系统观测模型；而后，通过非线性Kalman滤波，估计系统状态量；最后，利用状态量的估计值计算得到大气数据估计值；同传统方法比，本发明能够在恶劣的高超声速飞行环境中，高精度估计出大气数据，其成果能够应用于高超声速飞行器控制以及飞行试验评估与鉴定中，从而提高飞行鲁棒性以及评估的准确性。

Description

高超声速飞行器的大气数据测量方法

技术领域

本发明属于高超声速飞行器技术领域，特别涉及一种高超声速飞行器的大气数据测量方 法。通过此方法，能够实现高超声速飞行环境中大气数据高精度的测量方法。

背景技术

高超声速飞行器拥有以大于5Ma的速度在临近空间内飞行的独特优势，是未来临近空间 长时间远距离高速飞行、自由进入空间的核心关键技术，具有较强的军民两用背景。高精度 大气数据及飞行参数测量技术是吸气式高超声速飞行器至关重要的技术之一，具体体现在以 下几个方面：

(1)飞行试验测试与评估以及试验数据库建设的需求。飞行试验是对高超声速飞行器及其 相关技术最佳的研究、验证、考核与评估手段。高超声速飞行试验内容包含空气动力学及热 力学问题研究、超燃冲压发动机技术研究、机身/发动机一体化设计研究以及飞行控制技术研 究等。上述试验内容均需获得飞行器在试验窗口内精准的大气数据及飞行参数，方能进行事 后分析与研究；

(2)吸气式超燃冲压发动机稳定、高效率工作的需要。在高马赫数飞行条件下，来流的大 气特性及飞行器自身飞行状态将直接影响着吸气式超燃冲压发动机的性能及工作稳定性，特 别是发动机进气道的流量特性和流量品质与飞行器姿态变化紧密相关，而攻角和侧滑角的变 化可能引起发动机进气道不起动或发动机喘振。因此需要飞行控制系统需要高精度大气数据 作为参考，为发动机提供良好的工作环境；

(3)高精度制导与控制技术的需求。制导与控制技术是高超声速飞行的核心研究内容之 一，是决定飞行品质的关键技术，同时也是精准完成战术任务的重要保障。由于高超声速飞 行器飞行速度快，飞行环境苛刻，导致其制导与控制系统对大气环境扰动和导航信息偏差非 常敏感，相较于其他飞行器对大气数据的测量有更高的精度要求。

考虑到高超声速飞行器的特征，传统探针式大气数据测量系统、嵌入式大气数据测量系 统、INS、GPS等均无法准确、实时给出飞行大气数据。具体而言：

1)由于高超声速飞行的飞行环境恶劣，特别是存在严重的热环境，传统的探针式大气数 据测量系统(如空速管、攻角传感器和侧滑角传感器等)由于硬件材料、测量机理和结构外 形等因素，难以满足高超声速飞行器在高温、高马赫数等飞行环境下的大气数据测量需要。

2)FADS是目前常见的高超声速飞行环境中大气数据测量手段。但由于测量机理限制， 传统FADS大气数据测量系统在高动态条件下算法精度不够高。此外，马赫数是FADS算法 中的核心变量，而受制于算法自身结构问题，马赫数的求解精度有限，进而对其他大气参数 的求解精度产生影响。

3)惯性导航系统(Inertial Navigation System，INS)则是获取高超声速飞行器飞行参数的 重要测量系统。但由于惯性器件自身误差及其递推式导航算法，导致其解算的迎角、侧滑角 和马赫数等飞行参数的误差会随时间积累逐渐增大，且其攻角、侧滑角的计算过程中并没有 考虑风速的影响。

4)尽管GPS(Global Position System)系统够给出飞行器在惯性空间坐标系下的位置和 速度矢量，但其不能给出飞行器迎角、侧滑角以及马赫数等大气数据信息。

发明内容

针对上述问题，本发明提出一种基于飞行器表面压力、飞行器加速度、角速度、位置等 信息的大气数据测量方法。

为实现上述发明目的，本发明技术方案如下：

一种高超声速飞行器的大气数据测量方法，包括如下步骤：

第一步，系统状态量与观测量设计；

第二步：系统动力学模型与观测模型建立；

第三步，系统状态量的最优估计；

第四步，大气数据估计。

作为优选方式，第一步进一步为：

第一步，定义参考坐标系；选择飞行器速度、位置、姿态、风速和惯性器件零偏为系统 状态量，并将飞行器前端表面压力分布以及飞行器位置、速度测量值作为系统观测量。

作为优选方式，第二步进一步为：

第二步，基于高超声速飞行器动力学和运动学方程构建系统动力学模型；利用系统测量 与大气数据之间映射关系，建立系统观测模型。

作为优选方式，第三步进一步为：

第三步，通过非线性Kalman滤波，估计系统状态量。

作为优选方式，第四步进一步为：

第四步，利用状态量的估计值计算得到大气数据估计值。

作为优选方式，第一步具体为：

第一步，系统状态量与观测量设计：

以地心地固系ECEF为基准坐标系，其中原点O位于地球球心，ox指向本初子午线与地 球赤道的交点，oz指向北极，ox、oy、oz共同构成右手坐标系，

定义b系为机体坐标系，其中原点位于飞行器质心处，x、y、z轴分别指向飞行器的前、 上、右；

定义va为速度坐标系，其中原点位于飞行器质心处，x、y轴分别指向速度方向和飞行器 纵轴向上，ox、oy、oz共同构成右手坐标系；

选择飞行器速度、位置、姿态、风速和惯性器件零偏为系统状态量x，即

其中v_ex，v_ey，v_ez为飞行器相对地面速度矢量在ECEF系下的分量；x，y，z为飞行器相对地面位置矢量在ECEF系下的分量；ψ，γ为俯仰、偏航和滚转角；v_wx，v_wy，v_wz为 风速三分量；b_a、b_g分别表示加速度计组和陀螺仪组零偏矢量，其中b_ax，b_ay，b_az为矢量b_a在机体系中的分量，b_gx，b_gy，b_gz为矢量b_g在机体系中的分量；

记z_p表示由所有由飞行器前端测压孔测量值构成的矢量，即

z_p＝[p₁ p₂ … p_j]^T (2)

j为测压孔总数目，p_i(i＝1,2,...,j)为测压孔i的测量值；

取三轴加速度计和陀螺仪的输出为惯性导航系统的观测量，即

其中矢量a_INS和ω_INS分别表示由加速度计和陀螺仪测量获得的载体视加速度与角速度矢量；

定义GPS输出z_GPS包括飞行器位置与速度信息，即

其中v_GPS和r_GPS分别表示由GPS测量获得的载体速度与位置矢量。

作为优选方式，第二步具体为：

第二步：系统动力学模型与观测模型建立：

基于高超声速飞行器动力学与运动学，有

式中D，L，Y分别为阻力、升力和侧向力；m为飞行器质量；表示由速度坐标系到ECEF 坐标系的姿态转移矩阵；r为地心距；μ为引力常量；ω_e为地球自转角速度；w_wx、w_wy、w_wz表示随机白噪声；λ与ψ为大地经度与纬度；为飞行器绝对角速度；表示由ECEF坐 标系到体坐标系的姿态转移矩阵；

根据式(1)和式(5)，系统动力学模型表示为

其中f(x)为式(5)等号右侧方程，w表示系统噪声；

飞行器前端表面压力表示为

p_i＝h_i(α_e β_e p_∞ M_a)+υ_pi (7)

其中h_i表示测压孔i的表面压力与大气数据间的函数，由地面风洞试验确定；α_e，β_e分别表 示飞行器相对大气的当地攻角和当地侧滑角；p_∞表示来流静压；M_a表示当地马赫数；υ_pi表 示测压孔i的测量噪声；

考虑惯性仪表零偏等测量误差，加速度计和陀螺仪的测量模型分别为

其中表示飞行器比力矢量；υ_a与υ_g分别表示加速度计和陀螺仪的测量噪声；

此外，GPS的观测信息表示为

其中r为飞行器地心距矢量；v_e是由v_ex、v_ey、v_ez构成的矢量，υ_v和υ_r分别表示GPS速度 和位置测量噪声；

定义z为观测矢量，故系统观测模型表示为

作为优选方式，第三步具体为：

第三步，系统状态量的最优估计：

选择容积Kalman滤波算法为系统状态量最优估计算法，令系统初值的统计特性为其中表示初始估计值，P₀表示初始估计方差；通过测量沿弹道的观测数据z，利用容积Kalman滤波算法，获得t时刻的系统状态量估计值，即

作为优选方式，第四步具体为：

第四步，大气数据估计：

利用系统状态量估计值估计出当地气攻角、当地侧滑角以及当地马赫数大气数据， 计算方法如下

其中a为当地音速，v_w是由v_wx，v_wy，v_wz构成的矢量；

至此，便获得了当地攻角α_e，当地侧滑角β_e和当地马赫数M_a大气数据。

上述所有式子都采用统一的国标单位。

值得注意的是，第三步可利用UKF、PF等其他非线性Kalman滤波算法替代，并不影响 算法结果。

本发明的有益效果为：本发明的一种高超声速飞行中大气数据测量方法，利用飞行器前 端表面压力分布数据以及INS、GPS数据，通过特定算法实现对高超声速飞行器大气数据的 高精度估计，其成果在高超声速飞行器控制以及飞行试验的评估与鉴定等方面具有较强的经 济效益和工程指导意义。同传统方法比，本发明能够在高超声速飞行环境中，高精度、有效 地估计出大气数据，其成果能够应用于高超声速飞行器控制以及飞行试验的评估与鉴定，提 高飞行鲁棒性以及评估的准确性，具有较强的经济效益和工程指导意义。

同传统方法相比，本发明的优点在于以下几个方面：

(1)首次以飞行器前端表面压力分布、飞行器比力、角度以及位置、速度等数据为基础， 提出了一种高超声速飞行中大气数据测量方法。

(2)充分考虑了大气运动，即风场对大气数据估计的影响，特别区分了当地攻角与惯性 攻角、当地侧滑角与惯性侧滑角以及当地马赫数与惯性马赫数之间的区别。

(3)算法充分考虑了惯性器件的测量偏差，实现惯性器件零偏的解耦，从而避免了惯性 器件测量误差对大气数据估计精度的影响。

(4)通过将风速作为系统状态量，因此在获得系统状态量的估计值时，算法不仅能够估 计出大气数据，同还能有效获得风速信息。

附图说明

图1为飞行器前端表面测压孔位置示意图。

图2为速度真值与估计值示意图。其中，a，b，c分别为x，y，z三个方向的分量。

图3为位置真值与估计值示意图。其中，a，b，c分别为x，y，z三个方向的分量。

图4为姿态角真值与估计值示意图。其中，a，b，c分别为俯仰、偏航和滚转角。

图5为风速真值与估计值示意图。其中，a，b，c分别为x，y，z三个方向的分量。

图6为加速度计零偏真值与估计值示意图。其中，a，b，c分别为x，y，z三个方向的分量。

图7为陀螺仪零偏真值与估计值示意图。其中，a，b，c分别为x，y，z三个方向的分量。

图8为攻角真值与估计值示意图。

图9为侧滑角真值与估计值示意图。

图10为马赫数真值与估计值示意图。

图11为本发明方法的流程示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露 的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加 以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精 神下进行各种修饰或改变。

实施例1

一种高超声速飞行器的大气数据测量方法，包括如下步骤：

第一步，系统状态量与观测量设计；

第二步：系统动力学模型与观测模型建立；

第三步，系统状态量的最优估计；

第四步，大气数据估计。

实施例2

一种高超声速飞行器的大气数据测量方法，包括如下步骤：

第一步，定义参考坐标系；选择飞行器速度、位置、姿态、风速和惯性器件零偏为系统 状态量，并将飞行器前端表面压力分布以及飞行器位置、速度测量值作为系统观测量。

第二步，基于高超声速飞行器动力学和运动学方程构建系统动力学模型；利用系统测量 与大气数据之间映射关系，建立系统观测模型。

第三步，通过非线性Kalman滤波，估计系统状态量。

第四步，利用状态量的估计值计算得到大气数据估计值。

实施例3

一种高超声速飞行器的大气数据测量方法，包括如下步骤：

第一步，系统状态量与观测量设计：

以地心地固系ECEF为基准坐标系，其中原点O位于地球球心，ox指向本初子午线与地 球赤道的交点，oz指向北极，ox、oy、oz共同构成右手坐标系，

定义b系为机体坐标系，其中原点位于飞行器质心处，x、y、z轴分别指向飞行器的前、 上、右；

定义va为速度坐标系，其中原点位于飞行器质心处，x、y轴分别指向速度方向和飞行器 纵轴向上，ox、oy、oz共同构成右手坐标系；

选择飞行器速度、位置、姿态、风速和惯性器件零偏为系统状态量x，即

其中v_ex，v_ey，v_ez为飞行器相对地面速度矢量在ECEF系下的分量；x，y，z为飞行器相对地面位置矢量在ECEF系下的分量；ψ，γ为俯仰、偏航和滚转角；v_wx，v_wy，v_wz为 风速三分量；b_a、b_g分别表示加速度计组和陀螺仪组零偏矢量，其中b_ax，b_ay，b_az为矢量b_a在机体系中的分量，b_gx，b_gy，b_gz为矢量b_g在机体系中的分量；

记z_p表示由所有由飞行器前端测压孔测量值构成的矢量，即

z_p＝[p₁ p₂ … p_j]^T (2)

j为测压孔总数目，p_i(i＝1,2,...,j)为测压孔i的测量值；

取三轴加速度计和陀螺仪的输出为惯性导航系统的观测量，即

其中矢量a_INS和ω_INS分别表示由加速度计和陀螺仪测量获得的载体视加速度与角速度矢量；

定义GPS输出z_GPS包括飞行器位置与速度信息，即

其中v_GPS和r_GPS分别表示由GPS测量获得的载体速度与位置矢量。

第二步：系统动力学模型与观测模型建立：

基于高超声速飞行器动力学与运动学，有

式中D，L，Y分别为阻力、升力和侧向力；m为飞行器质量；表示由速度坐标系到ECEF 坐标系的姿态转移矩阵；r为地心距；μ为引力常量；ω_e为地球自转角速度；w_wx、w_wy、w_wz表示随机白噪声；λ与ψ为大地经度与纬度；为飞行器绝对角速度；表示由ECEF坐 标系到体坐标系的姿态转移矩阵；

根据式(1)和式(5)，系统动力学模型表示为

其中f(x)为式(5)等号右侧方程，w表示系统噪声；

飞行器前端表面压力表示为

p_i＝h_i(α_e β_e p_∞ M_a)+υ_pi (7)

其中h_i表示测压孔i的表面压力与大气数据间的函数，由地面风洞试验确定；α_e，β_e分别表 示飞行器相对大气的当地攻角和当地侧滑角；p_∞表示来流静压；M_a表示当地马赫数；υ_pi表 示测压孔i的测量噪声；

考虑惯性仪表零偏等测量误差，加速度计和陀螺仪的测量模型分别为

其中表示飞行器比力矢量；υ_a与υ_g分别表示加速度计和陀螺仪的测量噪声；

此外，GPS的观测信息表示为

其中r为飞行器地心距矢量；v_e是由v_ex、v_ey、v_ez构成的矢量，υ_v和υ_r分别表示GPS速度 和位置测量噪声；

定义z为观测矢量，故系统观测模型表示为

第三步，系统状态量的最优估计：

选择容积Kalman滤波算法为系统状态量最优估计算法，令系统初值的统计特性为其中表示初始估计值，P₀表示初始估计方差；通过测量沿弹道的观测数据z，利用容积Kalman滤波算法，获得t时刻的系统状态量估计值，即

第四步，大气数据估计：

利用系统状态量估计值估计出当地气攻角、当地侧滑角以及当地马赫数大气数据， 计算方法如下

其中a为当地音速，v_w是由v_wx，v_wy，v_wz构成的矢量；

至此，便获得了当地攻角α_e，当地侧滑角β_e和当地马赫数M_a大气数据。

上述所有式子都采用统一的国标单位。

值得注意的是，第三步可利用UKF、PF等其他非线性Kalman滤波算法替代，并不影响 算法结果。

仿真实验

根据实施例3进行仿真，飞行器初始高度为60km，初始速度为10Ma，初始姿态角为2°、 3°、4°，飞行程序角α_design和β_design设计如下：

α_design＝5°-0.0005°t+0.01°sin(0.02t)

β_design＝5.73°sin(0.05t)

初始风速为[20 30 40]^T(m/s)，标准差为2m/s，加速度计测量误差为[0.0010.002 0.003]^T (m/s²)，陀螺仪测量误差为[0.03 -0.02 0.01]^T(°/s)，GPS测量精度为1m。

仿真环境为Window 7(64位)操作系统，计算软件采用MatlabR2014a，仿真计算机处理 器为Intel(R)Core(TM)i5-3470，主频为3.20GHz，内存为3.39GB。

具体步骤同第一步至第四步。

图2-图10给出仿真算例结果。其中实线为真值，虚线为估计结果。为了进一步反映估计 偏差，每个状态估计曲线下方给出了估计偏差曲线示意图。值得注意的是，由于滤波初始估 计偏差较大，因此仅给出了估计偏差后部分。

从上述仿真结果中可以看出，系统状态量均能快速的收敛至真值。从估计误差曲线中可 以看出每个状态量的估计误差都远小于其真值。

通过上述仿真结果可获得以下结论：

本发明提出的高超声速飞行器大气数据测量方法，能够在临近空间范围内高超声速飞行 下，给出包括飞行器速度、位置、姿态、风速、加速度计和陀螺仪零偏、当地攻角、当地侧 滑角以及当地马赫数等众多飞行参数与大气数据的高精度测量值，为高超声速飞行器控制以 及飞行试验的评估与鉴定提供了技术支撑。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技 术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，凡所 属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效 修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (9)

1.一种高超声速飞行器的大气数据测量方法，其特征在于，包括如下步骤：

第一步，系统状态量与观测量设计；

第二步：系统动力学模型与观测模型建立；

第三步，系统状态量的最优估计；

第四步，大气数据估计。

2.根据权利要求1所述的高超声速飞行器的大气数据测量方法，其特征在于第一步进一步为：

第一步，定义参考坐标系；选择飞行器速度、位置、姿态、风速和惯性器件零偏为系统状态量，并将飞行器前端表面压力分布以及飞行器位置、速度测量值作为系统观测量。

3.根据权利要求1所述的高超声速飞行器的大气数据测量方法，其特征在于第二步进一步为：

第二步，基于高超声速飞行器动力学和运动学方程构建系统动力学模型；利用系统测量与大气数据之间映射关系，建立系统观测模型。

4.根据权利要求1所述的高超声速飞行器的大气数据测量方法，其特征在于第三步进一步为：

第三步，通过非线性Kalman滤波，估计系统状态量。

5.根据权利要求1所述的高超声速飞行器的大气数据测量方法，其特征在于第四步进一步为：

第四步，利用状态量的估计值计算得到大气数据估计值。

6.根据权利要求1所述的高超声速飞行器的大气数据测量方法，其特征在于第一步具体为：

第一步，系统状态量与观测量设计：

以地心地固系ECEF为基准坐标系，其中原点O位于地球球心，ox指向本初子午线与地球赤道的交点，oz指向北极，ox、oy、oz共同构成右手坐标系，

定义b系为机体坐标系，其中原点位于飞行器质心处，x、y、z轴分别指向飞行器的前、上、右；

定义va为速度坐标系，其中原点位于飞行器质心处，x、y轴分别指向速度方向和飞行器纵轴向上，ox、oy、oz共同构成右手坐标系；

选择飞行器速度、位置、姿态、风速和惯性器件零偏为系统状态量x，即

其中v_ex，v_ey，v_ez为飞行器相对地面速度矢量在ECEF系下的分量；x，y，z为飞行器相对地面位置矢量在ECEF系下的分量；ψ，γ为俯仰、偏航和滚转角；v_wx，v_wy，v_wz为风速三分量；b_a、b_g分别表示加速度计组和陀螺仪组零偏矢量，其中b_ax，b_ay，b_az为矢量b_a在机体系中的分量，b_gx，b_gy，b_gz为矢量b_g在机体系中的分量；

记z_p表示由所有由飞行器前端测压孔测量值构成的矢量，即

z_p＝[p₁ p₂ … p_j]^T (2)

j为测压孔总数目，p_i(i＝1,2,...,j)为测压孔i的测量值；

取三轴加速度计和陀螺仪的输出为惯性导航系统的观测量，即

其中矢量a_INS和ω_INS分别表示由加速度计和陀螺仪测量获得的载体视加速度与角速度矢量；

定义GPS输出z_GPS包括飞行器位置与速度信息，即

其中v_GPS和r_GPS分别表示由GPS测量获得的载体速度与位置矢量。

7.根据权利要求1所述的高超声速飞行器的大气数据测量方法，其特征在于第二步具体为：

第二步：系统动力学模型与观测模型建立：

基于高超声速飞行器动力学与运动学，有

式中D，L，Y分别为阻力、升力和侧向力；m为飞行器质量；表示由速度坐标系到ECEF坐标系的姿态转移矩阵；r为地心距；μ为引力常量；ω_e为地球自转角速度；w_wx、w_wy、w_wz表示随机白噪声；λ与ψ为大地经度与纬度；为飞行器绝对角速度；表示由ECEF坐标系到体坐标系的姿态转移矩阵；

根据式(1)和式(5)，系统动力学模型表示为

其中f(x)为式(5)等号右侧方程，w表示系统噪声；

飞行器前端表面压力表示为

p_i＝h_i(α_e β_e p_∞ M_a)+υ_pi (7)

其中h_i表示测压孔i的表面压力与大气数据间的函数，由地面风洞试验确定；α_e，β_e分别表示飞行器相对大气的当地攻角和当地侧滑角；p_∞表示来流静压；M_a表示当地马赫数；υ_pi表示测压孔i的测量噪声；

考虑惯性仪表零偏等测量误差，加速度计和陀螺仪的测量模型分别为

其中表示飞行器比力矢量；υ_a与υ_g分别表示加速度计和陀螺仪的测量噪声；

此外，GPS的观测信息表示为

其中r为飞行器地心距矢量；v_e是由v_ex、v_ey、v_ez构成的矢量，υ_v和υ_r分别表示GPS速度和位置测量噪声；

定义z为观测矢量，故系统观测模型表示为

8.根据权利要求1所述的高超声速飞行器的大气数据测量方法，其特征在于第三步具体为：

第三步，系统状态量的最优估计：

选择容积Kalman滤波算法为系统状态量最优估计算法，令系统初值的统计特性为其中表示初始估计值，P₀表示初始估计方差；通过测量沿弹道的观测数据z，利用容积Kalman滤波算法，获得t时刻的系统状态量估计值，即

9.根据权利要求1所述的高超声速飞行器的大气数据测量方法，其特征在于：第四步具体为：

第四步，大气数据估计：

利用系统状态量估计值估计出当地气攻角、当地侧滑角以及当地马赫数大气数据，计算方法如下

其中a为当地音速，v_w是由v_wx，v_wy，v_wz构成的矢量；

至此，便获得了当地攻角α_e，当地侧滑角β_e和当地马赫数M_a大气数据。