CN112346469A - 一种辅助应急动力控制方法装置及服务器 - Google Patents
一种辅助应急动力控制方法装置及服务器 Download PDFInfo
- Publication number
- CN112346469A CN112346469A CN202011101311.9A CN202011101311A CN112346469A CN 112346469 A CN112346469 A CN 112346469A CN 202011101311 A CN202011101311 A CN 202011101311A CN 112346469 A CN112346469 A CN 112346469A
- Authority
- CN
- China
- Prior art keywords
- airplane
- attitude
- energy
- emergency power
- control
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 238000012360 testing method Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims description 42
- 230000000694 effects Effects 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 208000028752 abnormal posture Diseases 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012850 discrimination method Methods 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 10
- 230000009471 action Effects 0.000 abstract description 6
- 230000004044 response Effects 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 28
- 238000011160 research Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000002360 explosive Substances 0.000 description 3
- 241000282461 Canis lupus Species 0.000 description 2
- 241000283153 Cetacea Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
- G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
- G05D1/0825—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using mathematical models
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/0295—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic and expert systems
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Fuzzy Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例提供了一种辅助应急动力控制方法,利用体积小、重量轻的作为额外动力辅助操作舵面进行协同控制,凭借此快速响应、易于控制的能量输出参与飞机姿态控制,有望辅助飞机迅速、高效摆脱姿态不平稳状态。因此,在多约束条件下飞机异常姿态控制中,对飞机姿态不稳原因、相应的姿态控制及能源需求模型、电池管理及能量管理算法进行研究,可为辅助应急动力作用下飞机姿态平稳控制试验提供技术参考。还提供了一种辅助应急动力控制装置,以实现操纵控制条件下的维持飞机姿态平稳。还提供了一种服务器,以实现辅助应急动力控制方法和装置的产品。
Description
技术领域
本发明涉及飞行器控制领域,具体涉及一种辅助应急动力控制方法装置及服务器。
背景技术
飞机起飞或着陆过程中飞行事故频发。当遭遇低空风切变、剪切风或异常气候环境 的频繁变化导致飞机飞行姿态遭到破坏时,需快速调整飞机的姿态角使飞机姿态保持平 稳以保证飞行安全,然而飞机非正常姿态下状态改变缓慢;另一方面由于飞机速度和高度不足、驾驶员感受姿态滞后等因素,及时调整飞行姿态恢复平稳所需的时间可能不够,个别驾驶员可能因反应不及时而无法在短期内有效改出姿态。
传统方法由发动机提供推力,通过舵面偏转改变飞行姿态,但是该方法针对飞机姿 态不平稳问题有时难以在短期奏效。在提供爆发式动力方面与其他方式相比优势突出:比机械结构可靠;与传统控制相比响应时间短;可有效解决舵机卡死情况;不用额外增 加发动机等。针对上述问题,若能利用体积小、重量轻、能量大、结构可靠的作为额外 动力辅助操作舵面进行协同控制,通过可提供快速响应、易于控制的爆发式能量输出的 参与飞机姿态控制,即作为辅助控制提供辅助应急动力,可迅速高效辅助飞机姿态摆脱 不平稳状态,为飞机姿态平稳控制提供新思路。
然而,发明人在实现本发明的过程中发现,现有技术至少存在如下问题:
目前,关于利用辅助应急动力实现飞机姿态平稳控制,还未出现一套完整的控制方 法。
发明内容
本发明实施例的目的在于提供一种辅助应急动力控制方法,以实现操纵控制条件下 的维持飞机姿态平稳。具体技术方案如下:
一种辅助应急动力控制方法,其特征在于:
S110.获取影响飞机正常飞行时异常姿态的目标因素。目标因素指飞机起飞和着陆 过程中存在的阵风、风切变、紊流以及地效中任意一种。
S120.将目标因素置于预设模型中,得到飞机姿态控制方案。预设模型指采集参数信息和采集约束条件结合后与飞机对能源需求的控制模型。采集参数信息包括目标因素和目标因素产生的强弱程度和持续时长。采集约束条件指飞机飞行时的实时约束条件, 包括现有舵面剩余操作时间、飞机当前状态信息以及技术指标约束。
S130.针对飞机姿态控制方案,利用飞机实际能源需求与储备能源之间的供需关系, 得到能源优化管理方案。供需关系指储备能源向飞机提供飞行时所需要的能量需求曲线。
利用体积小、重量轻的作为额外动力辅助操作舵面进行协同控制,凭借此快速响应、 易于控制的能量输出参与飞机姿态控制,有望辅助飞机迅速、高效摆脱姿态不平稳状态。 因此,在多约束条件下飞机异常姿态控制中,对飞机姿态不稳原因、相应的姿态控制及能源需求模型、电池管理及能量管理算法进行研究,可为辅助应急动力作用下飞机姿态 平稳控制试验提供技术参考。
进一步优化为:步骤S110中,目标因素包括:阵风、风切变、紊流以及地效。获 取阵风的方法为:通过阵风监测系统获取空中阵风的信息,阵风的信息指阵风的强弱程 度和偏离角度。
获取风切变的方法为:通过飞机内部座舱仪表判别法判断出引起飞机异常姿态时的 风切变信息,座舱仪表判别法是通过空速表、高度表、升降速率表以及俯仰姿态指示器读取空速、高度、升降速率以及俯仰姿态指示数据。
获取紊流的方法为:飞机在飞行时,机身感知到飞行区域的紊流而产生的颠簸。
获取地效的方法为:飞机在接近地面飞行时,自身感知到地面产生的空气动力干扰。
采用上述技术方案,通过该方法获取阵风、风切变、紊流以及地效这四种引起飞机飞行时产生异常姿态的因素,为恢复平稳姿态提供判断依据。
进一步优化为,将目标因素置于预设模型中,得到飞机姿态控制方案包括:
S210.将目标因素中的任一因素作为子目标因素,将子目标因素置于预设模型,得到每一个子目标因素对应的优化方案。
S220.利用检测平台对每一个子目标因素对应的优化方案进行测试,得到子目标因 素测试结果。
S230.将子目标因素测试结果带入预设方法中,得到每一个子目标因素对应的飞机 姿态控制方案,预设方法是指判断飞机恢复平稳姿态的模拟方法。
采用上述技术方案,通过预设模型将每个影响飞机飞行时影响异常姿态的子目标因 素进行模拟仿真和检测,得到恢复飞机平稳姿态的飞机姿态控制方案。
进一步优化为,检测平台集采用仿真系统与测试系统为一体的检测平台,仿真系统 采用仿真软件。
采用上述技术方案,利用仿真软件进行仿真,然后进行检测,对每一个目标因素进行分析,得出飞机姿态控制方案。
进一步优化为,预设模型对每一个子目标因素对应的飞机姿态控制方案进行方案存 档。
采用上述技术方案,将最优化的飞机姿态控制方案存档后,方便进行分析。
进一步优化为,利用飞机实际能源需求与储备能源之间的供需关系,得到能源优化 管理方案包括:
S310.飞机向能源管理模块发出维持姿态平稳所需能源的请求信息,并向能源管理 模块发出异常姿态时的目标因素。
S320.能源管理模块根据请求信息和目标因素综合判断分析,向飞机提供维持维持 飞机姿态平稳的辅助能源,作为辅助应急动力。
采用上述技术方案,通过该方法得到能源优化管理方案,为维持飞机平稳姿态提供 动力应急方案。
进一步优化为,辅助应急动力由提供。
采用上述技术方案,为维持飞机平稳姿态提供动力。
本发明实施的又一方面,还提供了一种计算机可读存储介质,所述计算机可读存储 介质中存储有指令,当其在计算机上运行时,使得计算机执行上述任一所述的辅助应急动力控制装置。
在本发明实施的又一方面,本发明实施例还提供了一种包含指令的计算机程序产品, 当其在计算机上运行时,使得计算机执行上述任一所述的服务器。
本发明实施例提供的一种辅助应急动力控制方法装置及服务器,当然,实施本发明 的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
图1为本实施例获取目标因素的流程图;
图2为本实施例得到飞机姿态控制方案的流程图;
图3为本实施例能源优化管理方案的流程图;
图4为本实施例辅助应急动力控制装置功能模块示意图;
图5为本实施例服务器的示意图。
具体实施方式
下面将结合本发明实施例中的附图1、附图2以及附图3,对本发明实施例中的技术方案进行描述。
如图1所示,一种辅助应急动力控制方法,其特征在于:
S110.获取影响飞机正常飞行时异常姿态的目标因素。目标因素指飞机起飞和着陆 过程中存在的阵风、风切变、紊流以及地效中任意一种。
S120.将目标因素置于预设模型中,得到飞机姿态控制方案。预设模型指采集参数信息和采集约束条件结合后与飞机对能源需求的控制模型。采集参数信息包括目标因素和目标因素产生的强弱程度和持续时长。采集约束条件指飞机飞行时的实时约束条件, 包括现有舵面剩余操作时间、飞机当前状态信息以及技术指标约束。
S130.针对飞机姿态控制方案,利用飞机实际能源需求与储备能源之间的供需关系, 得到能源优化管理方案。供需关系指储备能源向飞机提供飞行时所需要的能量需求曲线。
利用体积小、重量轻的作为额外动力辅助操作舵面进行协同控制,凭借此快速响应、 易于控制的能量输出参与飞机姿态控制,有望辅助飞机迅速、高效摆脱姿态不平稳状态。 因此,在多约束条件下飞机异常姿态控制中,对飞机姿态不稳原因、相应的姿态控制及能源需求模型、电池管理及能量管理算法进行研究,可为辅助应急动力作用下飞机姿态 平稳控制试验提供技术参考。步骤S110中,目标因素包括:阵风、风切变、紊流以及 地效。获取阵风的方法为:通过阵风监测系统获取空中阵风的信息,阵风的信息指阵风 的强弱程度和偏离角度。
获取风切变的方法为:通过飞机内部座舱仪表判别法判断出引起飞机异常姿态时的 风切变信息,座舱仪表判别法是通过空速表、高度表、升降速率表以及俯仰姿态指示器读取空速、高度、升降速率以及俯仰姿态指示数据。
获取紊流的方法为:飞机在飞行时,机身感知到飞行区域的紊流而产生的颠簸。
获取地效的方法为:飞机在接近地面飞行时,自身感知到地面产生的空气动力干扰。
采用上述技术方案,通过该方法获取阵风、风切变、紊流以及地效这四种引起飞机飞行时产生异常姿态的因素,为恢复平稳姿态提供判断依据。
将目标因素置于预设模型中,如图2所示,得到飞机姿态控制方案包括:
S210.将目标因素中的任一因素作为子目标因素,将子目标因素置于预设模型,得到每一个子目标因素对应的优化方案。
S220.利用检测平台对每一个子目标因素对应的优化方案进行测试,得到子目标因 素测试结果。
S230.将子目标因素测试结果带入预设方法中,得到每一个子目标因素对应的飞机 姿态控制方案,预设方法是指判断飞机恢复平稳姿态的模拟方法,通过预设模型将每个影响飞机飞行时影响异常姿态的子目标因素进行模拟仿真和检测,得到恢复飞机平稳姿态的飞机姿态控制方案,需说明的是本申请的模拟方法是应用了现有已公开技术的模拟方法。
因此,检测平台集采用仿真系统与测试系统为一体的检测平台,仿真系统采用仿真 软件,利用仿真软件进行仿真,然后进行检测,对每一个目标因素进行分析,得出飞机姿态控制方案。
预设模型对每一个子目标因素对应的飞机姿态控制方案进行方案存档,将最优化的 飞机姿态控制方案存档后,方便进行分析,利用飞机实际能源需求与储备能源之间的供需关系,如图3所示,得到能源优化管理方案包括:
S310.飞机向能源管理模块发出维持姿态平稳所需能源的请求信息,并向能源管理 模块发出异常姿态时的目标因素。
S320.能源管理模块根据请求信息和目标因素综合判断分析,向飞机提供维持维持 飞机姿态平稳的辅助能源,作为辅助应急动力。
通过该方法得到能源优化管理方案,为维持飞机平稳姿态提供动力应急方案。辅助 应急动力由提供,为维持飞机平稳姿态提供动力。
本发明实施的又一方面,还提供了一种计算机可读存储介质,所述计算机可读存储 介质中存储有指令,当其在计算机上运行时,使得计算机执行上述任一所述的辅助应急动力控制装置。
一种辅助应急动力控制装置,如图4所示,包括:
获取模块,用于获取飞机异常姿态的目标因素。
分析模块,用于将所述目标因素置于预设模型中,得到飞机姿态控制方案。
优化模块,用于针对所述飞机姿态控制方案,利用飞机实际能源需求与储备之间的 关系,得到能源优化管理方案。
在本发明实施的又一方面,本发明实施例还提供了一种包含指令的计算机程序产品, 当其在计算机上运行时,使得计算机执行上述任一所述的服务器。
本发明实施例提供的一种辅助应急动力控制方法装置及服务器,当然,实施本发明 的任一产品或方法必不一定需要同时达到以上所述的所有优点。
如图1所示,获取飞机正常飞行时引起异常姿态的目标因素。飞机起飞和着陆过程中缺少标准的起因判定规则,限制了飞机姿态控制方案的选择与研究,有必要通过传感 器采集的相关信息作为判断数据,以确保姿态异常变化的产生机理有良好的判定标准。 由于本发明基于专家经验进行控制方案研究,判定规则库在实际中被验证有效,因此本 发明切实可行。
充分考虑事先建立的阵风、风切变、紊流、地效判定规则库,并在此基础上构建飞行姿态影响因素-判别器的对应模型。针对飞机飞行姿态波动的控制方法问题,提出对 全新的起飞着陆过程中导致飞行姿态异常的起因研究框架。为有效根据引起飞行姿态不 平稳的因素设计不同的飞机姿态控制方案,本发明拟采用阵风、风切变、紊流、地效这 四个常见影响飞机姿态的因素作为典型案例进行深入研究,针对每种典型事件给出相应 的优化策略和控制方案。方案中,姿态平稳的影响因素被细分为4个典型情况。根据可 视化姿态传感器以及基于风场模型等事先建立的包括阵风、风切变、紊流、地效判定规 则库,进行影响姿态起因判定。首先,采集分布式风标传感器、可视化姿态传感器(或 利用舵偏角等传感器、GPS/北斗导航系统、惯性导航系统INS或IMU测量仪、给定飞 机的启动模型库中的信息进行飞机姿态解算)的信息作为输入,根据已经建立的阵风、 风切变、紊流、地效判定规则库,辨别飞机异常状态及其原因,在四个典型因素中进行 事件判定。拟采用模糊控制、反馈控制、机器学习等方法,通过输入多种姿态异常案例 进行识别对照,进一步设计更合理精确的传感器与事件对应关系,完善事件触发机制, 以确保所提控制方法的控制精度。
将目标因素置于预设模型中,得到飞机姿态控制方案。首先,检测当前舵面位置,评估现有舵面剩余操作空间,当通过舵面操作系统与飞机飞行动力学特性整体分析计算判断出舵面控制能力不足时,参与辅助操作舵面控制。然后,根据每个导致飞机不平稳 因素的强弱、持续时间等,结合飞机当前状态信息,包含飞机性能、航道、姿态等限制 条件,以及超调量指标、机翼高度等技术指标,对控制器进行一系列指标约束设计;实 时进行机翼高度检测,尤其在接近跑道时,需时刻保持机翼两端平衡。在每个采样时间 内,传感器持续采集环境信息、飞机状态参数,考虑相关约束,分析计算飞机对于能源 补充的需求,在控制时间周期内实时制定能源需求曲线及对应的控制策略,例如爆发式 供能或长时间供能,能量大小等,直到恢复平稳。最后,利用数值仿真和半实物验平台 进行方案测试,根据不同机动状态和飞机应急情况制定对应的应急控制决策。在验证方 案中,将理论计算与基于三轴转台的半实物仿真平台实验反馈与结果比对,修正研究方 案;根据研究成果,分析总结不同异常状态情形下的辅助应急控制策略,使飞机在异常 状态下迅速高效调整到目标飞行姿态,以保证控制器的应变性及机动性能。
针对所述飞机姿态控制方案,利用飞机实际能源需求与储备之间的关系,得到能源 优化管理方案。在电池管理问题中,考虑能源约束,使研究方案切实可行。借鉴申请人前期工作,考虑相关约束,包括能量输出不小于能量需求;电流不能倒流;相关飞行约 束;航路限制;故障约束等。在电池剩余放电时间预测算法设计中,拟使用预测优化控 制方法计算能源的剩余周期,对能源系统进行预测优化及调度管理。在能源管理中,考 虑影响持续时间、能量需求、能源剩余、电池性能曲线约束及飞机性能约束指标等进行 优化管理。在能源最大功率追踪优化问题中,考虑温度、光照、风力等环境参数对于模 块的影响,最大化提高能源利用率。探究电池在不同剩余周期下的充放电模型,在此基 础上推导计算能量管理的优化指标及优化约束条件,解决有限能源及约束条件下能源合 理使用的优化管理问题,以保证所研究控制系统的性能。将所用优化算法与标准优化算 法比较,找出最优研究算法。在能量管理问题中,拟使用模型预测控制、模糊控制等控 制策略以及粒子群优化、鲸鱼优化、灰狼优化等优化算法。将所用控制及优化方法进行 比较,找出针对此问题的最佳控制方案。在能源利用最大化控制(MPPT)领域中,拟 参考近期研究算法如粒子群优化、鲸鱼优化、灰狼优化等方法替代传统的扰动观察法及 增量法,并与传统控制算法进行比较。
本发明实施例还提供了一种服务器,如图5所示,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现如下步骤:
将目标因素置于预设模型中,得到飞机姿态控制方案;
针对所述飞机姿态控制方案,利用飞机实际能源需求与储备之间的关系,得到能源 优化管理方案。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总 线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总 线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以 包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存 储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称 CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit, 简称ASIC)、现场可编程门阵列(Field-Programmable GateArray,简称FPGA)或者 其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读 存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的基于飞机异常姿态的辅助应急控制方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在 计算机上运行时,使得计算机执行上述实施例中任一所述的辅助应急动力控制装置。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。 当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序 产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专 用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读 存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如, 所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴 电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个 网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算 机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等 数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质 (例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体 或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存 在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括 那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物 品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要 素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分 互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法 实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本 发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (9)
1.一种辅助应急动力控制方法,其特征在于:
S110.获取影响飞机正常飞行时异常姿态的目标因素;所述目标因素指飞机起飞和着陆过程中存在的阵风、风切变、紊流以及地效中任意一种;
S120.将所述目标因素置于预设模型中,得到飞机姿态控制方案;所述预设模型指采集参数信息和采集约束条件结合后与飞机对能源需求的控制模型;所述采集参数信息包括所述目标因素和所述目标因素产生的强弱程度和持续时长;所述采集约束条件指飞机飞行时的实时约束条件,包括现有舵面剩余操作时间、飞机当前状态信息以及技术指标约束;
S130.针对所述飞机姿态控制方案,利用飞机实际能源需求与储备能源之间的供需关系,得到能源优化管理方案;所述供需关系指储备能源向飞机提供飞行时所需要的能量需求曲线。
2.根据权利要求1所述的辅助应急动力控制方法,其特征在于:步骤S110中,所述目标因素包括:阵风、风切变、紊流以及地效。获取所述阵风的方法为:通过阵风监测系统获取空中阵风的信息,所述阵风的信息指阵风的强弱程度和偏离角度;
获取所述风切变的方法为:通过飞机内部座舱仪表判别法判断出引起飞机异常姿态时的所述风切变信息,所述座舱仪表判别法是通过空速表、高度表、升降速率表以及俯仰姿态指示器读取空速、高度、升降速率以及俯仰姿态指示数据;
获取所述紊流的方法为:飞机在飞行时,机身感知到飞行区域的紊流而产生的颠簸;
获取地效的方法为:飞机在接近地面飞行时,自身感知到地面产生的空气动力干扰。
3.根据权利要求1所述的辅助应急动力控制方法,其特征在于:将所述目标因素置于预设模型中,得到所述飞机姿态控制方案包括:
S210.将所述目标因素中的任一因素作为子目标因素,将所述子目标因素置于所述预设模型,得到每一个所述子目标因素对应的优化方案;
S220.利用检测平台对每一个所述子目标因素对应的优化方案进行测试,得到子目标因素测试结果;
S230.将所述子目标因素测试结果带入预设方法中,得到每一个子目标因素对应的所述飞机姿态控制方案,所述预设方法是指判断飞机恢复平稳姿态的模拟方法。
4.根据权利要求3所述的辅助应急动力控制方法,其特征在于:所述检测平台集采用仿真系统与测试系统为一体的检测平台,所述仿真系统采用仿真软件。
5.根据权利要求3所述的辅助应急动力控制方法,其特征在于:所述预设模型对所述每一个子目标因素对应的所述飞机姿态控制方案进行方案存档。
6.根据权利要求1所述的辅助应急动力控制方法,其特征在于:所述利用飞机实际能源需求与储备能源之间的供需关系,得到能源优化管理方案包括:
S310.飞机向所述能源管理模块发出维持姿态平稳所需能源的请求信息,并向能源管理模块发出异常姿态时的目标因素;
S320.所述能源管理模块根据所述请求信息和所述目标因素综合判断分析,向飞机提供维持飞机姿态平稳的辅助能源,作为辅助应急动力。
7.根据权利要求1所述的辅助应急动力控制方法,其特征在于:所述辅助应急动力由提供。
8.一种辅助应急动力控制装置,其特征在于:
获取模块,用于获取飞机异常姿态的目标因素;
分析模块,用于将所述目标因素置于预设模型中,得到飞机姿态控制方案;
优化模块,用于针对所述飞机姿态控制方案,利用飞机实际能源需求与储备之间的关系,得到能源优化管理方案。
9.一种服务器,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011101311.9A CN112346469A (zh) | 2020-10-15 | 2020-10-15 | 一种辅助应急动力控制方法装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011101311.9A CN112346469A (zh) | 2020-10-15 | 2020-10-15 | 一种辅助应急动力控制方法装置及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112346469A true CN112346469A (zh) | 2021-02-09 |
Family
ID=74361944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011101311.9A Withdrawn CN112346469A (zh) | 2020-10-15 | 2020-10-15 | 一种辅助应急动力控制方法装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112346469A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010044680A1 (en) * | 1999-09-25 | 2001-11-22 | Lemelson Jerome H. | Fuzzy logic based emergency flight control with thrust vectoring capability |
CN110723303A (zh) * | 2019-11-01 | 2020-01-24 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 辅助决策的方法、装置、设备、存储介质及系统 |
CN111142550A (zh) * | 2020-01-09 | 2020-05-12 | 上海交通大学 | 民用飞机辅助驾驶控制方法、系统及飞行品质评估方法 |
CN111198569A (zh) * | 2020-01-17 | 2020-05-26 | 西北工业大学 | 一种新能源辅助应急动力控制方法装置及服务器 |
CN111413871A (zh) * | 2020-03-30 | 2020-07-14 | 西北工业大学 | 一种调整飞机异常姿态的方法装置及服务器 |
-
2020
- 2020-10-15 CN CN202011101311.9A patent/CN112346469A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010044680A1 (en) * | 1999-09-25 | 2001-11-22 | Lemelson Jerome H. | Fuzzy logic based emergency flight control with thrust vectoring capability |
CN110723303A (zh) * | 2019-11-01 | 2020-01-24 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 辅助决策的方法、装置、设备、存储介质及系统 |
CN111142550A (zh) * | 2020-01-09 | 2020-05-12 | 上海交通大学 | 民用飞机辅助驾驶控制方法、系统及飞行品质评估方法 |
CN111198569A (zh) * | 2020-01-17 | 2020-05-26 | 西北工业大学 | 一种新能源辅助应急动力控制方法装置及服务器 |
CN111413871A (zh) * | 2020-03-30 | 2020-07-14 | 西北工业大学 | 一种调整飞机异常姿态的方法装置及服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104773304B (zh) | 空气动力学结构的负荷估计系统 | |
US9567095B2 (en) | System and method for aircraft capacity prediction | |
EP2570880B1 (en) | A method for real-time model based structural anomaly detection | |
EP2637010B1 (en) | Method and system for monitoring a structure | |
CN107273561A (zh) | 飞行事件期间飞行器的机载结构负载评估 | |
AU2020344464B2 (en) | Unsupervised anomaly detection for autonomous vehicles | |
JP6072446B2 (ja) | 航空機のパフォーマンスを算出する発見的方法 | |
CN103514360A (zh) | 失速管理系统 | |
CN108609202B (zh) | 飞行颠簸预测方法及系统 | |
CN111198569A (zh) | 一种新能源辅助应急动力控制方法装置及服务器 | |
Kong et al. | Bayesian deep learning for aircraft hard landing safety assessment | |
Hadjaz et al. | Online learning for ground trajectory prediction | |
CN106127407B (zh) | 基于多传感器信息融合的飞机行程打分方法及打分系统 | |
KR101193116B1 (ko) | 회전익 항공기의 비행 패턴의 인식 방법, 이를 구현하는 비행 패턴 인식 장치 및 기록 매체 | |
US20240012432A1 (en) | Systems and methods for controlling a flight boundary of an aircraft | |
CN112346469A (zh) | 一种辅助应急动力控制方法装置及服务器 | |
Kilic et al. | Digital twin for Electronic Centralized Aircraft Monitoring by machine learning algorithms | |
CN114462740A (zh) | 飞行任务评估方法、装置、设备和计算机可读存储介质 | |
Zhao et al. | A performance evaluation algorithm of stochastic hybrid systems based on fuzzy health degree and its application to quadrotors | |
Dutta et al. | Machine-Learning Based Rotor Fault Diagnosis in a Multicopter with Strain Data | |
Balachandran et al. | An autonomous override system to prevent airborne loss of control | |
Zongqi et al. | A data-driven predictive maintenance method for quadrotor propulsion system based on LSTM network | |
KR102665097B1 (ko) | 군집 시스템에서 개별 이동체의 이상 탐지 방법 및 장치 | |
Berry et al. | Automatic regime recognition using neural networks | |
Tato et al. | Automatic learning of piloting behavior from flight data |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210209 |