CN114442651B - 用云飞行管理系统判定机载飞行管理系统工作模式的方法 - Google Patents

Abstract

本发明公开了一种基于云飞行管理系统判定机载飞行管理系统的工作模式的方法，该方法包括如下步骤，云飞行管理系统基于所述传感器数据按照预定的规则获得飞机的估计位置、实际导航性能数据以及对应的最优导航传感器数据源，再以估计位置为圆心，与估计位置对应的实际导航性能值为半径生成参考圆。当机载飞行管理单元触发独立工作模式时，云飞行管理系统比对来自机载飞行管理单元的飞机的导航位置信息与参考圆的位置关系，并由此判定维持当前主机载飞行管理单元、切换当前主、从机载飞行管理单元或者采用最优导航传感器数据源生成数据包并发送给机载飞行管理单元以供查看使用。

Description

用云飞行管理系统判定机载飞行管理系统工作模式的方法

技术领域

本发明涉及飞行器的飞行器管理系统，尤其是涉及一种利用云飞行管理系统判定机载飞行管理系统的工作模式的方法。

背景技术

飞行管理系统(FMS)是一个辅助飞行员完成从起飞到着陆各项任务的机载航电系统，能够管理、监视和自动操纵飞机，实现飞机全航程的自动飞行。一般支线、干线飞机采用两套机载FMS配置，这两套机载FMS分别分布于飞机的左右两侧。正常情况下，两套机载FMS处于同步工作状态，但是，当出现自身故障、通信故障或对比结果明显不一致时，两套机载FMS无法同步工作，将触发进入独立工作状态。

此时需要判定独立工作的两套机载FMS的工作模式，即判定其中一套准确度较高的机载FMS为主机载FMS以执行所有计算，产生飞机导引指令，判定另一套机载FMS为从机载FMS来提供导航定位信息的交叉检查。但是现有飞机的飞行管理系统中，机载FMS自动判定主、从机载FMS的能力有限，大多数情况只能由飞行员手动判定，因此极大地增加了飞行员的工作负荷，造成飞机的飞行安全裕度大大降低。

发明内容

为解决现有技术中存在的以上问题，本发明提出了利用云飞行管理系统(即云飞管)判定机载飞行管理系统的工作模式的方法，在现有至少两套机载FMS的基础上增加计算资源更加强大的云飞管，通过将导航传感器数据源的导航传感器进行组合，云飞管经组合导航算法计算能够得到高精度的飞机的估计位置数据和实际性能数据以及对应的最优导航传感器数据源，进而比对机载端的导航数据与云飞管计算获得的飞机估计位置数据及对应的实际导航性能数据之间的差异而确定主机载FMS，从而最终判定机载飞行管理系统的主从工作模式。

具体而言，本发明提供了一种利用云飞行管理系统判定机载飞行管理系统的工作模式的方法，前述机载飞行管理系统包括至少两个能够与云飞行管理系统双向通信的机载飞行管理单元，每个机载飞行管理单元被配置成在正常情况下处于同步工作模式，进行各自的计算以获得相应的飞机的导航位置和实际导航性能数据，并通过交叉对比的方式同步各自的数据，其中，一个机载飞行管理单元按照预设的条件被配置为主机载飞行管理单元，其余机载飞行管理单元被配置为从机载飞行管理单元，其特点在于，该方法包括以下步骤：

步骤一、云飞行管理系统连续接收来自多套导航传感器数据源的传感器数据和每个机载飞行管理单元的飞机的导航位置和实际导航性能数据，并基于前述传感器数据按照预定的规则获得飞机的估计位置、实际导航性能数据以及对应的最优导航传感器数据源；

步骤二、云飞行管理系统以前述估计位置为圆心，与该估计位置对应的实际导航性能值为半径生成参考圆；

步骤三、当机载飞行管理单元触发独立工作模式时，云飞行管理系统将比对来自机载飞行管理单元的飞机的导航位置与前述参考圆的位置关系，

其中，当来自主机载飞行管理单元的飞机的导航位置落在前述参考圆内时，云飞行管理系统判定维持当前主机载飞行管理单元；

当来自主机载飞行管理单元的飞机的导航位置落在前述参考圆之外、但来自其中一个所述从机载飞行管理单元的飞机的导航位置落在前述参考圆内时，判定导航位置落在前述参考圆内的其中一个从机载飞行管理单元为主机载飞行管理单元；

当来自主、从机载飞行管理单元的飞机的导航位置均未落在前述参考圆内时，云飞行管理系统将采用最优导航传感器数据源生成数据包并发送给机载飞行管理系统以供查看使用。

使用根据本发明公开的利用云飞行管理系统判定机载飞行管理系统的工作模式的方法，不仅能够实现机载飞行管理系统工作模式的自动判定，还能够生成最能够反映当前飞机状态的导航信息，从而辅助飞行员做出控制指令，尽可能地减小飞行员的工作负荷，实现飞机飞行安全裕度的大幅提升。

根据本发明的一种实施方式，当来自不同的机载飞行管理单元的飞机的导航位置的差值超过设定的阈值时，确定机载飞行管理单元处于独立工作模式。

根据本发明的另一种实施方式，云飞行管理系统将多套导航传感器数据源中的导航传感器进行组合，再经组合导航算法计算生成对应的多套参考估计位置数据和实际导航性能数据，并从多套参考估计位置数据和实际导航性能数据中筛选出一套以作为所述飞机的估计位置数据和实际导航性能数据，并由此获得对应的最优导航传感器数据源。

根据本发明的另外一种实施方式，组合导航算法计算生成参考位置数据和实际导航性能数据的步骤包括：云飞行管理系统根据当前时刻的惯导位置数据，全球卫星定位系统位置数据和无线电导航位置数据，采用卡尔曼滤波算法，利用惯导传感器模型进行位置预测，再利用全球卫星定位系统位置和无线电导航位置进行位置信息校正，从而获得飞机的参考位置数据及实际导航性能数据。

根据本发明的另外一种实施方式，云飞行管理系统从多套参考位置数据和实际导航性能数据中筛选出与最小实际导航性能数据对应的参考位置作为飞机的估计位置，该最小实际导航性能数据为飞机的实际导航性能数据，并且以其采用参与计算的导航传感器数据源为最优导航传感器数据源。

根据本发明的另一种实施方式，云飞行管理系统与地面雷达设备彼此通信，能够接收来自地面雷达设备的雷达位置数据，根据雷达信号的带宽和信噪比因素计算雷达位置精度，并将雷达位置作为飞机的估计位置，将雷达位置精度作为飞机的实际导航数据性能值。

根据本发明的另外一种实施方式，云飞行管理系统将多套导航传感器数据源中的导航传感器进行组合，再经组合导航算法计算生成对应的多套参考估计位置数据和实际导航性能数据，并且从前述多套参考估计位置数据和实际导航性能数据中筛选出实际导航性能数据前三小，且对应的参考位置最接近所述雷达位置的一套，以其采用参与计算的导航传感器数据源为最优导航传感器数据源。

根据本发明的另外的一种实施方式，来自机载飞行管理单元的飞机的导航位置与参考圆的圆心的距离数值小于参考圆的半径，则机载飞行管理单元落在参考圆内。

根据本发明的另外一种实施方式，来自多套导航传感器数据源的传感器数据包括历史传感器数据和实时传感器数据，从而云飞行管理系统能够在每个时刻计算得到飞机的估计位置数据、实际导航性能数据和最优导航传感器数据源，由此能够及时准确判定机载飞行管理系统的主从工作模式。

根据本发明的另外一种实施方式，相同的机载飞行管理单元被配置为接收来自不同的导航传感器数据源的传感器数据以避免导航传感器数据源的共模问题。

根据本发明的另外一种实施方式，该方法还包括：云飞行管理系统将判定的机载飞行管理系统的主从工作模式数据和最优导航传感器数据源信息数据发送到机载飞行管理系统以显示主、从机载飞行管理单元和推荐的导航传感器数据源。

根据本发明的另外一种实施方式，该方法还包括：通过机载飞行管理系统中的显示告警单元显示飞机的估计位置信息、最优导航传感器数据源信息、主机载飞行管理单元以及独立工作告警信息。

根据本发明的另外一种实施方式，该方法还包括：通过机载飞行管理系统中的操作设备选择确定显示告警单元显示的信息以及查看使用最优导航传感器数据源。

在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实施例。

本发明的上述优选实施方式的积极进步效果在于：

根据本发明的以上各实施方式提供的一种利用云飞行管理系统判定机载飞行管理系统的工作模式的方法，通过在现有机载飞行管理系统的基础上增设云端飞行管理系统，不仅能够重构导航传感器数据源以有效获得最优传感器数据，还能够获得高精度的云飞管的飞行信息数据，提高了飞行导航的准确性。通过比较来自机载飞行管理单元的导航位置数据与云飞管的估计位置数据以及实际导航性能数据生成的参考圆的位置关系，以此来判断有效的主用机载飞行管理单元的信息，从而能够实现机载飞行管理系统工作模式的有效判定。

附图说明

图1为根据本发明优选实施方式中的一种利于云飞行管理系统判定机载飞行管理系统的工作模式的方法的流程图。

图2为图1所示方法中的生成最优导航传感器数据源和参考圆的方法的流程图。

图3为图2所示方法中的生成的参考圆的示意图。

图4为适用于图1所示方法的系统的架构框图。

图5为图4所示的系统中的显示告警系统显示的FMS相关页面的源选择菜单的示意图。

图6为图4所示的系统中的显示告警系统显示的判定FMS1为主用的云飞管判定参考信息的示意图。

图7为图4所示的系统中的显示告警系统显示的判定FMS2为主用的云飞管判定参考信息的示意图。

图8为图4所示的系统中的显示告警系统显示的导航传感器配置信息更新的云飞管判定参考信息的示意图。

具体实施方式

下面将结合说明书附图，进一步对本发明的优选实施例进行详细描述。请注意，以下的描述仅为示例性的，并非对本发明保护范围加以限制，任何的其他类似情形也都将落入本发明的保护范围之中。

在以下的具体描述中，数量性的术语，例如“两套”、“至少两套”、“三套”等，参考附图中描述的数量使用。本发明的实施例的设备、装置、系统、部件可被赋予多种不同的数量，数量性的术语是用于示例的目的而非限制性的。

飞行管理系统(FMS)是一个辅助飞行员完成从起飞到着陆各项任务的机载航电系统，能够管理、监视和自动操纵飞机，实现飞机全航程的自动飞行。飞行管理系统能够综合机上各类导航传感器数据，计算飞机当前位置、速度、航向等信息，由此保证飞机稳定飞行在飞行计划对应的航路上，并且能够有效降低飞行员工作负担、从而实现飞机自动且最优地完成各项航行任务。

一般支线、干线飞机采用在左右两侧各配置一套机载FMS的双套机载FMS的飞行管理系统，以满足RNP运行的要求。正常情况下，两套机载FMS处于同步工作状态，每套机载FMS通过数据总线同时接收来自导航传感器数据库的原始导航数据，通过导航算法进行各自的计算，再通过交叉对比的方式同步各自的数据，从而实现两套机载FMS的同步工作。

但是，一旦出现故障或两套机载FMS的交叉对比结果明显不一致时，两套机载FMS无法同步工作。具体地，任一套机载FMS发生故障时，两套机载FMS驻留的导航数据库不一致时，两套机载FMS无法建立正常的通信连接时或者两套机载FMS的导航位置相差超过某个阈值时，两套机载FMS都将触发进入独立工作状态。

当两套机载FMS进入独立工作状态之后，需要判定机载FMS的工作模式，即判定最有效的机载FMS，并将其设定为主机载FMS，另一套机载FMS判定为从机载FMS。在飞机飞行过程中，主要使用主机载FMS来执行所有计算，产生飞机导引指令。从FMS起辅助作用，主要提供导航定位信息的交叉检查。

通过机载FMS自动判定有效的FMS作为主FMS，或者由飞行员通过检查相关导航传感器数据源的传感器数据后，再手动判定主机载FMS，是目前判定两套独立工作机载FMS的工作模式的两种方法。但是这两种方式都存在一定的问题。

首先，机载FMS自动判定有效的FMS作为主FMS的能力十分有限。当任一套机载FMS故障或者两套机载FMS配置的导航数据库不一致时，尚能够自动判定机载FMS的工作模式，判断有效的机载FMS，并将其设定为主机载FMS。但是当存在通信故障或者两套机载FMS的导航位置相差超过某个阈值，则只能交由飞行员手动判定，手动确定主机载FMS。

其次，飞行员进行手动判定时，操作繁琐，十分不便。为手动判定机载FMS的工作模式，飞行员需要先操作机载FMS相关功能按键，然后在显示系统中的机载FMS相关显示页面调取相关的警告信息和导航传感器数据，再接着结合经验进行分析，从而最终能够做出判定。

此外，在飞机进行所需导航性能(RNP)巡航飞行时，飞行员尚有精力进行操作。但是在进行RNP进近，特别是要求授权的所需导航性能(RNP AR)进近时，机场周围地形环境复杂，飞行安全包容区变窄，飞行员需要进行一系列的操作与分析来实现手动判定，这会极大提高飞行员的工作负荷，从而大大降低飞行安全裕度。

近些年来，云飞行管理系统(以下简称云飞管)、分布式飞管和飞管互联已经成为一个研究和专利布局热点，相关专利正逐步增加。专利US20190149404A1公开了有关云飞管的数据接收、处理、存储和发送的技术方案，专利US20190164433A1公开了基于云飞管的机队管理模式，专利US9824593B1公开了有关飞行计划和航路管理的空地数据共享的技术方案，专利US9613536B1公开了分布式FMS的构成架构和方法。这些有关云飞管技术的研究与发展，使云飞管结合机载飞行管理系统的飞机飞行管理系统逐渐成熟，为云飞管协助机载飞行管理系统的工作提供了条件。

本发明在传统机载FMS工作模式判定功能的基础上，扩展了设置在云端的FMS增强功能，提供基于云飞管的机载FMS工作模式判定方法，解决目前单纯依靠机载FMS和飞行员手动判定无法满足机载FMS工作模式的判定需求的问题。云飞管的引入将大大增强飞行管理系统和机载FMS的计算能力，在云端同步运行精确复杂的飞管算法、同步储存海量飞行数据记录。机载FMS所驻留的计算机无需进行大幅度硬件更改和升级，即可实现FMS功能和性能的增强和扩展，提升飞行员的飞行情景感知能力，提高飞机运行安全和效率。

进一步地，当两套机载FMS进入独立工作状态时，现有方法无法自动判定机载FMS主从工作模式的情况下，本发明较优实施方式所公开的方法中的云飞管能够全面综合机载设备的各类信息，并结合与机载FMS通信的各项数据，凭借其本地强大的运算分析能力，生成最能够反映当前飞机状态的导航信息，从而为机载FMS生成主从判定参考。

最终辅助飞行员决策应处于主用工作模式下的FMS和最恰当的导航传感器组合，减轻机组人员人工判定的工作负担，提高FMS的完整性和可用性，为基于FMS的所需导航性能(RNP)运行过程提供极大帮助。具体地，将结合附图对本发明公开的基于云飞行管理系统判定机载飞行管理系统的工作模式的方法在下文中详述。

由前述内容可知，机载飞行管理系统包括至少两个能够与云飞行管理系统双向通信的机载飞行管理单元，每个机载飞行管理单元被配置成在正常情况下处于同步工作模式，进行各自的计算以获得相应的飞机的导航位置和实际导航性能数据，并通过交叉对比的方式同步各自的数据，其中，一个机载飞行管理单元按照预设的条件被配置为主机载飞行管理单元，其余机载飞行管理单元被配置为从机载飞行管理单元，

因此，如图1所示，该利用云飞行管理系统判定机载飞行管理系统的工作模式的方法包括如下步骤：

步骤一：云飞行管理系统连续接收来自多套导航传感器数据源的传感器数据和每个机载飞行管理单元的飞机的导航位置和实际导航性能数据，并基于传感器数据按照预定的规则获得飞机的估计位置、实际导航性能数据以及对应的最优导航传感器数据源；

步骤二：云飞行管理系统以估计位置为圆心，与估计位置对应的实际导航性能值为半径生成参考圆；

步骤三：当机载飞行管理单元触发独立工作模式时，云飞行管理系统比对来自机载飞行管理单元的飞机的导航位置信息与参考圆的位置关系，其中，

当来自主机载飞行管理单元的飞机的导航位置落在参考圆内时，云飞行管理系统判定维持当前主机载飞行管理单元；

当来自主机载飞行管理单元的飞机的导航位置落在参考圆之外、但来自其中一个从机载飞行管理单元的飞机的导航位置落在参考圆内时，判定导航位置落在参考圆内的所述其中一个从机载飞行管理单元为主机载飞行管理单元；

当来自主、从机载飞行管理单元的飞机的导航位置均未落在参考圆内时，云飞行管理系统采用最优导航传感器数据源生成数据包并发送给机载飞行管理单元以供查看使用。

其中，机载FMS系统包括至少两套机载FMS单元，机载FMS单元在正常状态下处于同步工作状态。示例性地，可以按照预定的逻辑初步设定机载FMS系统的主从工作模式，具体地，可以根据飞机综合模块化航电系统上电顺序，或者主驾驶侧优先，或者其他自动模式，选择一套机载FMS作为主机载FMS，其余机载FMS为从机载FMS。

每套机载FMS单元均通过数据总线与导航传感器数据源装置进行连接，以接收来自导航传感器数据源装置中的传感器数据。进一步地，导航传感器数据源装置包括多套导航传感器数据源，每套机载FMS单元均通过数据总线与多套导航传感器数据源进行连接，以接收来自导航传感器数据源的传感器数据。

其中，导航传感器数据源被安装在飞机上，能够测量飞机位置(经纬度)、高度、姿态、速度和航向。导航传感器数据源中可能包括多种数据源系统，具体包括惯性基准数据源系统(IRS)、大气数据数据源系统(ADS)、全球卫星定位数据源系统(GNSS)和无线电导航设备导航数据源系统。

并且，导航传感器数据源可以具有多套。优选地，导航传感器数据源有3套。每套导航传感器数据源的导航系统配置可以相同，也可以不同的。默认情况下，每套机载FMS都会与三套导航传感器数据源建立连接。优选地，两套算法相同的机载FMS软件接收不同的导航传感器数据源，以避免来自导航传感器数据源的共模问题。

每个机载飞行管理单元能够基于接收到的来自导航传感器数据源的传感器数据，根据导航算法计算生成机载端的飞行信息数据。其中，机载FMS单元的飞行信息数据包括导航位置信息数据、实际导航性能数据(ANP)、地速数据和航向数据等。

云飞行管理系统和机载FMS彼此通信连接，示例性地，云飞行管理系统和机载飞行管理系统通过机载FMS通信模块和云飞管通信模块建立通信连接，连续接收来自多套导航传感器数据源的历史数据、机载端的飞行信息数据和机载飞行管理单元间的通信状态数据，再根据接收到的传感器数据生成飞机的估计位置数据和实际导航性能数据。

其中，云飞行管理系统(简称云飞管)是FMS技术发展的重要方向。它的实现方式是在网络云端驻留FMS功能，通过与机载FMS进行双向通信，获得机载FMS相关的飞行数据。同时，云飞管综合其负责空域内其他飞机的飞行数据以及气象温度信息，凭借自身强大的计算能力，为机载FMS提供更加详细和优化的飞行信息，达到优化航线运行、提高空域安全效率等目的。

随着近年来5G技术的持续发展，5G大带宽、低延时的优良特性将大大改善目前飞机空地通信的现状，实现空地之间大容量实时数据的传输共享，保证了机载端与云飞管数据交互的实时性和可靠性，从而实现云飞管连续接收来自机载FMS的数据。

云飞管接收机载FMS数据包，通过解析数据包能够获得多套导航传感器数据源的历史传感器数据和实时传感器数据、每套机载FMS单元的飞行信息数据、机载FMS单元的工作模式数据和机载FMS单元之间的通信数据。

然后，云飞管根据历史和实时传感器数据，按照预定的规则获得云飞管的飞行信息数据，并获得对应的最优的导航传感器数据源。其中，云飞管的飞行信息数据包括飞机的估计位置数据和实际导航性能数据(ANP)。

随后，云飞管以飞机的估计位置数据为圆心、对应的实际导航性能数据为半径模拟出一个参考圆，通过比较每套机载FMS计算的导航位置与参考圆的位置关系来判定主机载FMS，从而判定机载飞行管理系统的主从工作模式。

具体地，图2示出了云飞管生成最优导航传感器数据源和参考圆的方法。如图2所示，当机载飞行管理单元的数据超过阈值时，云飞管接收并解析机载FMS数据包，能够获得多套导航传感器数据源的历史传感器数据和实时传感器数据、每套机载FMS单元的飞行信息数据、机载FMS单元的工作模式数据和机载FMS单元之间的通信数据。

并且，云飞管除了与其他机载FMS进行信息互联，收取气象/温度数据源之外，还能与地面雷达设施进行实时通信，获取地面雷达设施管辖空域内的飞机雷达位置。考虑到飞机与雷达的径向距离，雷达信号的带宽和信噪比等，云飞管能够对飞机雷达位置的精度进行估计。在借助地面雷达设施的情况，云飞管的估计位置为雷达位置，云飞管位置的实际导航性能值为雷达位置精度。以此，云飞管能够以其估计位置为圆心，实际导航性能值为半径生成参考圆。

同时，由于借助了地面雷达设施获得了一个较精准的飞机位置，这个飞机位置并非通过机载导航传感器信息计算获得，因此，还需要确定一个云飞管推荐的导航传感器数据源配置。通过对机载导航传感器的所有组合进行组合导航计算，计算出各自对应的参考位置及ANP值。

首先对所有ANP值进行大小比较，选择最小的三个ANP值，他们对应的参考位置距离与雷达位置最近者，即为机载导航传感器能够获得的最优位置，该最优位置对应的导航传感器数据源配置即为云飞管推荐的配置，也就是最优导航传感器数据源。

如果飞机运行空域缺少雷达监视，云飞管无法获得飞机的雷达位置信息，云飞管估计位置的确定方法为云飞管平台对机载导航传感器的所有组合进行组合导航计算，计算出各自对应的参考位置及ANP值。选取其中ANP值最小的参考位置及该ANP值，作为云飞管的估计位置和ANP值，并且以该估计位置为圆心、ANP值为半径生成参考圆。同时，该ANP值最小的参考位置采用的导航传感器数据源配置即为云飞管推荐的配置，也就是最优导航传感器数据源。

或者，凭借云飞管本地强大的计算能力和大带宽的通信能力，云飞管能够连续接收所有来自机载导航传感器数据源，通过分析它们的历时数据，评估传感器数据完好性指标，采用投票表决和组合导航算法生成一套最优的导航传感器数据源。

示例性地，最优的导航传感器数据源可以从机载导航传感器数据源1中挑选出GNSS1、导航传感器数据源2中挑选出IRS2、导航传感器数据源3中挑选ADS3等。进而通过与机载FMS类似的导航计算算法，生成出相应位置信息和ANP数值。这些位置信息和ANP数据基于最优的导航传感器数据源，相比机载FMS的结果更加精确，数据可靠性也更高，但是算法也更复杂。

其中，组合导航计算是指通过组合导航计算模块接收飞机当前时刻的惯导位置，GNSS位置和无线电导航位置，采用卡尔曼滤波算法，利用惯导传感器模型进行位置预测，再利用GNSS位置和无线电导航位置进行位置信息校正，从而获得飞机的融合位置及实际导航性能(ANP)值。

此外，ANP是一种基于确定的刻度的测量方法，以海里表示，它表明当前位置估计的性能，在某些航空器上也称作估计位置偏差(EPU)和估计位置误差(EPE)。ANP的海里数值表明当前的FMS导航计算的位置信息在95％概率下精度小于ANP的海里数。因此，将位置数据作为圆心，以ANP的海里数值作为半径，可以得到一个圆形区域(即参考圆)，飞机的真实位置95％的概率落在该参考圆内。

图3示出了生成的参考圆，通过判定机载FMS计算的位置是否落在图3所示的参考圆内来判定机载FMS的主从工作模式。如图3所示，云飞管基于最优导航传感器数据源在每个时刻计算得到的最优位置P*和ANP*和对应的参考圆，这些信息的计算是始终在进行的。同时，云飞管将生成和记录下一系列的P*(k)与ANP*(k)、P*(k-1)与ANP*(k-1)、P*(k-2)与ANP*(k-2)等，以便在一旦接收到机载FMS进入独立工作模式时，能够及时准确地提供相应的判定信息。当机载飞行管理单元的飞机的导航位置与参考圆的圆心的距离数值小于参考圆的半径，则机载飞行管理单元落在所述参考圆内

而且，云飞管连续接收来自多套导航传感器数据源的历史数据、机载端的飞行信息数据和机载FMS单元间的通信状态数据后，能够根据前述通信状态数据判断是否机载FMS单元之间无法建立正常的通信连接。若前述通信状态数据为空或者明显不正确，则云飞管判定机载FMS单元由于无法建立正常的通信连接而独立工作。

或者，云飞管根据前述来自多套导航传感器数据源的历史数据判断至少两个FMS单元驻留的导航数据库里的传感器数据是否一致，若不一致，则云飞管判定机载FMS的独立工作的原因为机载FMS单元驻留的导航数据库不一致，云飞管将通过与机载端的通信功能比较监控每套机载FMS单元的飞行信息数据。

或者，云飞管根据每套机载FMS单元的飞行信息数据的比对结果判断是否任一机载FMS单元发生故障，若任一机载FMS单元的飞行信息数据为空或者不正确，则云飞管判定机载FMS的独立工作的原因为任一机载FMS单元发生故障。

如果云飞管接收的任一机载FMS单元的飞行信息数据正常，则云飞管将比对每套机载FMS单元的飞行信息数据的差异来判断机载FMS独立工作的原因。示例性地，云飞管通过比对每套机载FMS单元的飞行信息数据中的导航位置数据的差值来判定机载FMS独立工作的原因。当机载FMS单元之间的导航位置数据的差值超过设定的阈值，则云飞管判定机载FMS触发独立工作模式。随后，如图1所示，云飞管将根据接收的数据判定机载FMS的主从工作模式。

示例性地，如图1所示，云飞管先比对原始主机载FMS计算的导航位置数据与参考圆之间的关系，当主机载FMS的导航位置在参考圆内，则云飞管判定保持原始机载FMS为主用机载FMS，并生成云飞管数据包，发送至机载飞行管理系统或者机载FMS。机载FMS接收云飞管数据包后，通过其上的显示系统显示云飞管推荐的主用机载FMS信息。

如果原始主机载FMS计算的导航位置数据在参考圆之外，则云飞管将比对原始从机载FMS计算的导航位置数据与参考圆之间的关系。当从机载FMS的导航位置在参考圆内，则云飞管切换原始机载FMS的主从工作模式，将原始从用机载FMS切换为主用机载FMS。如果原始从机载FMS的导航位置不在参考圆内，则云飞管将发出提示信息，推荐飞行员将导航传感器数据源配置为云飞管推荐的配置。

图4示出了适用于该判定方法的系统的架构框图，该系统主要包括本机机载FMS系统与云飞管平台。其中，机载FMS包括2套FMS通过数据总线同时与导航传感器数据源、显示告警系统以及FMS操作设备连接以便接收原始传感器数据，显示飞行信息，用户输入指令直接控制机载FMS或调取显示内容。机载FMS系统与云飞管平台通过机载FMS通信模块和云飞管通信模块建立通信连接，便于彼此传输数据，云飞管由此通过其上的运算处理单元进行计算判定机载FMS的主从工作模式。

如图4所示，导航传感器数据源有3套导航传感器数据源，分别命名为导航传感器数据源1、导航传感器数据源2、导航传感器数据源3，其中导航传感器数据源1和2中包含有GNSS，但是在导航传感器数据源3中不包含GNSS。根据导航传感器数据源的原始传感器数据，每套机载FMS能够通过导航算法进行参数计算，从而生成机载端的飞行信息数据。

如图4所示，机载端FMS1优先采用导航传感器数据源1的信息进行导航计算，生成飞机的导航位置信息P1；FMS2优先采用导航传感器数据源2的信息进行导航计算，生成飞机的导航位置信息P2。云飞管还能接收其负责空域内其他飞机的机载FMS的飞行信息数据以及气象温度信息数据，凭借自身强大的计算能力，为机载FMS提供更加详细和优化的飞行信息，达到优化航线运行、提高空域安全效率等目的。

如图4所示，机载FMS系统还包含FMS操作设备和显示告警系统。FMS操作设备用于飞行员将相关操作指令输入到FMS中，显示告警系统用以显示飞机的位置信息、飞机导航传感器数据源选择情况、主用FMS情况以及在FMS进入独立工作模式时提供的告警信息。

图5示出了显示告警系统显示的FMS相关页面的源选择菜单页面。如图5所示，机载FMS接收到了云飞管发送的判定信息数据与最优传感器数据源信息数据，通过解包操作，将在显示告警系统中的显示页面显示出云飞管判定参考信息。

机载两套FMS处于同步工作模式时，FMS工作模式状态栏可以显示为“FMS SYN”，并且可以用绿色字体给予进一步提示。当两套FMS进入独立工作模式时，FMS工作模式状态栏可以显示“FMS UNSYN”，并且可以用红色字体给予进一步提示，或者将原本绿色字体的“FMSSYN”切换为灰色以表明不可用。

在两套FMS处于独立工作模式下，FMS相关页面的显示情况。在底部信息栏，显示的提示信息为“FMS UNSYN”。通过点选“FMS SRC”按钮，可以弹出FMS源选择菜单页面“FMS SRCSEL”，飞行员可以手动选择FMS1、FMS2或者进一步查看云飞管信息“Cloud”选项。该实施例中可以通过点击“Cloud”选项上的黑色小箭头，进一步查看云飞管提供的详细信息。

图6示出了云飞管给出的FMS1为主用FMS的判定参考信息的信息页面。此时，云飞管给出的参考判定信息为“FMS1推荐”(FMS1RCMD)。图7示出了云飞管给出的FMS2为主用的机载FMS判定参考信息的信息页面。此时，云飞管给出的参考判定信息为“FMS2推荐”(FMS2RCMD)。飞行员可以选择该选项，并提交确认，以使机载飞行管理单元执行判定指令。

图8示出了云飞管给出的机载FMS判定参考信息，判定信息包括两个部分：第一个部分是FMS1为主用的判定信息，即“FMS1推荐”(FMS1RCMD)；第二个部分是云飞管判定的更新导航源(Updated Navigation Sources，即UPDT NAV SRC)策略，包括在每个具体导航传感器应选择的来源。

进一步地，如图8所示，左侧IRS1、GPS3和ADS3为请求更新的导航传感器，右侧括号中的为当前在用的导航传感器。与当前选择的导航传感器有差异的更新导航传感器，采用特殊的颜色，比如绿色，予以提示飞行员。

通过该方法能够在机载FMS进入独立工作状态、无法判定主从工作模式的情况下，在云端结合与机载端通信的各项数据，凭借其本地强大的运算分析能力，为机载FMS生成主从判定参考，减轻了机组人员人工判定的工作负担，提高了FMS的完整性和可用性，特别在基于FMS的所需导航性能(RNP)运行时有极大帮助。

同时，云端部署的FMS能够全面综合机载设备的各类信息，生成最能够反映当前飞机状态的导航信息，辅助飞行员决策应处于主用工作模式下的FMS和最恰当的导航传感器组合。

本发明的上述具体实施方式的有益技术效果：

1、实现云飞管协助机载FMS判定工作模式的方法，能够为飞行员自动提供当前状态下的主用FMS选择或者导航传感器配置信息；

2、当机载FMS触发独立工作模式时，云飞管自动判定哪套FMS提供了更精确和可靠的导航信息，应被选为主用FMS；

3、如果机载FMS提供的导航位置信息无法满足精度和可靠性要求，云飞管将为机载FMS提供一套导航传感器配置信息，供飞行员参考并操作更新。

4、由云飞管判定的选择或配置参考信息上传到机载FMS后，机载FMS相关显示系统显示对应的推荐信息。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (13)

1.一种利用云飞行管理系统判定机载飞行管理系统的工作模式的方法，所述机载飞行管理系统包括至少两个能够与所述云飞行管理系统双向通信的机载飞行管理单元，每个机载飞行管理单元被配置成在正常情况下处于同步工作模式，进行各自的计算以获得相应的飞机的导航位置和实际导航性能数据，并通过交叉对比的方式同步各自的数据，其中，一个机载飞行管理单元按照预设的条件被配置为主机载飞行管理单元，其余机载飞行管理单元被配置为从机载飞行管理单元，其特征在于，所述方法包括以下步骤：

步骤一：所述云飞行管理系统连续接收来自多套导航传感器数据源的传感器数据和每个机载飞行管理单元的飞机的导航位置和实际导航性能数据，并基于所述传感器数据按照预定的规则获得飞机的估计位置、实际导航性能数据以及对应的最优导航传感器数据源；

步骤二：所述云飞行管理系统以所述估计位置为圆心，与所述估计位置对应的实际导航性能值为半径生成参考圆；

步骤三：当所述机载飞行管理单元触发独立工作模式时，所述云飞行管理系统比对来自所述机载飞行管理单元的飞机的导航位置信息与所述参考圆的位置关系，其中，

当来自所述主机载飞行管理单元的飞机的导航位置落在所述参考圆内时，所述云飞行管理系统判定维持当前主机载飞行管理单元；

当来自所述主机载飞行管理单元的飞机的导航位置落在所述参考圆之外、但来自其中一个所述从机载飞行管理单元的飞机的导航位置落在所述参考圆内时，判定所述导航位置落在所述参考圆内的所述其中一个从机载飞行管理单元为主机载飞行管理单元；

当来自所述主、从机载飞行管理单元的飞机的导航位置均未落在所述参考圆内时，所述云飞行管理系统采用所述最优导航传感器数据源生成数据包并发送给所述机载飞行管理单元以供查看使用。

2.如权利要求1所述的方法，其特征在于，当来自不同的所述机载飞行管理单元的飞机的导航位置的差值超过设定的阈值时，确定所述机载飞行管理单元处于独立工作模式。

3.如权利要求1所述的方法，其特征在于，所述云飞行管理系统将所述多套导航传感器数据源中的导航传感器进行组合，再经组合导航算法计算生成对应的多套参考估计位置数据和实际导航性能数据，并从所述多套参考估计位置数据和实际导航性能数据中筛选出一套以作为所述飞机的估计位置数据和实际导航性能数据，并由此获得对应的最优导航传感器数据源。

4.如权利要求3所述的方法，其特征在于，所述组合导航算法计算生成参考位置数据和实际导航性能数据的步骤包括：所述云飞行管理系统根据当前时刻的惯导位置数据，全球卫星定位系统位置数据和无线电导航位置数据，采用卡尔曼滤波算法，利用惯导传感器模型进行位置预测，再利用全球卫星定位系统位置和无线电导航位置进行位置信息校正，从而获得飞机的参考位置数据及实际导航性能数据。

5.如权利要求3所述的方法，其特征在于，所述云飞行管理系统从所述多套参考位置数据和实际导航性能数据中筛选出与最小实际导航性能数据对应的参考位置作为飞机的估计位置，该最小实际导航性能数据为飞机的实际导航性能数据，并且以其采用参与计算的导航传感器数据源为最优导航传感器数据源。

6.如权利要求1所述的方法，其特征在于，所述云飞行管理系统与地面雷达设备彼此通信，能够接收来自所述地面雷达设备的雷达位置数据，根据雷达信号的带宽和信噪比因素计算雷达位置精度，并将所述雷达位置作为飞机的估计位置，将所述雷达位置精度作为飞机的实际导航数据性能值。

7.如权利要求6所述的方法，其特征在于，所述云飞行管理系统将所述多套导航传感器数据源中的导航传感器进行组合，再经组合导航算法计算生成对应的多套参考估计位置数据和实际导航性能数据，并且从所述多套参考估计位置数据和实际导航性能数据中筛选出实际导航性能数据前三小，且对应的参考位置最接近所述雷达位置的一套，以其采用参与计算的导航传感器数据源为最优导航传感器数据源。

8.如权利要求1所述的方法，其特征在于，来自所述机载飞行管理单元的飞机的导航位置与所述参考圆的圆心的距离数值小于所述参考圆的半径，则所述机载飞行管理单元落在所述参考圆内。

9.如权利要求1所述的方法，其特征在于，所述来自多套导航传感器数据源的传感器数据包括历史传感器数据和实时传感器数据，从而所述云飞行管理系统能够在每个时刻计算得到飞机的估计位置数据、实际导航性能数据和最优导航传感器数据源，由此能够及时准确判定所述机载飞行管理系统的主从工作模式。

10.如权利要求1所述的方法，其特征在于，相同的机载飞行管理单元被配置为接收来自不同的导航传感器数据源的传感器数据以避免所述导航传感器数据源的共模问题。

11.如权利要求1所述的方法，其特征在于，所述方法还包括：所述云飞行管理系统将判定的所述机载飞行管理系统的主从工作模式数据和最优导航传感器数据源信息数据发送到所述机载飞行管理系统以显示主、从机载飞行管理单元和推荐的导航传感器数据源。

12.如权利要求1所述的方法，其特征在于，所述方法还包括：通过所述机载飞行管理系统中的显示告警单元显示飞机的估计位置信息、最优导航传感器数据源信息、主机载飞行管理单元以及独立工作告警信息。

13.如权利要求12所述的方法，其特征在于，所述方法还包括通过所述机载飞行管理系统中的操作设备选择确定所述显示告警单元显示的信息以及查看使用所述最优导航传感器数据源。