CN116662937B - 一种航空器大气数据安全监测评价方法 - Google Patents

一种航空器大气数据安全监测评价方法 Download PDF

Info

Publication number
CN116662937B
CN116662937B CN202310946630.7A CN202310946630A CN116662937B CN 116662937 B CN116662937 B CN 116662937B CN 202310946630 A CN202310946630 A CN 202310946630A CN 116662937 B CN116662937 B CN 116662937B
Authority
CN
China
Prior art keywords
aircraft
data
information
monitoring
frequency domain
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
CN202310946630.7A
Other languages
English (en)
Other versions
CN116662937A (zh
Inventor
张安莉
石卓勇
王鼎涵
谢檬
李楠
王娟
徐微
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.)
Xian Jiaotong University City College
Original Assignee
Xian Jiaotong University City College
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 Xian Jiaotong University City College filed Critical Xian Jiaotong University City College
Priority to CN202310946630.7A priority Critical patent/CN116662937B/zh
Publication of CN116662937A publication Critical patent/CN116662937A/zh
Application granted granted Critical
Publication of CN116662937B publication Critical patent/CN116662937B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
    • B64F5/60—Testing or inspecting aircraft components or systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • 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
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • H03H17/06—Non-recursive filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H2017/0072—Theoretical filter design
    • H03H2017/0081—Theoretical filter design of FIR filters
    • 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)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Discrete Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Manufacturing & Machinery (AREA)
  • Transportation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Navigation (AREA)
  • Alarm Systems (AREA)

Abstract

一种航空器大气数据安全监测评价方法，包括如下步骤：步骤1：基于航空器的监测系统获取数据监测；步骤2：对监测数据进行频域变换实现滤除采集信息的高斯噪声；步骤3：建立航空器监测信息提取模型，实现对航空器大气数据信息的提取；步骤4：根据不同的大气数据信息取值范围，利用Logistic函数将航空器信息进行规范化到[0,1]区间，建立航空器大气数据中不同数据的归一化数据指标；步骤5：建立大气数据系统的安全评价体系，完成对航空器大气数据系统安全性能评价；本发明能够有效地对航空器大气数据系统进行数据提取与安全性能评价，具有从多方面衡量航空器的安全性、评价指标易于获取、稳定性好、实操性强的特点。

Description

一种航空器大气数据安全监测评价方法
技术领域
本发明属于航空器监测技术领域，特别涉及一种航空器大气数据安全监测评价方法。
背景技术
航空器是指在大气层以内飞行的器械，其种类繁多，主要包括：无人机、直升机、滑翔机等。航空器自上世纪40年代以来，历经几十年的发展，如今已融入国民生产和生活之中，航空器无论在军事、民用还是商用等众多领域中都得到了广泛的应用。但随着航空器的快速发展，其安全问题越发的尖锐，航空器在航行过程中，能否及时知道其所处的环境是否安全，往往是通过人工经验进行判断，这种方法主观性强，且受众面积小，不利于推广。
有关工作者建立了一系列航空器安全评分系统，通过实验室环境中的多轴振动试验台的振动效果来计算航空器疲惫的耦合作用下的损伤和寿命，实现机身材料和结构的可靠性能评价；通过对飞控软件的文档源码和运行程序进行多维测试，根据出错率的大小来判断被测试软件的可靠性程度，来实现飞行控制系统的可靠性性能评价；通过硬件和软件融合后其飞行任务的成功率的高低来判断航空器系统的可靠性能；通过在航空器一边悬挂重物来模拟无人机飞行时受到阵风的情况，通过观察航空器倾角来评价抗风性能的好坏。但存在着以下问题：考虑因素不全面，不能从多方面衡量航空器的安全性；选取的评价指标数据不易获取，没有合适的传感器或传感器成本太高不适用于采集相关数据；采用的评价系统中的算法过于复杂、算法计算评价指标的误差变大导致评价指标的稳定性能差。
专利申请号为[202210717852.7]的专利申请，提供了“一种无人机飞行安全性能分析方法”，通过对无人机的运行状态进行监测分析，获取无人机运行时段i内无人机的振动数据ZDi、噪声数据ZSi以及温度数据WDi并进行数值计算，得到运行系数与运行表现值，通过运行系数与运行表现值的数值大小对无人机的运行状态与运行波动状态是否满足要求进行判定，通过运行检测模块可以实时对无人机运行性能与运行波动性能进行监控分析，在无人机运行性能或运行波动性能不满足要求时及时进行安全预警，以此避免安全事故的发生；因此具有指标不易获取、稳定性差、实操性不强的缺点。
发明内容
为了克服上述现有技术的不足，本发明的目的在于提供一种航空器大气数据安全监测评价方法，首先获得监测数据，对监测数据进行频域变换，实现滤除采集信息的高斯噪声；建立航空器监测信息提取模型，实现对航空器大气数据信息的提取；最终建立一个大气数据系统的安全评价体系，完成航空器大气数据系统安全性能的评价；本发明能够有效地对航空器大气数据系统进行数据提取与安全性能评价，具有从多方面衡量航空器的安全性、评价指标易于获取、稳定性好、实操性强的特点。
为了实现上述目的，本发明采用的技术方案是：
一种航空器大气数据安全监测评价方法，包括如下步骤：
步骤1：基于航空器的监测系统获取监测数据；
步骤2：对监测数据进行频域变换，滤除采集信息的高斯噪声；
步骤3：建立航空器监测信息提取模型，实现对航空器大气数据信息的提取；
步骤4：根据不同的大气数据信息取值范围，利用Logistic函数将航空器信息规范化到[0,1]区间，建立航空器大气数据中不同数据的归一化数据指标；
步骤5：建立大气数据系统的安全评价体系，完成航空器大气数据系统安全性能评价。
所述步骤1中，所述监测数据如下：
基于GPS定位模块测量航空器所处空间位置的经纬度信息；
基于MPU6050六轴姿态传感器测量航空器机身姿态；
基于气压传感器测量航空器所处空间位置的大气压强信息；
基于磁力计测量航空器所处空间的磁感应强度信息。
所述步骤2，具体包括：
对航空器监测系统采集的空间位置经纬度信息、机身姿态、大气压强信息和磁感应强度信息进行噪声滤除，傅里叶变换公式为：
其中，N为时域离散信号的点数，n为时域离散信号的编号，取值范围为0~N-1；m为频域信号的编号，取值范围为0~N-1；频域信号的点数也为N，通过上式将信号由时域转换为频域，绘制频谱图像，根据频域变换后的信息确定FIR滤波器的滤波参数，通过FIR滤波器滤除监测数据的高斯噪声。
所述步骤3中航空器监测信息提取模型，其功能为：
3.1、对滤除高斯噪声后的经纬度信息，利用经纬度与坐标系的转换算出航空器的二维平面坐标；
3.2、对滤除高斯噪声后的大气压强信息，利用大气压-海拔公式，得到大气压与海拔高度的关系，大气压-海拔公式如下：
式中，P0为海平面标准大气压，h为海拔高度，L为温度递减 率，T0为海平面标准温度，g为地球表面重力加速度，M为摩尔质量，R为普适气体常数 ；
3.3、对滤除高斯噪声后的机身姿态信息，根据四元数法解算其对应的三维欧拉角，获得航空器的机载数据；
3.4、对滤除高斯噪声后的磁感应强度信息，根据磁力计采集后经过模数转换，得出用于探测航空器所处空间的磁场干扰情况。
所述步骤4，所述归一化数据指标具体包括：
根据解算和滤波后的航空器航行距离、航空器真空速、航空器航行承力、航空器马赫数、航空器所处空间的航空器磁场强度以及航空器攻角所处的区间对其建立对应的Logistic函数，针对一组数据x，分别计算其均值及最大最小值，如下：
式中，Ex为x的数学期望，/>为x的第i 个元素，/>为x的第1顺序统计量，/>为x的第n顺序统计量，max x为x 的最大值，min x为x 的最小值；
建立Logistic函数的标准为：
其中，为数学期望，为x的最大值，为x的最小 值，Q为因子强度；通过该Logistic函数将监测信息映射到区间[0,1]之中，实现数据的归一 化。
步骤4中所述的航空器航行距离、航空器真空速、航空器航行承力、航空器马赫数、航空器所处空间的磁场强度以及航空器攻角，解算和滤波推算方法如下：
所述航空器航行距离：通过GPS定位模块测量航空器的经纬度，再通过离散的频域变换DFT，再经过设计的频域滤波器进行滤波，再由经纬度坐标系转换公式计算航空器的二维平面坐标，结合气压传感器测量的航空器高度信息得出航空器的空间三维位置，定义航空器航行距离为航空器空间三维位置的二范数，即：
其中，d为航空器航行距离，x、y、z分别为x、y、z轴到原点的距离；
所述结合气压传感器测量的航空器高度信息：通过气压传感器测量大气压强，再通过离散的频域变换DFT，再经过设计的频域滤波器进行滤波，最后由压高公式推导出当前航空器所处的空间高度；
所述航空器真空速：通过航空器航行距离进行一阶差分得到航空器速度在三维坐标系内的分量，定义航空器真空速为航空器空间三维速度分量的二范数，即：
其中，为航空器真空速， 分别为xyz轴的速 度；
所述航空器航行承力：通过航空器航行距离进行二阶差分得到航空器加速度在三维坐标系内的分量，定义航空器航行承力为航空器加速度与质量的乘积，即：
其中，为航行承力，m为质量，为航空器真空速， 分别为xyz轴的加速度；
所述航空器马赫数：马赫数为真空速与音速之比，根据航空器真空速，考虑到音速仅受到温度影响，而温度与海拔高度有依存关系，即：
其中，为马赫数，为海拔高度，A为音速，为温度；
所述航空器所处空间的磁场强度：通过磁力计传感器测量，再通过离散的频域变换DFT，再经过设计的频域滤波器进行滤波，输出测量的磁场强度；
所述航空器攻角：通过MPU6050姿态传感器测量机身姿态信息，再通过离散的频域变换DFT，再经过设计的频域滤波器进行滤波，输出测量的航空器攻角。
所述步骤5，具体包括：
针对测量的大气数据系统指标，利用层次分析法确定指标之间的权重，进而实现大气数据系统的安全评价：
对于航行器在任意时刻的某一指标Ai，计算其与其余指标的相对重要程度aij，其中：
式中，为信息指标的相对重要程度，为某一信息指标的打分情况；
得到量化判断矩阵为：
式中，为指标的相对重要程度；
通过层次分析法计算各层次指标的相对权值，首先对量化判断矩阵按列规范化，即：
式中，为指标的相对重要程度，为按列规范化的矩阵；
然后按行相加得和向量，即
式中，为按列规范化的矩阵，为矩阵求和向量；
将和向量规范化，得到权重向量，即
式中，为矩阵求和向量；
安全监测评分为：
式中，为第i个因子的权重， 为归一化的第i个因子 的强度，为安全监测评分。
相对于现有技术，本发明的有益效果在于：
1.本发明不仅提供基于航空器安全评价指标选择对应的传感器，保证数据的易获得性；还建立了航空器监测信息提取模型，有效提取了需要监测的数据；最后还建立了安全评价体系来对本发明监测指标赋权量化评价，对航空器安全监测进行量化评价，有助于未来航空领域科学技术的发展。
2.本发明由于综合考虑了航空器航行距离、航空器真空速、航空器航行承力、航空器马赫数、航空器所处空间的磁场强度以及航空器攻角因素，因此可以从多方面衡量航空器的安全性。
3.本发明由于提供了获取航空器大气信息评价指标的传感器及数据解算方法，因此易获取评价指标数据。
4.本发明由于具有可以基于安全评价体系可对数据进行计算，使得计算更为简单快速，因此可以解决复杂、算法计算评价指标的误差变大导致评价指标的稳定性能差的问题。
5.本发明通过对监测数据进行频域变换实现滤除采集信息的高斯噪声，因此具有对噪声不敏感和鲁棒性强的特点。
6.本发明通过建立航空器监测信息提取模型，实现对航空器大气数据信息的提取，因此具有简单获取航空器大气数据的特点。
7.本发明基于层次分析法，建立一个大气数据系统的安全评价体系，因此具有对航空器进行在线安全评价的功能。
综上所述，本发明通过根据评价指标选择对应的传感器，设计航空器的监测系统，建立航空器监测信息提取模型，用航空器监测信息提取模型对航空器大气信息评价指标进行提取和处理，建立安全评价体系对航空器安全性能进行评价，获得航空器大气数据系统安全性能结果；具有从多方面衡量航空器的安全性、评价指标易于获取、稳定性好、实操性强的特点。
附图说明
图1是本发明步骤1中航空器的监测系统图。
图2是本发明步骤2中的FIR滤波器图。
图3是本发明FIR滤波器滤波结果图。
图4是本发明的六种指标的Logistic函数图。
图5是本发明的安全监测评分包含指标图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
一种航空器大气数据安全监测评价方法，包括如下步骤：
步骤1：基于航空器的监测系统获取监测数据；
如图1所述，基于GPS定位模块测量航空器所处空间位置的经纬度信息；
基于MPU6050六轴姿态传感器测量航空器机身姿态；
基于气压传感器测量航空器所处空间位置的大气压强信息；
基于磁力计测量航空器所处空间的磁感应强度信息。
步骤2：对监测数据进行频域变换实现滤除采集信息的高斯噪声；
对航空器监测系统采集的空间位置经纬度信息、机身姿态、大气压强信息和磁感应强度信息进行噪声滤除；考虑到采集机载信息中的噪声大多来自大气中的高斯噪声和传输过程中的高频噪声，因此采用频域降噪的方法对监测信息进行滤波。
对采集信息进行傅里叶变换，变换公式为：
其中，N为时域离散信号的点数，n为时域离散信号的编号，取值范围为0~N-1；m为频域信号的编号，取值范围为0~N-1；频域信号的点数也为N；因此离散傅里叶变换的输入为N个离散的点（时域信号），输出为N个离散的点（频域信号，频域信号的每个点都用一个复数表示）；通过上式将信号由时域转换为频域，绘制频谱图像；高斯噪声主要存在与高频分量处，可以看到在绘制的频谱图像中高频分量处有很多较小的分量，就是本发明中需要滤除的高斯噪声。
随后针对本发明中采集的信息设计FIR滤波器，设计FIR滤波器性能要求如表1所示。
表1 FIR滤波器性能要求表
经过设置对应的FIR滤波器性能参数，设计的FIR滤波器如图2所示。
本发明以采集的一组无人机在上升过程中气压计采集的80个气压信息数据点为例进行DFT并利用本发明设计的FIR滤波器进行滤波，采集信息与滤波后的数据如表2所示。
表2 采集信息与滤波后的数据
原始信号 滤波后的信号 原始信号 滤波后的信号
101322.1 101322.1 101321.1 101321.3
101322 101322.1 101321.1 101321.2
101322 101322 101321.1 101321.2
101322 101322.1 101321 101321.2
101322 101322 101321 101321.1
101321.9 101322.1 101320.9 101321
101321.9 101321.9 101320.9 101321
101321.9 101321.9 101320.9 101321
101321.8 101321.9 101320.9 101321.1
101321.8 101322 101320.9 101321
101321.8 101321.9 101320.8 101320.9
101321.8 101321.8 101320.8 101320.9
101321.8 101321.8 101320.8 101321
101321.7 101321.8 101320.7 101320.8
101321.7 101321.8 101320.7 101320.9
101321.7 101321.9 101320.7 101320.8
101321.6 101321.8 101320.6 101320.8
101321.6 101321.6 101320.6 101320.6
101321.6 101321.7 101320.5 101320.6
101321.6 101321.6 101320.5 101320.6
101321.6 101321.7 101320.5 101320.5
101321.5 101321.6 101320.4 101320.5
101321.5 101321.7 101320.4 101320.6
101321.5 101321.6 101320.4 101320.5
101321.5 101321.6 101320.3 101320.4
101321.5 101321.6 101320.3 101320.5
101321.4 101321.5 101320.3 101320.3
101321.4 101321.5 101320.2 101320.3
101321.4 101321.6 101320.2 101320.3
101321.4 101321.6 101320.1 101320.2
101321.4 101321.5 101320.1 101320.3
101321.4 101321.5 101320 101320.2
101321.3 101321.4 101319.9 101319.9
101321.3 101321.5 101319.9 101320
101321.3 101321.3 101319.8 101319.9
101321.2 101321.4 101319.8 101319.9
101321.2 101321.3 101319.7 101319.8
101321.2 101321.3 101319.6 101319.7
101321.2 101321.2 101319.5 101319.6
101321.1 101321.3 101319.5 101319.6
绘制滤波前后的图像如图3所示。
步骤3：建立航空器监测信息提取模型，实现对航空器大气数据信息的提取；
所述航空器监测信息提取模型，其功能为：
3.1、对滤除高斯噪声后的经纬度信息，利用经纬度与坐标系的转换可以算出航空器的二维平面坐标。如表3所示为经纬度与距离的转换方法。
表3 经纬度转换方法
经纬度 距离
1° 111km
1′ 1.85km
1″ 0.0031km
定义航空器起飞处为坐标系原点，起飞时的机头方向为坐标系x轴方向，且空间直角坐标系成右手坐标系。则空间距离xy可表示为：
式中，为航空器起飞时机头与纬度的夹角，为纬度， 为起飞时的纬度，为纬度，为起飞时的纬度， xy为空间直角坐标系的xy大小。
3.2、对滤除高斯噪声后的大气压强信息，利用大气压-海拔公式，得到大气压与海拔高度的关系，大气压-海拔公式如下：
式中，P0为海平面标准大气压，h为海拔高度，L为温度递减 率，干燥空气中约为0.0065K/m，T0为海平面标准温度，g为地球表面重力加速度，为9.8m/s2， M是摩尔质量，为0.0289644kg/moL,R为普适气体常数，为8.31447 ;
3.3、对滤除高斯噪声后的机身姿态信息，根据四元数法解算其对应的三维欧拉角获得航空器的机载数据;
3.4、对滤除高斯噪声后的磁感应强度信息，根据磁力计采集后经过模数转换得出，得出用于探测航空器所处空间的磁场干扰情况。
步骤4：建立航空器大气数据中不同数据的归一化数据指标；
根据同的大气数据信息取值范围，利用Logistic函数将航空器信息进行规范化到[0,1]区间，根据解算和滤波后的航空器航行距离、航空器真空速、航空器航行承力、航空器马赫数、航空器所处空间的磁场强度以及航空器攻角所处的区间对其建立对应的Logistic函数，针对一组数据x，分别计算其均值及最大最小值,如下：
式中，Ex为x的数学期望，/>为x的第i 个元素，/>为x的第1顺序统计量，/>为x的第n顺序统计量，max x为x 的最大值，min x为x 的最小值；
建立Logistic函数的标准为：
其中，为数学期望，为x的最大值，为x的最小 值，Q为因子强度；通过该Logistic函数将监测信息映射到区间[0,1]之中，实现数据的归一 化。
本发明以采集无人机飞行数据为例计算相应指标，取Logistic函数中，如表4所示为上述六个指标的区间以及对应的Logistic函数。
表4 各个指标的区间及对应的Logistic函数
如表4所示，可以根据六种指标对应的Logistic函数将六种指标归一化至[0,1]之中，实现数据的归一化，六种指标对应的Logistic函数对应函数曲线如图4、图5所示，可以看出，建立的Logistic数据标准化处理能够有效反映出评分的准确性。
步骤4中所述的航空器航行距离、航空器真空速、航空器航行承力、航空器马赫数、航空器所处空间的磁场强度以及航空器攻角，解算和滤波推算方法如下：
所述航空器航行距离：通过GPS定位模块测量航空器的经纬度，再通过离散的频域变换DFT，再经过设计的频域滤波器进行滤波，再由经纬度坐标系转换公式计算航空器的二维平面坐标，结合气压传感器测量的航空器高度信息得出航空器的空间三维位置，定义航空器航行距离为航空器空间三维位置的二范数，即：
其中，d为航空器航行距离，x、y、z分别为x、y、z轴到原点的距离；
所述结合气压传感器测量的航空器高度信息，通过气压传感器测量大气压强，再通过离散的频域变换DFT，再经过设计的频域滤波器进行滤波，最后由压高公式推导出当前航空器所处的空间高度。
所述航空器真空速：通过航空器航行距离进行一阶差分得到航空器速度在三维坐标系内的分量，定义航空器真空速为航空器空间三维速度分量的二范数，即：
其中，为航空器真空速， 分别为xyz轴的速 度；
所述航空器航行承力：通过航空器航行距离进行二阶差分得到航空器加速度在三维坐标系内的分量，定义航空器航行承力为航空器加速度与质量的乘积，即：
其中，为航行承力，m为质量，为航空器真空速， 分别为xyz轴的加速度；
所述航空器马赫数：马赫数为真空速与音速之比，根据航空器真空速，考虑到音速仅受到温度影响，而温度与海拔高度有依存关系即：
其中，为马赫数，为海拔高度，A为音速，为温度；
所述航空器所处空间的磁场强度：通过磁力计传感器测量，再通过离散的频域变换DFT，再经过设计的频域滤波器进行滤波，输出测量的磁场强度。
所述航空器攻角：通过MPU6050姿态传感器测量机身姿态信息，再通过离散的频域变换DFT，再经过设计的频域滤波器进行滤波，输出测量的航空器攻角。
步骤5：建立大气数据系统的安全评价体系，完成对航空器大气数据系统安全性能评价；
对于航行器在任意时刻的某一指标Ai，计算其与其余指标的相对重要程度aij，如表5所示：
表5 评价指标重要度比较结果
A1 A2 ... An
A1 a11 a12 ... a1n
A2 a21 a22 ... a2n
... ... ... ... ...
An an1 an2 ... ann
其中
式中，为信息指标的相对重要程度，为某一信息指标的打分情况；
得到量化判断矩阵为：
式中，为指标的相对重要程度；
通过层次分析法计算各层次指标的相对权值，首先对量化判断矩阵按列规范化，即：
式中，为指标的相对重要程度，为按列规范化的矩阵；
然后按行相加得和向量，即
式中，为按列规范化的矩阵，为矩阵求和向量；
接下来将和向量规范化，得到权重向量，即
式中，为矩阵求和向量；
以某一时刻航行器数据如表6所示为例：
信息类型 数值大小 Logistic函数归一化后的数值
航空器航行距离 100 0.9526
航空器真空速 5 0.9770
航空器航行承力 3 0.8808
航空器马赫数 0.014 0.9734
航空器磁场强度 0.5 0.5
航空器攻角 5 0.9656
航空器的安全监测评分为：
式中，为第i个因子的权重， 为归一化的第i个因子 的强度，为安全监测评分。
考虑到不同类型航空器对各个指标重视程度不同，即构造的成对比较矩阵不同，本发明在此不作限制，本发明以均等的重视程度为例计算安全监测评分，即：
计算航空器安全监测评分如下：
即该案例可算出航空器安全监测评分为0.8749分。/>

Claims (1)

1.一种航空器大气数据安全监测评价方法，其特征在于，包括如下步骤：
步骤1：基于航空器的监测系统获取监测数据；
步骤2：对监测数据进行频域变换，滤除采集信息的高斯噪声；
步骤3：建立航空器监测信息提取模型，实现对航空器大气数据信息的提取；
步骤4：根据不同的大气数据信息取值范围，利用Logistic函数将航空器信息进行规范化到[0,1]区间，建立航空器大气数据中不同数据的归一化数据指标；
步骤5：建立大气数据系统的安全评价体系，完成航空器大气数据系统安全性能评价；
所述步骤1中，所述监测数据如下：
基于GPS定位模块测量航空器所处空间位置的经纬度信息；
基于MPU6050六轴姿态传感器测量航空器机身姿态；
基于气压传感器测量航空器所处空间位置的大气压强信息；
基于磁力计测量航空器所处空间的磁感应强度信息；
所述步骤2，具体包括：
对航空器监测系统采集的空间位置经纬度信息、机身姿态、大气压强信息和磁感应强度信息进行噪声滤除，傅里叶变换公式为：
其中，N为时域离散信号的点数，n为时域离散信号的编号，取值范围为0～N-1；m为频域信号的编号，取值范围为0～N-1；频域信号的点数也为N，通过上式将信号由时域转换为频域，绘制频谱图像，根据频域变换后的信息确定FIR滤波器的滤波参数，通过FIR滤波器滤除监测数据的高斯噪声；
所述步骤3中航空器监测信息提取模型，其功能为：
3.1、对滤除高斯噪声后的经纬度信息，利用经纬度与坐标系的转换可以算出航空器的二维平面坐标；
3.2、对滤除高斯噪声后的大气压强信息，利用大气压-海拔公式，得到大气压与海拔高度的关系，大气压-海拔公式如下：
式中，P0为海平面标准大气压，h为海拔高度，L为温度递减率，T0为海平面标准温度，g为地球表面重力加速度，M为摩尔质量，R为普适气体常数；
3.3、对滤除高斯噪声后的机身姿态信息，根据四元数法解算其对应的三维欧拉角获得航空器的机载数据；
3.4、对滤除高斯噪声后的磁场强度信息，根据磁力计传感器采集后经过模数转换，得出用于探测航空器所处空间的磁场干扰情况；
所述步骤4，所述归一化数据指标具体包括：
根据解算和滤波后的航空器航行距离、航空器真空速、航空器航行承力、航空器马赫数、航空器所处空间的磁场强度以及航空器攻角所处的区间对其建立对应的Logistic函数，针对一组数据x，分别计算其均值及最大最小值如下：
式中，Ex为x的数学期望，x(i)为x的第i个元素，x(1)为x的第1顺序统计量，x(n)为x的第n顺序统计量，maxx为x的最大值，minx为x的最小值；
建立Logistic函数的标准为：
其中，Ex为数学期望，maxx为x的最大值，minx为x的最小值，Q为因子强度；通过该Logistic函数将监测信息映射到区间[0,1]之中，实现数据的归一化；
步骤4中所述的航空器航行距离、航空器真空速、航空器航行承力、航空器马赫数、航空器所处空间的磁场强度以及航空器攻角，解算和滤波推算方法如下：
所述航空器航行距离：通过GPS定位模块测量航空器的经纬度，再通过离散的频域变换DFT，再经过设计的频域滤波器进行滤波，再由经纬度坐标系转换公式计算航空器的二维平面坐标，结合气压传感器测量的航空器高度信息得出航空器的空间三维位置，定义航空器航行距离为航空器空间三维位置的二范数；即：
其中，d为航空器航行距离，x、y、z分别为x、y、z轴到原点的距离；
所述结合气压传感器测量的航空器高度信息，通过气压传感器测量大气压强，再通过离散的频域变换DFT，再经过设计的频域滤波器进行滤波，最后由压高公式推导出当前航空器所处的空间高度；
所述航空器真空速：通过航空器航行距离进行一阶差分得到航空器速度在三维坐标系内的分量，定义航空器真空速为航空器空间三维速度分量的二范数，即：
其中，v为航空器真空速，vx vy vz分别为xyz轴的速度；
所述航空器航行承力：通过航空器航行距离进行二阶差分得到航空器加速度在三维坐标系内的分量，定义航空器航行承力为航空器加速度与质量的乘积，即：
其中，F为航行承力，m为质量，a为航空器真空速，ax ay az分别为xyz轴的加速度；
所述航空器马赫数：马赫数为真空速与音速之比，根据航空器真空速，考虑到音速仅受到温度影响，而温度与海拔高度有依存关系，即：
其中，Ma为马赫数，H为海拔高度，A为音速，T0为温度；
所述航空器所处空间的磁场强度：通过磁力计传感器测量，再通过离散的频域变换DFT，再经过设计的频域滤波器进行滤波，输出测量的磁场强度；
所述航空器攻角：通过MPU6050姿态传感器测量机身姿态信息，再通过离散的频域变换DFT，再经过设计的频域滤波器进行滤波，输出测量的航空器攻角；
所述步骤5，具体包括：
针对测量的大气数据系统指标，利用层次分析法确定指标之间的权重进而实现大气数据系统的安全评价；
对于航行器在任意时刻的某一指标Ai，计算其与其余指标的相对重要程度aij，其中：
式中，aij为信息指标的相对重要程度，Ai为某一信息指标的打分情况；
得到量化判断矩阵为：
A'＝[aij]n×n
式中，aij为指标的相对重要程度；
通过层次分析法计算各层次指标的相对权值，首先对量化判断矩阵按列规范化，即：
式中，aij为指标的相对重要程度，为aij按列规范化的矩阵；
然后按行相加得和向量，即
式中，为aij按列规范化的矩阵，Wi为矩阵求和向量；
将和向量规范化，得到权重向量，即
式中，Wi为矩阵求和向量；
安全监测评分为：
式中，Wi为第i个因子的权重，Qi为归一化的第i个因子的强度，Value为安全监测评分。
CN202310946630.7A 2023-07-31 2023-07-31 一种航空器大气数据安全监测评价方法 Active CN116662937B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310946630.7A CN116662937B (zh) 2023-07-31 2023-07-31 一种航空器大气数据安全监测评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310946630.7A CN116662937B (zh) 2023-07-31 2023-07-31 一种航空器大气数据安全监测评价方法

Publications (2)

Publication Number Publication Date
CN116662937A CN116662937A (zh) 2023-08-29
CN116662937B true CN116662937B (zh) 2023-10-20

Family

ID=87728257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310946630.7A Active CN116662937B (zh) 2023-07-31 2023-07-31 一种航空器大气数据安全监测评价方法

Country Status (1)

Country Link
CN (1) CN116662937B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105824318A (zh) * 2016-02-19 2016-08-03 深圳供电局有限公司 一种多旋翼无人机通讯和安全监测系统
CN106200527A (zh) * 2016-08-12 2016-12-07 中国航空工业集团公司西安飞行自动控制研究所 一种基于双余度的机载大气数据系统数据获取方法
CN106709465A (zh) * 2016-12-29 2017-05-24 武汉大学 基于条件随机场的极化sar图像道路提取方法
CN106772502A (zh) * 2016-12-07 2017-05-31 中国电子科技集团公司第五十四研究所 低轨卫星备份导航系统多普勒定位解算方法
CN106813900A (zh) * 2017-01-12 2017-06-09 中国民用航空飞行校验中心 一种基于无人机技术的民用机场助航灯光飞行校验方法
CN107038900A (zh) * 2017-04-25 2017-08-11 西安航空学院 一种通用航空低空监视与服务系统
CN108646710A (zh) * 2018-05-10 2018-10-12 中国民航大学 一种基于改进容积粒子滤波的电液联合舵机状态估计方法
CN108875710A (zh) * 2018-07-24 2018-11-23 杭州电子科技大学 基于能量阈值算法的电梯门运行速度估计方法
CN109976290A (zh) * 2019-04-26 2019-07-05 大连海事大学 一种无人船航行状态监控及安全评估控制系统
CN110987284A (zh) * 2019-11-20 2020-04-10 中国航空工业集团公司沈阳飞机设计研究所 一种用于飞翼式飞机的高可靠性全嵌入式大气数据系统
CN112180984A (zh) * 2020-10-22 2021-01-05 江汉大学 一种基于人工智能的无人机辅助飞行装置及飞行控制方法
CN114056599A (zh) * 2021-12-23 2022-02-18 中国飞机强度研究所 一种基于灰色关联度的飞机气候环境适应能力评价方法
CN114234910A (zh) * 2021-12-08 2022-03-25 南京航空航天大学 基于气压基准自适应修正的惯性和ads高度融合方法
CN114485675A (zh) * 2022-02-11 2022-05-13 四川陆垚控制技术有限公司 无人机航姿解算方法
CN115164884A (zh) * 2022-07-19 2022-10-11 中国民航大学 一种无人机飞行状态在线监测系统
CN115294674A (zh) * 2022-10-09 2022-11-04 南京信息工程大学 一种无人艇航行状态的监测评估方法
CN116147624A (zh) * 2022-12-21 2023-05-23 广东智能无人系统研究院(南沙) 一种基于低成本mems航姿参考系统的船舶运动姿态解算方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9727825B2 (en) * 2014-07-03 2017-08-08 The Boeing Company System and method for predicting runway risk levels using weather forecast data and displaying multiple risk indicators comprising graphical risk indicators

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105824318A (zh) * 2016-02-19 2016-08-03 深圳供电局有限公司 一种多旋翼无人机通讯和安全监测系统
CN106200527A (zh) * 2016-08-12 2016-12-07 中国航空工业集团公司西安飞行自动控制研究所 一种基于双余度的机载大气数据系统数据获取方法
CN106772502A (zh) * 2016-12-07 2017-05-31 中国电子科技集团公司第五十四研究所 低轨卫星备份导航系统多普勒定位解算方法
CN106709465A (zh) * 2016-12-29 2017-05-24 武汉大学 基于条件随机场的极化sar图像道路提取方法
CN106813900A (zh) * 2017-01-12 2017-06-09 中国民用航空飞行校验中心 一种基于无人机技术的民用机场助航灯光飞行校验方法
CN107038900A (zh) * 2017-04-25 2017-08-11 西安航空学院 一种通用航空低空监视与服务系统
CN108646710A (zh) * 2018-05-10 2018-10-12 中国民航大学 一种基于改进容积粒子滤波的电液联合舵机状态估计方法
CN108875710A (zh) * 2018-07-24 2018-11-23 杭州电子科技大学 基于能量阈值算法的电梯门运行速度估计方法
CN109976290A (zh) * 2019-04-26 2019-07-05 大连海事大学 一种无人船航行状态监控及安全评估控制系统
CN110987284A (zh) * 2019-11-20 2020-04-10 中国航空工业集团公司沈阳飞机设计研究所 一种用于飞翼式飞机的高可靠性全嵌入式大气数据系统
CN112180984A (zh) * 2020-10-22 2021-01-05 江汉大学 一种基于人工智能的无人机辅助飞行装置及飞行控制方法
CN114234910A (zh) * 2021-12-08 2022-03-25 南京航空航天大学 基于气压基准自适应修正的惯性和ads高度融合方法
CN114056599A (zh) * 2021-12-23 2022-02-18 中国飞机强度研究所 一种基于灰色关联度的飞机气候环境适应能力评价方法
CN114485675A (zh) * 2022-02-11 2022-05-13 四川陆垚控制技术有限公司 无人机航姿解算方法
CN115164884A (zh) * 2022-07-19 2022-10-11 中国民航大学 一种无人机飞行状态在线监测系统
CN115294674A (zh) * 2022-10-09 2022-11-04 南京信息工程大学 一种无人艇航行状态的监测评估方法
CN116147624A (zh) * 2022-12-21 2023-05-23 广东智能无人系统研究院(南沙) 一种基于低成本mems航姿参考系统的船舶运动姿态解算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Model-Based Prognostic Health-Management Algorithms for the Freeplay Identification in Electromechanical Flight Control Actuators;G. Di Rito 等;《 2018 5th IEEE International Workshop on Metrology for AeroSpace (MetroAeroSpace)》;第340-345页 *
融合航空器监视数据的航空气象参数反演及验证;卢晓光 等;《信号处理》;第1293-1305页 *

Also Published As

Publication number Publication date
CN116662937A (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN104765968B (zh) 一种无人机系统健康状态测评装置
US9650152B2 (en) Flight envelope protection system for unmanned aerial vehicles
US10810501B1 (en) Automated pre-flight and in-flight testing of aerial vehicles by machine learning
CN109710961B (zh) 一种基于gps数据的高空无人机升限数据处理方法
Lei et al. A linear domain system identification for small unmanned aerial rotorcraft based on adaptive genetic algorithm
CN110633790B (zh) 基于卷积神经网络的飞机油箱剩余油量测量方法和系统
Eubank et al. Fault detection and fail-safe operation with a multiple-redundancy air-data system
CN112858961B (zh) 一种针对航空平台多源磁干扰的补偿方法
Tian et al. Design and evaluation of UAV flow angle estimation filters
CN109683164A (zh) 一种基于飞行数据的无人机坠落行为识别方法
CN104504255A (zh) 一种螺旋翼升力和阻力力矩的确定方法
CN113869379A (zh) 一种基于数据驱动的航空器能量异常识别方法
Pytka et al. Budzy nski
CN106525055A (zh) 一种基于模型摄动的火星大气进入自适应估计方法
US20220300672A1 (en) Methods and Systems for Analyzing and Predicting Aeroelastic Flutter on Configurable Aircraft
CN116662937B (zh) 一种航空器大气数据安全监测评价方法
CN107577238A (zh) 基于ukf的无人机气压计异常数据处理的高度控制方法
Ariante et al. Velocity and attitude estimation of a small unmanned aircraft with micro Pitot tube and Inertial Measurement Unit (IMU)
Klaproth et al. Investigation of Mission Performance Sensitivities for Unmanned Aerial Vehicles Based on Parametric Similarity Assessment of Mission Requirements
McCrink et al. Aerodynamic Parameter Estimation for Derived Angle-of-Attack Systems
Shi et al. Autonomous Security Evaluation Model for UAV Based on Airborne Information
Bramati et al. A Versatile Calibration Method for Rotary-Wing UAS as Wind Measurement Systems
Ben Asher et al. Improvements to Wind-Tunnel Flutter Prediction with Application to the Active Aeroelastic Aircraft Testbed Wind-Tunnel Model
CN114609555B (zh) 集群无人磁总场全轴梯度探测方法及使用其的探测系统
CN112198887B (zh) 一种多旋翼无人机机载计算机性能评估系统方法

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