CN114636842A - 一种高超声速飞行器的大气数据估计方法及装置 - Google Patents
一种高超声速飞行器的大气数据估计方法及装置 Download PDFInfo
- Publication number
- CN114636842A CN114636842A CN202210532690.XA CN202210532690A CN114636842A CN 114636842 A CN114636842 A CN 114636842A CN 202210532690 A CN202210532690 A CN 202210532690A CN 114636842 A CN114636842 A CN 114636842A
- Authority
- CN
- China
- Prior art keywords
- data
- coordinate system
- ground
- height
- estimated
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
- G01P13/02—Indicating direction only, e.g. by weather vane
- G01P13/025—Indicating direction only, e.g. by weather vane indicating air data, i.e. flight variables of an aircraft, e.g. angle of attack, side slip, shear, yaw
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Automation & Control Theory (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种高超声速飞行器的大气数据估计方法及装置,其方法包括:利用FADS测量的静压数据得到第一高度数据和第一声速数据;利用FADS中的大气数据、第一声速数据以及INS中的姿态角数据,得到地面坐标系下的空速数据;根据所述地面坐标系下的空速数据和气象预报系统测量的风速数据,计算地面坐标系下的地速数据,并利用非线性卡尔曼滤波算法对所述地面坐标系下的地速数据进行估计处理,得到所述地面坐标系下的估计地速数据;利用所述姿态角数据、所述估计地速数据以及所述风速数据,得到机体坐标系下的估计空速数据,并利用所述机体坐标系下的估计空速数据和所述第一声速数据,得到高超声速飞行器的估计大气数据。
Description
技术领域
本发明涉及大气数据估计技术领域,特别涉及一种高超声速飞行器的大气数据估计方法及装置。
背景技术
大气数据(攻角、侧滑角、马赫数等)是高超声速飞行器重要的参数,对飞行控制、推进等系统极为重要,由于高热环境,需采用嵌入式大气数据系统(Flush Air DataSensing System,FADS),该系统通过测量表面压力来间接获取大气数据。然而,在大机动等复杂飞行状态下,FADS性能显著下降;此外,高超声速飞行环境也容易导致FADS压力数据失效,由于受到实时性、准确性、建模困难等多方面限制,导致高超声速飞行器FADS故障在线检测和处理难度大。因此,单一的FADS系统难以保证高超声速飞行器全飞行包线内的大气数据测量精度,将FADS与其他系统信息融合成为高超声速飞行器大气数据测量的主要方式之一。
惯性导航系统(INS)能够快速响应飞行器运动状态变化,与FADS具有良好的互补性,将FADS/INS融合估计大气数据得到了较为广泛的应用。然而,一方面FADS与INS融合要获得较好的性能需要FADS和INS均能正常工作,不利于提高鲁棒性;另一方面,大气环境参数完全由FADS压力数据反映,也不利于提高鲁棒性和精度。此外,当前FADS与其他系统信息融合测量高超声速飞行器大气数据的方法还有:FADS/INS/飞控系统信息融合、FADS/INS/卫星导航、FADS/INS/无线电融合等方式估计大气数据。FADS/INS/飞控系统信息融合中,飞控系统主要是提供一种虚拟的大气数据估计方法,在FADS失效时提供一种备用估计方式,提高鲁棒性,对精度提高作用不大;FADS/INS/卫星导航数据融合、FADS与INS/无线电数据融合等方式,主要是通过卫星/无线电位置数据,主要是提供了一种位置数据冗余,以提高飞行器位置估计精度和鲁棒性,对大气数据估计的鲁棒性和精度提高不大,此外,这两种方式会增加额外的机载设备,无线电/卫星导航信号还可能会受到外界影响,降低系统的自主性。
发明内容
根据本发明实施例提供的方案解决的技术问题是当前FADS/INS融合测量高超声速飞行器的大气数据时精度易受风速变化、静压测量不准等情况造成参数估计不准确、鲁棒性不足。
根据本发明实施例提供的一种高超声速飞行器的大气数据估计方法,包括:
利用嵌入式大气数据传感系统FADS测量的静压数据对高度数据进行校准处理,得到校准后的第一高度数据,并利用校准后的第一高度数据,得到第一声速数据;
利用所述FADS中的大气数据、所述第一声速数据以及惯性导航系统INS中的姿态角数据,得到地面坐标系下的空速数据;
根据所述地面坐标系下的空速数据和气象预报系统测量的风速数据,计算地面坐标系下的地速数据,并利用非线性卡尔曼滤波算法对所述地面坐标系下的地速数据进行估计处理,得到所述地面坐标系下的估计地速数据;
利用所述姿态角数据、所述地面坐标系下的估计地速数据以及所述风速数据,得到机体坐标系下的估计空速数据,并利用所述机体坐标系下的估计空速数据和所述第一声速数据,得到高超声速飞行器的估计大气数据。
根据本发明实施例提供的一种高超声速飞行器的大气数据估计装置,包括:
获取高度和声速模块,用于利用嵌入式大气数据传感系统FADS测量的静压数据对高度数据进行校准处理,得到校准后的第一高度数据,并利用校准后的第一高度数据,得到第一声速数据;
获取空速模块,用于利用所述FADS中的大气数据、所述第一声速数据以及惯性导航系统INS中的姿态角数据,得到地面坐标系下的空速数据;
获取估计地速模块,用于根据所述地面坐标系下的空速数据和气象预报系统测量的风速数据,计算地面坐标系下的地速数据,并利用非线性卡尔曼滤波算法对所述地面坐标系下的地速数据进行估计处理,得到所述地面坐标系下的估计地速数据;
获取估计大气数据模块,用于利用所述姿态角数据、所述地面坐标系下的估计地速数据以及所述风速数据,得到机体坐标系下的估计空速数据,并利用所述机体坐标系下的估计空速数据和所述第一声速数据,得到高超声速飞行器的估计大气数据。
根据本发明实施例提供的方案,通过融合嵌入式大气数据、惯性导航数据和气象预报数据,实现高超声速飞行器大气数据高精度强鲁棒性的测量。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于理解本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例提供的一种高超声速飞行器的大气数据估计方法的流程图;
图2是本发明实施例提供的一种高超声速飞行器的大气数据估计装置的示意图;
图3是本发明实施例提供的FADS融合气象数据的预处理过程图;
图4是本发明实施例提供的融合FADS/INS/气象预报信息时的大气数据估计示意图;
图5是本发明实施例提供的攻角误差与FADS和FADS/INS融合得到的攻角误差对比示意图;
图6是本发明实施例提供的侧滑角误差与FADS和FADS/INS融合得到的侧滑角误差对比示意图;
图7是本发明实施例提供的马赫数误差与FADS和FADS/INS融合得到的马赫数误差对比示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行详细说明,应当理解,以下所说明的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
图1是本发明实施例提供的一种高超声速飞行器的大气数据估计方法的流程图,如图1所示,包括:
步骤S101:利用嵌入式大气数据传感系统FADS测量的静压数据对高度数据进行校准处理,得到校准后的第一高度数据,并利用校准后的第一高度数据,得到第一声速数据;
步骤S102:利用所述FADS中的大气数据、所述第一声速数据以及惯性导航系统INS中的姿态角数据,得到地面坐标系下的空速数据;
步骤S103:根据所述地面坐标系下的空速数据和气象预报系统测量的风速数据,计算地面坐标系下的地速数据,并利用非线性卡尔曼滤波算法对所述地面坐标系下的地速数据进行估计处理,得到所述地面坐标系下的估计地速数据;
步骤S104:利用所述姿态角数据、所述地面坐标系下的估计地速数据以及所述风速数据,得到机体坐标系下的估计空速数据,并利用所述机体坐标系下的估计空速数据和所述第一声速数据,得到高超声速飞行器的估计大气数据。
具体地说,所述利用嵌入式大气数据传感系统FADS测量的静压数据对高度数据进
行校准处理,得到校准后的第一高度数据包括:根据所述FADS中预存的包含静压与高度对
应关系的国际大气参数表,查找与所述静压数据相对应的第一高度;根据所述气象
预报系统中预存的静压与高度的对应关系表,查找与所述静压数据相对应的第二高度;通过滤波求解高度算法对所述第一高度和所述第二高度进行校准
处理,得到校准后的第一高度数据。
其中,所述通过滤波求解高度算法对所述第一高度和所述第二高度进行校准处理,得到校准后的第一高度数据包括:计算所述滤波求解高度算法中的
增益K;根据所述第一高度、所述第二高度以及增益K,得到校准后的第一高
度数据。
具体地说,所述利用校准后的第一高度数据,得到第一声速数据包括:根据所述气象预报系统中预存的高度与声速的对应关系表,查找与所述校准后的第一高度数据相对应的第一声速数据。
具体地说,所述利用所述FADS中的大气数据、所述第一声速数据以及惯性导航系统INS中的姿态角数据,得到地面坐标系下的空速数据包括:根据所述FADS输出的包含攻角、侧滑角以及马赫数的大气数据和所述第一声速数据,得到机体坐标系下的空速数据;根据惯性导航系统INS中的姿态角数据,计算用于机体坐标系向地面坐标系转换的第一坐标转换矩阵;根据所述第一坐标转换矩阵将所述机体坐标系下的空速数据转换为地面坐标系下的空速数据。
具体地说,所述根据所述地面坐标系下的空速数据和气象预报系统测量的风速数据,计算地面坐标系下的地速数据包括:将所述地面坐标系下的空速数据和气象预报系统测量的风速数据进行相加计算,得到地面坐标系下的地速数据。
其中,所述非线性卡尔曼滤波算法是指以所述地面坐标系下的地速数据、所述INS中的姿态角数据为状态量,以所述INS中的角速度数据和加速度数据为输入量,且以所述地面坐标系下的地速数据组成的列向量为观测量所建立的卡尔曼滤波模型。
具体地说,所述利用所述姿态角数据、所述地面坐标系下的估计地速数据以及所述风速数据,得到机体坐标系下的估计空速数据包括:利用所述姿态角数据,计算用于地面坐标系向机体坐标系转换的第二坐标转换矩阵;根据所述第二坐标转换矩阵将所述地面坐标系下的估计地速数据转换为机体坐标系下的估计地速数据;将所述机体坐标系下的估计地速数据和气象预报系统测量的风速数据进行相减计算,得到机体坐标系下的估计空速数据;其中,所述第一坐标转换矩阵与所述第二坐标转换矩阵互为转置。
其中,所述利用所述机体坐标系下的估计空速数据和第一声速数据,得到高超声速飞行器的估计大气数据包括:
图2是本发明实施例提供的一种高超声速飞行器的大气数据估计装置的示意图,如图2所示,包括:获取高度和声速模块201,用于利用嵌入式大气数据传感系统FADS测量的静压数据对高度数据进行校准处理,得到校准后的第一高度数据,并利用校准后的第一高度数据,得到第一声速数据;获取空速模块202,用于利用所述FADS中的大气数据、所述第一声速数据以及惯性导航系统INS中的姿态角数据,得到地面坐标系下的空速数据;获取估计地速模块203,用于根据所述地面坐标系下的空速数据和气象预报系统测量的风速数据,计算地面坐标系下的地速数据,并利用非线性卡尔曼滤波算法对所述地面坐标系下的地速数据进行估计处理,得到所述地面坐标系下的估计地速数据;获取估计大气数据模块204,用于利用所述姿态角数据、所述地面坐标系下的估计地速数据以及所述风速数据,得到机体坐标系下的估计空速数据,并利用所述机体坐标系下的估计空速数据和所述第一声速数据,得到高超声速飞行器的估计大气数据。
本发明在高超声速飞行器起飞前24小时(也可以是其它时间,离起飞时间越近的气象数据,越有利于本方法精度提高,本发明中一律以24小时为例进行说明),将气象预报数据导入大气数据解算系统,利用气象预报数据提供的大气状态信息,构造FADS/INS/气象预报融合算法,提高实时飞行过程中大气数据解算的精度和鲁棒性。融合估计分成两部分,第一部分为气压高度数据融合,将实际测量的高度与大气静压和高度与声速的对应关系带入算法中,FADS实时测量气压的大小,并由气象预报信息构建高度与气压、高度与声速的对应关系,达到对高度值和声速的校准功能。因为FADS的测量依托于飞行器与空气的相对运动,而INS则依托于惯性参考系,对于大气中的变化风场,会使FADS和INS的测量值相差一个变量,进而无法通过简单的数据融合获取高精度的飞行数据。本方法第二部分将实际测量的风速带入算法中,与FADS测量的空速相加,得到相对于地面的速度矢量,此值与INS测量的速度矢量在理想条件下是相等的,在实际测量时又因为不同的噪声来源各自具有一定的误差。具体表现为:FADS和气象预报获得的对地速度误差体现在压力传感器的精度、压力传感器阵列的建模偏差、气象预报的误差;INS测量的速度体现在惯性测量元件(加速度计与角加速度计)的零偏、初始对准过程中的误差和离散化累加造成的算法误差。由此,用飞行器参数与INS的数据对飞行状态建模,由FADS和气象预报融合的数据作为观测量,构建滤波模型,输出高精度的空速矢量与飞行高度,即可计算出攻角、侧滑角、马赫数等大气参数。因此,采用两步融合,充分利用可以感知的数据信息,具有在变化风场下精确估算飞行器速度的能力,从而在整体上提高算法的计算精度与性能,以满足对大气数据的测量需求。
图3是本发明实施例提供的FADS融合气象数据的预处理过程图,如图3所示,所述的气象预报数据取自24小时前气象部门公布的气象数据,其包含两方面的信息:(1)不同高度对应的气压值、声速值;(2)风速。在预处理中仅使用各海拔高度对应的气压来校准大气等压面漂移的现象。
所述的滤波求解高度算法,一方面使用高度,另一方面使用高度,
通过两者的统计特性,令前者的方差为P1,后者的方差为P2,经滤波融合2个高度数据,获得
输出的高度,也有一个估计的方差,设其为P0。具体的滤波计算过程如下:
第一步:确定P0,P1,P2初值。根据实验测量的方差确定P1和P2,初始时刻P0可认为
是0,的初值假定与相同。P1和P2的确定方法参照统计学中正态分布样本估计方
差的方法,对若干个样本计算样本方差来代替总体方差。例如:在同样的高度下,采集n个的值,令其为;采集n个的值,令其为,则P1、P2
的求解公式为:
第二步:计算增益K并更新方差P0:
式中,为空速的三轴分量。此处的上标B代表速度
是在飞行器的机体坐标系下的量,参照国际惯例,本文所述的机体坐标系具体描述为:原点
位于飞行器质心的右手三维正交直角坐标系,OX轴位于飞行器参考平面内平行于机身轴线
并指向飞行器前方,OY轴垂直于飞行器参考面并指向飞行器右方,OZ轴在参考面内垂直于
XOY平面,指向航空器下方。
使用INS输出的姿态角数据可将上述速度矢量进行坐标变换,即:
为地面坐标系下的飞行器相对空气的速度(下文相对于空气的速
度简称为“空速”),此速度与风速的和是飞行器相对地面的速度(下文相对于地面的速度简
称为“地速”),与气象预报的三轴风速相加,即为
图4所述的三轴地速。
所述的非线性卡尔曼滤波为一种滤波算法,在此处用于估计飞行器的地速。算法
以三轴地速、姿态角(滚转角、偏航角、俯仰角)为状态量,即;以 x/y/
z三轴加速度、三轴角速度为输入量,即:
;以三轴地速组成的列向量为观测量,即:,建立卡尔曼滤波模
型。因为涉及机体与地面的坐标变换,在大机动时依靠机体自身状态量和INS的输入量的状
态估计具有较强的非线性关系,为保持滤波过程中的精度,使用非线性滤波方法进行估计,
以容积卡尔曼滤波(CKF)为例具体的滤波步骤如下:
第一步:建立模型,赋予初值。卡尔曼滤波模型的两大方程是状态转移方程和观测
方程。状态转移方程根据当前状态产生一个新的状态,并带入一些噪声,同时系统的一些已
知的信息也会被加入。观测方程根据每时刻的状态,计算出一个可见输出,同时观测时也会
有一定的误差被加入。此处建立状态方程为,建立观测方程为。
设定时间初值k=1,初始时刻的状态滤波误差协方差矩阵取一个随机的6维对角矩阵,状态量的各项取值使用已知的系统状态初值。
第一步初始值设置完成,令k=2。
因为所用状态转移方程是非线性的,因此对状态计算容积点:
式中:
m为系统向量维数的两倍,这里即为12。
估算状态:
估计协方差矩阵预测值:
估计容积点:
估计观测预测值:
估计新息协方差矩阵:
更新误差协方差:
若下一时刻仍有待估计的值,则令k=k+1,继续执行第二步至第四步的计算。
采用本发明所述的大气数据估计方法,估计得到的攻角误差与FADS和FADS/INS融合估计得到的攻角误差比较如图5所示,侧滑角误差与FADS和FADS/INS融合估计得到的侧滑角误差比较如图6所示,马赫数误差与FADS和FADS/INS融合估计得到的马赫数误差比较如图7所示。
根据本发明实施例提供的方案,根据FADS采集的数据粗略估计大气数据,与INS和气象预报的数据进行融合后,综合考虑各渠道获得的信息,进而减小大气扰动对状态估计带来的影响,提高解算的可靠性与精度。
尽管上文对本发明进行了详细说明,但是本发明不限于此,本技术领域技术人员可以根据本发明的原理进行各种修改。因此,凡按照本发明原理所作的修改,都应当理解为落入本发明的保护范围。
Claims (10)
1.一种高超声速飞行器的大气数据估计方法,其特征在于,包括:
利用嵌入式大气数据传感系统FADS测量的静压数据对高度数据进行校准处理,得到校准后的第一高度数据,并利用校准后的第一高度数据,得到第一声速数据;
利用所述嵌入式大气数据传感系统FADS中的大气数据、所述第一声速数据以及惯性导航系统INS中的姿态角数据,得到地面坐标系下的空速数据;
根据所述地面坐标系下的空速数据和气象预报系统测量的风速数据,计算地面坐标系下的地速数据,并利用非线性卡尔曼滤波算法对所述地面坐标系下的地速数据进行估计处理,得到地面坐标系下的估计地速数据;
利用所述姿态角数据、所述地面坐标系下的估计地速数据以及所述风速数据,得到机体坐标系下的估计空速数据,并利用所述机体坐标系下的估计空速数据和所述第一声速数据,得到高超声速飞行器的估计大气数据。
4.根据权利要求3所述的方法,其特征在于,所述利用校准后的第一高度数据,得到第一声速数据包括:
根据所述气象预报系统中预存的高度与声速的对应关系表,查找与所述校准后的第一高度数据相对应的第一声速数据。
5.根据权利要求4所述的方法,其特征在于,所述利用所述嵌入式大气数据传感系统FADS中的大气数据、所述第一声速数据以及惯性导航系统INS中的姿态角数据,得到地面坐标系下的空速数据包括:
根据所述嵌入式大气数据传感系统FADS输出的包含攻角、侧滑角以及马赫数的大气数据和所述第一声速数据,得到机体坐标系下的空速数据;
根据惯性导航系统INS中的姿态角数据,计算用于机体坐标系向地面坐标系转换的第一坐标转换矩阵;
根据所述第一坐标转换矩阵将所述机体坐标系下的空速数据转换为地面坐标系下的空速数据。
6.根据权利要求5所述的方法,其特征在于,所述根据所述地面坐标系下的空速数据和气象预报系统测量的风速数据,计算地面坐标系下的地速数据包括:
将所述地面坐标系下的空速数据和气象预报系统测量的风速数据进行相加计算,得到地面坐标系下的地速数据。
7.根据权利要求6所述的方法,其特征在于,所述非线性卡尔曼滤波算法是指以所述地面坐标系下的地速数据、所述惯性导航系统INS中的姿态角数据为状态量,以所述惯性导航系统INS中的角速度数据和加速度数据为输入量,且以所述地面坐标系下的地速数据组成的列向量为观测量所建立的卡尔曼滤波模型。
8.根据权利要求7所述的方法,其特征在于,所述利用所述姿态角数据、所述地面坐标系下的估计地速数据以及所述风速数据,得到机体坐标系下的估计空速数据包括:
利用所述姿态角数据,计算用于地面坐标系向机体坐标系转换的第二坐标转换矩阵;
根据所述第二坐标转换矩阵将所述地面坐标系下的估计地速数据转换为机体坐标系下的估计地速数据;
将所述机体坐标系下的估计地速数据和气象预报系统测量的风速数据进行相减计算,得到机体坐标系下的估计空速数据;
其中,所述第一坐标转换矩阵与所述第二坐标转换矩阵互为转置。
10.一种高超声速飞行器的大气数据估计装置,其特征在于,包括:
获取高度和声速模块,用于利用嵌入式大气数据传感系统FADS测量的静压数据对高度数据进行校准处理,得到校准后的第一高度数据,并利用校准后的第一高度数据,得到第一声速数据;
获取空速模块,用于利用所述嵌入式大气数据传感系统FADS中的大气数据、所述第一声速数据以及惯性导航系统INS中的姿态角数据,得到地面坐标系下的空速数据;
获取估计地速模块,用于根据所述地面坐标系下的空速数据和气象预报系统测量的风速数据,计算地面坐标系下的地速数据,并利用非线性卡尔曼滤波算法对所述地面坐标系下的地速数据进行估计处理,得到地面坐标系下的估计地速数据;
获取估计大气数据模块,用于利用所述姿态角数据、所述地面坐标系下的估计地速数据以及所述风速数据,得到机体坐标系下的估计空速数据,并利用所述机体坐标系下的估计空速数据和所述第一声速数据,得到高超声速飞行器的估计大气数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210532690.XA CN114636842B (zh) | 2022-05-17 | 2022-05-17 | 一种高超声速飞行器的大气数据估计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210532690.XA CN114636842B (zh) | 2022-05-17 | 2022-05-17 | 一种高超声速飞行器的大气数据估计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114636842A true CN114636842A (zh) | 2022-06-17 |
CN114636842B CN114636842B (zh) | 2022-08-26 |
Family
ID=81953107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210532690.XA Active CN114636842B (zh) | 2022-05-17 | 2022-05-17 | 一种高超声速飞行器的大气数据估计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114636842B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116127763A (zh) * | 2023-02-02 | 2023-05-16 | 中国科学院力学研究所 | 一种临近空间高超声速飞行器的大气数据计算方法 |
CN117251942A (zh) * | 2023-11-17 | 2023-12-19 | 成都凯天电子股份有限公司 | 一种估算飞行器空速、攻角和侧滑角的方法及系统 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1990015334A1 (en) * | 1989-06-02 | 1990-12-13 | Massachusetts Institute Of Technology | Winds aloft estimation through radar observation of aircraft |
JP2005219699A (ja) * | 2004-02-09 | 2005-08-18 | Fuji Heavy Ind Ltd | 航空機及び航空機の風向推定方法 |
US20080066540A1 (en) * | 2006-09-14 | 2008-03-20 | The Boeing Company | Methods and systems for calculating atmospheric vehicle air data |
CN102520726A (zh) * | 2011-12-19 | 2012-06-27 | 南京航空航天大学 | 大攻角飞行状态下的大气攻角及侧滑角估计方法 |
JP2012126201A (ja) * | 2010-12-14 | 2012-07-05 | Kawasaki Heavy Ind Ltd | 飛行制御装置およびこれを備える飛行体 |
NO20120626A1 (no) * | 2012-04-02 | 2013-10-03 | Prox Dynamics As | Fremgangsmåte og anordning for å navigere et luftfartøy |
ITTO20130601A1 (it) * | 2013-07-16 | 2013-10-15 | Torino Politecnico | Sistema e procedimento di misura e valutazione di dati aria e inerziali. |
WO2013174559A1 (en) * | 2012-05-25 | 2013-11-28 | Prox Dynamics As | Method and device for estimating a wind field |
CN103487822A (zh) * | 2013-09-27 | 2014-01-01 | 南京理工大学 | 北斗/多普勒雷达/惯性自主式组合导航系统及其方法 |
US20140343765A1 (en) * | 2012-12-28 | 2014-11-20 | Sean Patrick Suiter | Flight Assistant with Automatic Configuration and Landing Site Selection |
US8914164B1 (en) * | 2013-08-02 | 2014-12-16 | Honeywell International Inc. | System and method for computing mach number and true airspeed |
WO2016037035A1 (en) * | 2014-09-04 | 2016-03-10 | Sikorsky Aircraft Corporation | Airspeed estimation system |
US9310222B1 (en) * | 2014-06-16 | 2016-04-12 | Sean Patrick Suiter | Flight assistant with automatic configuration and landing site selection method and apparatus |
CN108152529A (zh) * | 2017-11-02 | 2018-06-12 | 成都飞机工业(集团)有限责任公司 | 一种基于飞行参数计算风速及风向的方法 |
CN110455310A (zh) * | 2019-05-28 | 2019-11-15 | 中国空气动力研究与发展中心 | 高超声速飞行器的大气数据测量方法 |
CN111122899A (zh) * | 2019-12-11 | 2020-05-08 | 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 |
CN111257593A (zh) * | 2020-02-13 | 2020-06-09 | 南京航空航天大学 | 一种融合导航数据的大气数据估计与状态监测方法 |
CN111766397A (zh) * | 2020-06-19 | 2020-10-13 | 北京航空航天大学合肥创新研究院 | 一种基于惯性/卫星/大气组合的气象风测量方法 |
CN111783307A (zh) * | 2020-07-07 | 2020-10-16 | 哈尔滨工业大学 | 一种高超声速飞行器状态估计方法 |
CN111854762A (zh) * | 2020-08-05 | 2020-10-30 | 翟瑞永 | 一种基于卡尔曼滤波算法的三维定位方法及其定位系统 |
CN112580275A (zh) * | 2020-12-29 | 2021-03-30 | 成都信息工程大学 | 一种简单高效的高超声速飞行器fads系统测压孔布局方法 |
CN112685972A (zh) * | 2020-12-29 | 2021-04-20 | 南京航空航天大学 | 一种高效率的高超声速飞行器压力传感器分布优化方法 |
WO2022005419A1 (en) * | 2020-06-30 | 2022-01-06 | Tusas- Turk Havacilik Ve Uzay Sanayii Anonim Sirketi | A navigation system |
-
2022
- 2022-05-17 CN CN202210532690.XA patent/CN114636842B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1990015334A1 (en) * | 1989-06-02 | 1990-12-13 | Massachusetts Institute Of Technology | Winds aloft estimation through radar observation of aircraft |
JP2005219699A (ja) * | 2004-02-09 | 2005-08-18 | Fuji Heavy Ind Ltd | 航空機及び航空機の風向推定方法 |
US20080066540A1 (en) * | 2006-09-14 | 2008-03-20 | The Boeing Company | Methods and systems for calculating atmospheric vehicle air data |
JP2012126201A (ja) * | 2010-12-14 | 2012-07-05 | Kawasaki Heavy Ind Ltd | 飛行制御装置およびこれを備える飛行体 |
CN102520726A (zh) * | 2011-12-19 | 2012-06-27 | 南京航空航天大学 | 大攻角飞行状态下的大气攻角及侧滑角估计方法 |
NO20120626A1 (no) * | 2012-04-02 | 2013-10-03 | Prox Dynamics As | Fremgangsmåte og anordning for å navigere et luftfartøy |
WO2013174559A1 (en) * | 2012-05-25 | 2013-11-28 | Prox Dynamics As | Method and device for estimating a wind field |
US20140343765A1 (en) * | 2012-12-28 | 2014-11-20 | Sean Patrick Suiter | Flight Assistant with Automatic Configuration and Landing Site Selection |
ITTO20130601A1 (it) * | 2013-07-16 | 2013-10-15 | Torino Politecnico | Sistema e procedimento di misura e valutazione di dati aria e inerziali. |
US8914164B1 (en) * | 2013-08-02 | 2014-12-16 | Honeywell International Inc. | System and method for computing mach number and true airspeed |
CN103487822A (zh) * | 2013-09-27 | 2014-01-01 | 南京理工大学 | 北斗/多普勒雷达/惯性自主式组合导航系统及其方法 |
US9310222B1 (en) * | 2014-06-16 | 2016-04-12 | Sean Patrick Suiter | Flight assistant with automatic configuration and landing site selection method and apparatus |
WO2016037035A1 (en) * | 2014-09-04 | 2016-03-10 | Sikorsky Aircraft Corporation | Airspeed estimation system |
CN108152529A (zh) * | 2017-11-02 | 2018-06-12 | 成都飞机工业(集团)有限责任公司 | 一种基于飞行参数计算风速及风向的方法 |
CN110455310A (zh) * | 2019-05-28 | 2019-11-15 | 中国空气动力研究与发展中心 | 高超声速飞行器的大气数据测量方法 |
CN111122899A (zh) * | 2019-12-11 | 2020-05-08 | 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 |
CN111257593A (zh) * | 2020-02-13 | 2020-06-09 | 南京航空航天大学 | 一种融合导航数据的大气数据估计与状态监测方法 |
CN111766397A (zh) * | 2020-06-19 | 2020-10-13 | 北京航空航天大学合肥创新研究院 | 一种基于惯性/卫星/大气组合的气象风测量方法 |
WO2022005419A1 (en) * | 2020-06-30 | 2022-01-06 | Tusas- Turk Havacilik Ve Uzay Sanayii Anonim Sirketi | A navigation system |
CN111783307A (zh) * | 2020-07-07 | 2020-10-16 | 哈尔滨工业大学 | 一种高超声速飞行器状态估计方法 |
CN111854762A (zh) * | 2020-08-05 | 2020-10-30 | 翟瑞永 | 一种基于卡尔曼滤波算法的三维定位方法及其定位系统 |
CN112580275A (zh) * | 2020-12-29 | 2021-03-30 | 成都信息工程大学 | 一种简单高效的高超声速飞行器fads系统测压孔布局方法 |
CN112685972A (zh) * | 2020-12-29 | 2021-04-20 | 南京航空航天大学 | 一种高效率的高超声速飞行器压力传感器分布优化方法 |
Non-Patent Citations (2)
Title |
---|
S. A. WHITMORE: "Reconstruction of the shuttle reentry air data parameters using a linearized Kalman filter", 《ATMOSPHERIC FLIGHT MECHANICS CONFERENCE》 * |
张勇 等: "锥体弹头的嵌入式大气数据传感系统组合算法", 《传感器与微系统》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116127763A (zh) * | 2023-02-02 | 2023-05-16 | 中国科学院力学研究所 | 一种临近空间高超声速飞行器的大气数据计算方法 |
CN116127763B (zh) * | 2023-02-02 | 2024-06-07 | 中国科学院力学研究所 | 一种临近空间高超声速飞行器的大气数据计算方法 |
CN117251942A (zh) * | 2023-11-17 | 2023-12-19 | 成都凯天电子股份有限公司 | 一种估算飞行器空速、攻角和侧滑角的方法及系统 |
CN117251942B (zh) * | 2023-11-17 | 2024-03-08 | 成都凯天电子股份有限公司 | 一种估算飞行器空速、攻角和侧滑角的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114636842B (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114636842B (zh) | 一种高超声速飞行器的大气数据估计方法及装置 | |
CN102692225B (zh) | 一种用于低成本小型无人机的姿态航向参考系统 | |
CN109033485B (zh) | 用于基于天气缓冲模型估计飞行器空速的系统 | |
CN102353378B (zh) | 一种矢量形式信息分配系数的组合导航系统自适应联邦滤波方法 | |
US7347090B1 (en) | Methods and systems for calculating atmospheric vehicle air data | |
CN112146655B (zh) | 一种BeiDou/SINS紧组合导航系统弹性模型设计方法 | |
CN105136145A (zh) | 一种基于卡尔曼滤波的四旋翼无人机姿态数据融合的方法 | |
CN110426032B (zh) | 一种解析式冗余的飞行器容错导航估计方法 | |
CN111766397B (zh) | 一种基于惯性/卫星/大气组合的气象风测量方法 | |
Cao et al. | Anti-disturbance fault tolerant initial alignment for inertial navigation system subjected to multiple disturbances | |
Brossard et al. | Tightly coupled navigation and wind estimation for mini UAVs | |
CN111189442A (zh) | 基于cepf的无人机多源导航信息状态预测方法 | |
Cho et al. | Airflow angle and wind estimation using GPS/INS navigation data and airspeed | |
Jiang et al. | Constrained Kalman filter for uncooperative spacecraft estimation by stereovision | |
Wang et al. | A robust backtracking CKF based on Krein space theory for in-motion alignment process | |
Ducard et al. | Strategies for sensor-fault compensation on UAVs: review, discussions & additions | |
Lu et al. | Air data estimation by fusing navigation system and flight control system | |
CN111982126A (zh) | 一种全源BeiDou/SINS弹性状态观测器模型设计方法 | |
Emran et al. | A cascaded approach for quadrotor's attitude estimation | |
CN116222541A (zh) | 利用因子图的智能多源组合导航方法及装置 | |
Zarei et al. | Performance improvement for mobile robot position determination using cubature Kalman filter | |
WO2021140491A1 (en) | Method and system for estimating aerodynamic angles of a flying body | |
CN112762960A (zh) | 一种飞行器所处风场的在线计算方法 | |
CN112013849A (zh) | 一种水面船自主定位方法及系统 | |
Jarrell et al. | Aircraft attitude, position, and velocity determination using sensor fusion |
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 |