JP2021524013A - 近接ポート間の圧力パターンを用いてフラッシュ型エアデータシステムの誤った圧力測定を検出するためのシステム及び方法 - Google Patents
近接ポート間の圧力パターンを用いてフラッシュ型エアデータシステムの誤った圧力測定を検出するためのシステム及び方法 Download PDFInfo
- Publication number
- JP2021524013A JP2021524013A JP2020504244A JP2020504244A JP2021524013A JP 2021524013 A JP2021524013 A JP 2021524013A JP 2020504244 A JP2020504244 A JP 2020504244A JP 2020504244 A JP2020504244 A JP 2020504244A JP 2021524013 A JP2021524013 A JP 2021524013A
- Authority
- JP
- Japan
- Prior art keywords
- pressure
- ports
- port
- fads
- air data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000009530 blood pressure measurement Methods 0.000 title abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 208000018634 fetal akinesia deformation sequence Diseases 0.000 description 34
- 208000012165 fetal akinesia deformation sequence syndrome Diseases 0.000 description 34
- 238000002421 fluorescence-activated droplet sorting Methods 0.000 description 34
- 238000001514 detection method Methods 0.000 description 27
- 238000013528 artificial neural network Methods 0.000 description 16
- 238000000926 separation method Methods 0.000 description 12
- 238000005259 measurement Methods 0.000 description 10
- 238000002955 isolation Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 9
- 230000003068 static effect Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000000443 aerosol Substances 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000000546 chi-square test Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 239000010763 heavy fuel oil Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P21/00—Testing or calibrating of apparatus or devices covered by the preceding groups
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D43/00—Arrangements or adaptations of instruments
- B64D43/02—Arrangements or adaptations of instruments for indicating aircraft speed or stalling conditions
-
- 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
- G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
-
- 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
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
- G01P5/14—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring differences of pressure in the fluid
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Measuring Fluid Pressure (AREA)
Abstract
本発明は、フラッシュ型エアデータシステム(FADS)の詰まった圧力ポート(内側ポート及び外側ポート)及び/又は誤った圧力測定を実時間で検出及び分離するための方法に関する。圧力ポートは外側円と内側円の周囲に沿って存在し、また、最も内側のポートがノーズキャップの中心に位置する。マッハ数と迎角と横滑り角の異なる複数の飛行条件について二つの近接するポート間で生じ得る最大圧力差が、まず広範なシミュレーションを通じて求められる。飛行中に各圧力ポートの読取値が、対応する円のそのポートに最近接の二つのポートと所定の閾値に対して比較される。プロセッサの一回のマイナーサイクル計算時間の期間にわたって通常予測されるよりも大きな変化を検出することによって、故障したポートの対が更に分離される。マッハ>1とマッハ<1について二組の閾値が使用される。
Description
本発明は、フラッシュ型(埋め込み型、面一型)エアデータシステムの分野に係り、フラッシュ型エアデータシステム(FADS,flush air data system)の詰まった圧力ポート及び/又は誤った圧力測定の実時間での検出及び分離に関する。本発明は、FADSを用いる再突入型ビークル、戦闘機、旅客機、惑星探査船のFADSにおいて有用である。
FADSは、ビークルのノーズコーンと面一の圧力ポートからの表面圧力測定を用いて迎角、横滑り角、マッハ数、動圧等のエアデータパラメータを生成する。こうしたエアデータパラメータは、実時間制御、突風荷重軽減等のために再突入型ビークルの誘導制御システムによって用いられる。再突入型ビークルは、迎角を調節することによって、ビークルに作用する空力加熱及び構造負荷を制御する。迎角の制御は再突入中において極めて重要である。マッハ数と動圧は、ゲインスケジュールや、姿勢制御システムから空力制御表面に対する制御の切り替えに用いられる。飛行の全段階におけるエアデータパラメータの測定が、再突入型ビークルにとって必須である。
FADSは、ビークルのノーズコーン上の圧力ポートからの表面圧力測定に依拠しているので、こうした圧力測定に誤りがないことが必須である。しかしながら、圧力トランスデューサの故障や、着氷や異物による圧力ポートの詰りの結果として、圧力測定の誤りが生じ得る。詰まった圧力ポートや故障したトランスデューサは、推定エアデータパラメータが真の値から顕著に逸脱することをもたらし得て、最終的には制御不能、ビークルの故障、ミッション失敗に繋がり得る。FADS推定の精度及び信頼性を向上させるために、詰まった圧力ポートや故障したトランスデューサをFADSの計算から除外することが必須である。これには、搭載コンピュータでの実施について計算が面倒でなく効果的である革新的な故障検出及び分離(FDI,fault detection and isolation)が要される。
特許文献1には、人工知能に基づいたエアデータシステムの故障分離方法及び装置が記載されている。この文献は人工知能に基づいたエアデータシステムに特化している。この文献では、ニューラルネットワーク等の形式の人工知能アルゴリズムを用いて圧力測定値を組み合わせて、グローバルエアデータパラメータを生成する。出力されたエアデータパラメータを、圧力ポートからのいくつかの圧力読取値と共に用いて、測定された各圧力読取値の推定値を生成する。推定圧力値と測定圧力値との間の差を用いて、ポートが故障していることを示す。従って、これは、圧力ポートの数の分だけ多数のニューラルネットワークを要する反転法である。圧力ポートが9個の場合、エアデータパラメータを計算するのに用いられるニューラルネットワークに加えて、9個の追加のニューラルネットワークが、9個のポートでの圧力を推定するのに必要とされる。従って、この方法は、FDI目的でFADSの入力パラメータ、つまり圧力を扱うので、逆モデルを必要とする。
特許文献2には、航空機用の人工知能に基づいたエアデータシステムの故障分離の方法及び装置が記載されている。人工知能を用いてエアデータパラメータを生成するエアデータシステムにおける故障分離を提供する方法は、静圧等の複数の測定値の関数としてエアデータパラメータを生成することを含む。次いで、生成したエアデータパラメータの関数として、複数の測定値の各々の推定値を生成する。次いで、各測定値をそれに対応する推定値と比較して、測定値とそれに対応する推定値との間の差が閾値を超えていないかどうかを決定し、その測定値を与えたデバイスの故障を示す。人工知能アルゴリズムはニューラルネットワークやサポートベクトルマシンであり得る。エアデータシステムはFADSであり得る。エアデータパラメータは、航空機の迎角、横滑り角、マッハ数、全圧、全静圧であり得る。複数の測定値は、動翼の位置、動翼の負荷、力、離陸時のビークルの質量、ビークルの質量バランス、残存燃料の質量、エンジン推力、衛星情報、高度、大気温度、ビークルの加速、ビークルの姿勢、又は着陸装置の位置を示す測定値を含み得る。特許文献2は特許文献1と同じ発明者によるものである。
特許文献3には、相互依存圧力の独立した測定から導出されたエアデータパラメータの改善した精度及び範囲を得るための方法及び装置が記載されている。この文献は、航空機用のシステムレベルエアデータパラメータ、例えば、航空機の迎角(AOA,angle‐of‐attack)及び/又は横滑り角(AOS,angle‐of‐side slip)を計算する方法を与え、複数の局所的静圧piを測定することを含む。次いで、複数の局所的静圧pi、予測されたシステム静圧Pspredicted、予測された衝撃圧力qcpredictedのうちの一つの関数として、複数の無次元の圧力比をそれぞれ生成する。次いで、生成した複数の無次元の圧力比の関数として、システムレベルエアデータパラメータを計算する。その方法を実施するように構成されたエアデータコンピュータを有するエアデータシステムも開示されている。エアデータシステムはFADS又は他の種類のエアデータシステムであり得る。上記発明は、エアデータの計算の精度及び信頼性を向上させるために無次元の圧力比を用いるものであって、入力圧力を直接扱うものではない。
特許文献4には、回転翼機用のエアデータシステム及び方法が記載されている。そのエアデータシステムは、略0.02ノットという低い気流速度を測定することができる複数の気流センサに管を介して接続された複数のフラッシュ型ポートを含む。フラッシュ型ポートは、回転翼のダウンウォッシュの影響を低減するように回転翼機の主回転翼軸の周りと回転翼ハブの下に配置される。フラッシュ型ポートと管は、空気が気流センサ内に流れるようにして、複数の気流センサが、回転翼機を取り囲む気流の横風成分の速度及び方向を測定することを可能にする。上記発明は、回転翼機用のFADSに限定される。上記発明ではFADSの故障検出及び分離法については何ら言及されていない。
特許文献5には、局所的なエアデータパラメータを決定するためにニューラルネットワークを採用した多機能エアデータプローブが記載されている。そのプローブは、複数の圧力を感知するための複数の圧力感知ポートを有するバレルを含む。圧力感知ポートに結合された計器が、複数の圧力に関する電気信号を提供する。計器に結合されたニューラルネットワークが、複数の圧力に関する電気信号を入力として受信して、それに応答して、ニューラルネットワークが、エアデータ感知プローブについての少なくとも一つの局所的エアデータパラメータを示す電気信号を出力として提供する。上記発明は、エアデータパラメータについてニューラルネットワークと共に測定圧力を利用する。この目的のためには、ニューラルネットワークのオフライントレーニングが必要とされる。更に、この文献には故障検出及び分離法について何ら言及されていない。
特許文献6には、分子光学エアデータシステム(MOADS,molecular optical air data system)が記載されている。MOADSは、気団の風速、方向、密度及び温度を直接測定する。それら測定値から、完全な組のエアデータプロダクトを決定することができる。ピトー管とは対照的に、MOADSは高仰角において動作することができる。適切な構成では、MOADSは、90度の仰角においてエアデータプロダクトを測定し続けることができる。MOADS計器は埋め込み型(面一)設計であり、レーダー断面を生じさせる航空機の突起が存在しないので、低被観測性になっている。また、MOADSは機体に依存せず、その依存性の無さに起因して較正、再較正、点検にあまりコストがかからない。そのシステムはファブリ・ペロー干渉計を用いて、空気分子及びエアロゾルによって後方散乱されたレーザー光から(非コヒーレント)ドップラーシフトを検出する(レイリー・ミー散乱)。信号を提供するのに用いられるレーザーは、266nmの紫外線で動作する短波長を利用し、人間の目には見えず、大気によって急速に吸収される。このシステムは、エアロゾルが利用可能である場合にはエアロゾルを活用するものであるが、同様のエアデータシステム技術に対するMOADSの顕著な利点は、エアロゾルが存在しない澄み切った空気(空気分子のみ)における測定を行う性能であり、これが、密度及び温度を測定する性能も与える。上記発明は、レーザー光及びファブリ・ペロー干渉計を用いて、空気分子及びエアロゾルによって後方散乱されたレーザー光から(非コヒーレント)ドップラーシフトを検出する(レイリー・ミー散乱)。そして、この情報がエアデータ生成に用いられる。しかしながら、この文献には故障検出及び分離法について何ら言及されていない。
特許文献7/特許文献8/特許文献9には、FADSの圧力感知における故障の検出及び分離のためのシステム及び方法が記載されている。該文献は、圧力感知システムの圧力ポート及び圧力トランスデューサの故障を検出及び分離するための方法に関し、5レベルの故障検出、つまり、測定圧力に対する三重モジュール式冗長(TMR,triple modular redundant)チェックを含み、次いで、飛行段階の特定の時点において測定された表面圧力が所望の範囲内に存在しているかどうかを粗いレベルで決定し、測定された表面圧力に対する一定の圧力及び比率を調べて、圧力ポートの完全な又は部分的な詰りを特定する。最終チェックは、ビークルのノーズキャップの垂直子午線及び水平経線に沿って存在する圧力ポートの所定の組み合わせから迎角及び横滑り角の推定値の一つ以上の構造化された組を生成し、迎角及び横滑り角の推定値の一つ以上の構造化された組に基づいて垂直子午線及び水平経線における圧力ポート及び圧力トランスデューサの故障を検出及び分離することに基づくものである。上記発明は、迎角及び横滑り角の推定値の構造化された組に主に依拠するものであり、FADSの基本入力である圧力を扱うものではない。上記発明は5レベルのFDIチェックを必要とする。上記発明の故障検出及び分離は、10個の迎角推定値と40個の横滑り角推定値の比較を要する。
非特許文献1には、航空機のノーズからの離散的な圧力分布を、静圧、動圧、マッハ数、迎角及び横滑り角を含む一組のエアデータパラメータに変換するのに用いられる空気力学及びニューラルネットワークモデルの組み合わせが記載されている。合計20個のニューラルネットワークがエアデータ推定に用いられる。合計11個の圧力ポートがこの文献では用いられている。5個又は6個の圧力ポートの組を扱うニューラルネットワークが、エアデータ推定値の生成のために開発されている。まず、全ての組からのエアデータ推定値の平均を取る。推定値の平均からの或る組のエアデータ推定値の分散を見ることによって、故障検出が行われる。
非特許文献2には、圧力ポート故障の存在下におけるニューラルネットワークFADSの性能が記載されている。システムは11個の圧力ポートを有する。入力信号として5個又は6個の圧力を有するニューラルネットワークの組が開発されている。異なる圧力組からの推定値を平均化して、最良の推定値を与える。故障検出については、エアデータパラメータの推定値に関連するFADS圧力の組を、逆相関関係を用いて計算する。そして、表面圧力の測定値と計算値との間の残差の二乗の和が得られる。故障したポートの検出及び分離のためにカイ二乗法を用いるフィッティング試験の統計的良好性が用いられる。
非特許文献3には、計算されたエアデータパラメータの多数の冗長な値の中から正しい値を選択するための故障指標ベクトル及びシンボリック・リーズニングの使用が記載されている。パラメータの冗長な値を一度に二つ組み合わせて、その絶対差を計算する。これらの差の特定の順序での配置が差ベクトルをもたらす。「0」を示すシンボルによって閾値束縛条件を、「1」を示すシンボルによって閾値非束縛条件をそれぞれ表すことで、差ベクトルと一対一の対応関係を有するこれら二つのシンボルのベクトルを得ることができる。パラメータの冗長な値の組のうちの誤った値に対応して、二つのシンボル要素の特有のベクトルが存在する。これが、その誤った値に特有の、つまりはその値を計算するのに用いられた一対の開口に特有の故障指標ベクトルと称される。各ベクトルは、特定の開口の対の故障を示す標準的な故障指標ベクトルである。開口の対との関係におけるこれらシンボルのベクトル各々の固有の特性が、故障管理の目的で用いられる。上記方法は、開口対が誤ったエアデータ推定に寄与することを示す。
非特許文献4には、ポートにおける圧力残差の統計的性質に基づいた故障検出法が記載されている。そのアルゴリズムは、各ポートについて測定された圧力データとモデル予測値との間の残差の評価を要する。この文献ではカイ二乗分析と加重最小二乗法に基づいた方法が用いられている。圧力残差に対するカイ二乗検定が圧力ポートの故障を検出するのに用いられる。故障が検出されると、その故障の影響が加重最小二乗法を用いて排除される。この文献では、個々の圧力残差はガウス分布していることに留意されたい。従って、所定のデータフレームについて、(分散で割ることで)スケーリングされた残差の二乗和は、N‐6自由度でカイ二乗変数として分布していて、ここで、Nはポートの総数である。残差は、そこから計算される五つのパラメータに関係しているので、自由度は5に減少する。それらのパラメータは、エアデータ状態、動圧、迎角、横滑り角、自由流静圧、較正パラメータである。圧力残差の統計的性質は、多数の飛行データから実証される。サンプル分散は、多数の飛行からのほぼ50万のデータフレームを用いて評価されたものであることに留意されたい。圧力残差の統計的性質のこの評価は、面倒なものとなり得て、システムの多数の飛行試験の後においてのみ利用可能となる。
要約すると、従来技術は多くの制限を有している。従来技術の主な欠点は、圧力ポートにおける圧力値を推定するのに逆モデルに依拠していることである。これがFDIアルゴリズムを複雑にする。また、圧力残差の分散等の統計的特性の広範な検証が従来技術では必要とされる。こうした制限を解消するために、近接ポート間の圧力パターンを用いてFADSの誤った圧力測定を検出するための新規方法を開発した。更に、本方法は、システムの冗長構成を特徴として、圧力センサの詰り、圧力センサの故障、センサ電子機器の故障、及び処理電子機器の故障に耐えることができ、航空宇宙船(ビークル)の制御誘導システムによって使用される信頼性のあるエアデータ出力を提供することができる。
T.J. Rohloff, S.A. Whitmore and I. Catton, "Fault tolerant neural network algorithm for flush air data sensing", Journal of Aircraft, Vol. 36, Issue 3, pp. 541-549, May 1999
T.J. Rohloff and I. Catton, "Fault tolerance and extrapolation stability of a neural network air data estimator", Journal of Aircraft, Vol. 36, Issue 3, pp. 571-576, May 1999
C.V. SrinathaSastry, K.S. Raman and B. LakshmanBabu, "Failure management scheme for use in a flush air data system", Aircraft Design, Vol. 4, pp. 151-162, 2001
Stephen A. Whitmore and Timothy R. Moes, "Failure detection and fault management techniques for a pneumatic high angle of attack Flush Air Data System (Hi-FADS)", NASA Technical Memorandum-4335
FADSは、ビークルのノーズコーン上の圧力ポートからの表面圧力測定に依拠しているので、こうした圧力測定に誤りがないことが必須である。しかしながら、圧力トランスデューサの故障や、着氷や異物による圧力ポートの詰りの結果として、圧力測定の誤りが生じ得る。詰まった圧力ポートや故障したトランスデューサは、推定エアデータパラメータが真の値から顕著に逸脱することをもたらし得て、最終的には制御不能、ビークルの故障、ミッション失敗に繋がり得る。FADS推定の精度及び信頼性を向上させるために、詰まった圧力ポートや故障したトランスデューサをFADSの計算から除外することが必須である。この要求が、搭載コンピュータでの実施について計算が面倒でなく効果的であるFDI方法の開発に繋がった。
本発明の主たる課題は、単純であって搭載(オンボード)実施に適するように提案されたFDI方法を開発することである。
本発明の他の課題は、入力圧力を直接扱うことで、各ポートにおける圧力推定等の逆モデル計算が必要されず、FDIの目的にとって有利であるFDI方法を開発することである。
本開示の上記の特徴及び他の特徴は、添付図面と共に以下の説明及び添付の特許請求の範囲からより完全に明らかとなるものである。図面が、本開示に係るいくつかの実施形態のみを示すものであって、その範囲を限定するものではないことを理解してもらった上で、以下、添付図面を用いて本開示の追加的な仕様及び詳細を説明する。
検討されるシステムは、ビークルのノーズキャップ上に位置する9個の圧力ポートを有する(図1a及び1b)。圧力ポートの識別番号は図面にも示されている。本故障検出の新規手法では、圧力ポートを内側ポートと外側ポートに分類する。外側ポートは、ビークルのノーズキャップの外側円の周囲に沿って存在し、内側ポートは、ビークルのノーズキャップの内側円に沿って存在する。また、ノーズキャップの中心に位置する内側圧力ポートも存在する。まずは、広範なシミュレーションを通じて、マッハ数、迎角及び横滑り角の異なる複数の飛行条件について内側ポート又は外側ポートの近接する二つのポートの間に生じ得る最大圧力差を求める。
飛行中に、各圧力ポートの読取値が、ノーズキャップの外側円又は内側円の二つの近接するポートと所定の閾値に対して比較される。中心ポートについては、内側ポート4と内側ポート6との比較を行う。この比較方法によって故障したポートの対が検出される。プロセッサの一回のマイナーサイクル計算時間の期間にわたって通常予測されるものよりも大きな変化を検出することによって、故障した圧力ポートが更に分離される。二組の閾値が用いられ、一つはマッハ>1用であり、もう一つはマッハ<1用である。
各圧力ポートは、特定の圧力ポートの位置における表面圧力を測定する三つの絶対圧力トランスデューサを有する。圧力センサが受ける温度を低下させるために、圧力ポートは管を介して圧力センサに接続される。
FADSの多様なモジュール間のインタフェースが図2に示されている。圧力ポートは、気送管を介して圧力トランスデューサに接続される。気送管の長さは、センサが受ける温度が、軌道での空力加熱段階中の限界内にあるように選択される。圧力トランスデューサの出力部は、FADSセンサインタフェースモジュール(FSIM,FADS sensor interface module)に接続される。次に、センサインタフェースモジュールが、FADSアルゴリズムを実行するDSP(デジタル信号処理)プロセッサに基づいたFADS電子機器に接続される。FADS電子機器の出力、つまり、エアデータパラメータは、航空宇宙船の誘導制御システムによって使用されるためにミッション管理コンピュータ(MMC,mission management computer)に送信される。
FADSの冗長構成が図3に示されている。FADSシステムは、エアデータ状態を計算するのに僅か5個の圧力測定値のみを必要とする。しかしながら、ポートの詰りに備えて、9個の圧力ポートが設けられている。従って、圧力ポートレベル自体での冗長性が与えられて、二つの水平ポートと二つの垂直ポートの詰りが許容可能となる。各圧力ポートは、特定の圧力ポートの位置における表面圧力を測定する三つの絶対圧力トランスデューサを有する。一つの圧力ポートに対応する読取値を得るためには一つの圧力ポートにおいて二つのセンサのみが必要とされる。従って、圧力ポートにおける一つのセンサの故障が許容可能となり、その圧力ポートから、依然として有効に使用される圧力読取値を得ることができる。
三つのFSIMパッケージがシステムに提供される。その各々は、各圧力ポートの一つのセンサへのアクセスを有する。システム性能に影響を与えたり、システム精度を劣化させることなく、いずれかひとつのFSIMパッケージの全体的な故障が許容可能である。また、FADS電子機器とミッション管理コンピュータの両方にも二重冗長性が与えられる。直接接続と交差ストラップ接続がFADS電子機器とミッション管理コンピュータとの間で為される。これは、単一のFADS電子機器やミッション管理コンピュータの故障がシステム性能に影響を与えないことを保証するために行われる。従って、システム全体は、圧力ポート、圧力センサ、FSIMパッケージ、FADS電子機器、及びミッション管理コンピュータの冗長性を有する。
[ポートにおける入力圧力に対するTMRチェック(FDIレベル1)]
行われる第一のFDIチェックは、各圧力ポートにおける圧力トランスデューサに対するTMR論理チェックである。圧力トランスデューサが故障していない条件下において、圧力ポートにおける三つ全ての圧力読取値が閾値内で一致することが望ましい。圧力ポートにおける三つの圧力読取値の相互比較(TMR論理)によって、圧力トランスデューサの故障を検出することができる。この手順が、9個全ての圧力ポートに対して行われる。しかしながら、このチェックは、完全に又は部分的に詰まったポートや、一つの圧力ポートにおける二つの圧力トランスデューサの同時故障を検出することはできない。
行われる第一のFDIチェックは、各圧力ポートにおける圧力トランスデューサに対するTMR論理チェックである。圧力トランスデューサが故障していない条件下において、圧力ポートにおける三つ全ての圧力読取値が閾値内で一致することが望ましい。圧力ポートにおける三つの圧力読取値の相互比較(TMR論理)によって、圧力トランスデューサの故障を検出することができる。この手順が、9個全ての圧力ポートに対して行われる。しかしながら、このチェックは、完全に又は部分的に詰まったポートや、一つの圧力ポートにおける二つの圧力トランスデューサの同時故障を検出することはできない。
そこで、次のレベルのチェック、つまり、最近接チェックが行われる。
[近接圧力ポートの圧力パターン]
まず、広範なシミュレーションを通じて、マッハ数、迎角及び横滑り角の異なる複数の飛行条件について内側円又は外側円ポート及び中心ポートのうちの二つの近接するポート間で生じ得る最大圧力差を求める。このため、通常の軌道、上限の軌道、下限の軌道が検討される。通常の軌道、上限の軌道、下限の軌道についての圧力差の典型的な値が図4a、4b及び4cに示されている。
まず、広範なシミュレーションを通じて、マッハ数、迎角及び横滑り角の異なる複数の飛行条件について内側円又は外側円ポート及び中心ポートのうちの二つの近接するポート間で生じ得る最大圧力差を求める。このため、通常の軌道、上限の軌道、下限の軌道が検討される。通常の軌道、上限の軌道、下限の軌道についての圧力差の典型的な値が図4a、4b及び4cに示されている。
[測定された圧力に対する「最近接」チェック(FDIレベル2)]
飛行中に、各圧力ポートの読取値を、対応する円の二つの最近接のポートと所定の閾値に対して比較する。中心ポートについては、内側円のポート4及び6との比較が行われる(図5a、5b)。上述のように、この論理用の決定閾値は、再突入型ビークルの通常及び異常の飛行軌道の詳細な分析に基づいて得られる。本願の具体的な場合については、表1に与えられているようなパスカル単位での閾値レベルが用いられた。1500Paのマージンを設けて、シミュレーションを通じたこれら閾値の判定の誤りに起因して起こり得る誤ったアラームを排除する。
飛行中に、各圧力ポートの読取値を、対応する円の二つの最近接のポートと所定の閾値に対して比較する。中心ポートについては、内側円のポート4及び6との比較が行われる(図5a、5b)。上述のように、この論理用の決定閾値は、再突入型ビークルの通常及び異常の飛行軌道の詳細な分析に基づいて得られる。本願の具体的な場合については、表1に与えられているようなパスカル単位での閾値レベルが用いられた。1500Paのマージンを設けて、シミュレーションを通じたこれら閾値の判定の誤りに起因して起こり得る誤ったアラームを排除する。
この比較方法によって故障したポートの対が検出される。プロセッサの一回のマイナーサイクル計算時間の期間にわたって通常予測されるものよりも大きな変化を検出することによって、故障した圧力ポートが更に分離される。二組の閾値が用いられ、一つはマッハ>1用であり、もう一つはマッハ<1用である。
・ 故障した中心ポート(5)の検出(図5a)
‐ 中心ポート(5)と内側ポート(4及び6)との間の圧力差の絶対値を得て、閾値と比較する。
‐ INS(慣性航法装置)導出のマッハ数に基づいて、閾値の切り替えを行う。
‐ 両方の圧力差(絶対値)が閾値内にある場合には、中心ポート(5)は良好である。
‐ いずれか一方の圧力差(絶対値)が閾値を超えている場合には、そのポートの組み合わせの2個のポートが故障しているとして検出される。
‐ 中心ポート(5)と内側ポート(4及び6)との間の圧力差の絶対値を得て、閾値と比較する。
‐ INS(慣性航法装置)導出のマッハ数に基づいて、閾値の切り替えを行う。
‐ 両方の圧力差(絶対値)が閾値内にある場合には、中心ポート(5)は良好である。
‐ いずれか一方の圧力差(絶対値)が閾値を超えている場合には、そのポートの組み合わせの2個のポートが故障しているとして検出される。
・ 故障した内側円ポート(2、4、6、8)の検出(図6a)
‐ 内側ポート同士(2‐4、4‐8、8‐6、6‐2)の間の圧力差の絶対値を得て、閾値と比較する。
‐ INS導出のマッハ数に基づいて、閾値の切り替えを行う。
‐ 全ての圧力差(絶対値)が閾値内にある場合には、全ての内側ポートは良好である。
‐ 圧力差(絶対値)が閾値を超えている場合には、そのポートの組み合わせの2個のポートが故障しているとして検出される。
‐ 内側ポート同士(2‐4、4‐8、8‐6、6‐2)の間の圧力差の絶対値を得て、閾値と比較する。
‐ INS導出のマッハ数に基づいて、閾値の切り替えを行う。
‐ 全ての圧力差(絶対値)が閾値内にある場合には、全ての内側ポートは良好である。
‐ 圧力差(絶対値)が閾値を超えている場合には、そのポートの組み合わせの2個のポートが故障しているとして検出される。
・ 故障した外側円ポート(1、3、7、9)の検出(図7a)
‐ 外側ポート同士(1‐3、3‐9、7‐9、1‐7)の間の圧力差(絶対値)を得て、閾値と比較する。
‐ INS導出のマッハ数に基づいて、閾値の切り替えを行う。
‐ 全ての圧力差(絶対値)が閾値内にある場合には、全ての外側ポートは良好である。
‐ 任意の2個の外側ポート間の圧力差(絶対値)が閾値を超えている場合には、そのポートの組み合わせの2個のポートが故障しているとして検出される。
‐ 外側ポート同士(1‐3、3‐9、7‐9、1‐7)の間の圧力差(絶対値)を得て、閾値と比較する。
‐ INS導出のマッハ数に基づいて、閾値の切り替えを行う。
‐ 全ての圧力差(絶対値)が閾値内にある場合には、全ての外側ポートは良好である。
‐ 任意の2個の外側ポート間の圧力差(絶対値)が閾値を超えている場合には、そのポートの組み合わせの2個のポートが故障しているとして検出される。
・ 故障した対の検出後の故障したポートの分離
‐ ポートの圧力を、以前のマイナーサイクルで測定された値と比較する。
‐ 20ミリ秒のマイナーサイクルにわたるポートの現在の圧力値と以前の圧力値との間の差の絶対値が1000Paよりも大きい場合には、現在のマイナーサイクルにおいてそのポートが瞬時に分離されて、エアデータの計算はそのポート無しで行われる。
‐ ポートの圧力を、以前のマイナーサイクルで測定された値と比較する。
‐ 20ミリ秒のマイナーサイクルにわたるポートの現在の圧力値と以前の圧力値との間の差の絶対値が1000Paよりも大きい場合には、現在のマイナーサイクルにおいてそのポートが瞬時に分離されて、エアデータの計算はそのポート無しで行われる。
[・ 一つのポートの故障後のFDI論理]
‐ 圧力ポートの分離後に、近接するポートと比較されるポートの定義を変更して、更なる故障検出及び分離を行う。
‐ 内側/外側の円のポートについては、故障したポートと直径方向に対向するポートのFDI論理は同じままである。
‐ 最初の故障がポート4又は6で生じた場合、中心ポートのFDIは、図5cに示されるように、ポート5をポート2及び8と比較することによって行われる。
‐ 内側ポートの故障の場合、残りの二つのポートが、故障したポートと直径方向に対向するポートと比較され、また、中心ポートと比較され(中心ポートが故障していない場合)又はそれらポートに最近接の外側円ポートと比較される(最近接の外側円ポートが故障していない場合)。この様子は、ポート2、ポート8が故障した例示的な場合についてそれぞれ図6b、図6cに示されている。
‐ 外側ポートの故障の場合、残り二つのポートが、故障したポートと直径方向に対向するポートと比較され、また、それらポートに最近接の内側円ポートと比較される。この様子が、ポート1、ポート9が故障した例示的な場合についてそれぞれ図7b、図7cに示されている。
‐ マッハ数に基づいて、閾値の切り替えが行われる。
‐ 二つ目の故障を分離するために、前回のマイナーサイクルから1000Paの変化が用いられる。
‐ FDIレベル1チェックによって既に分離されているポートについては、FDIレベル2チェックは行われない。
‐ 圧力ポートの分離後に、近接するポートと比較されるポートの定義を変更して、更なる故障検出及び分離を行う。
‐ 内側/外側の円のポートについては、故障したポートと直径方向に対向するポートのFDI論理は同じままである。
‐ 最初の故障がポート4又は6で生じた場合、中心ポートのFDIは、図5cに示されるように、ポート5をポート2及び8と比較することによって行われる。
‐ 内側ポートの故障の場合、残りの二つのポートが、故障したポートと直径方向に対向するポートと比較され、また、中心ポートと比較され(中心ポートが故障していない場合)又はそれらポートに最近接の外側円ポートと比較される(最近接の外側円ポートが故障していない場合)。この様子は、ポート2、ポート8が故障した例示的な場合についてそれぞれ図6b、図6cに示されている。
‐ 外側ポートの故障の場合、残り二つのポートが、故障したポートと直径方向に対向するポートと比較され、また、それらポートに最近接の内側円ポートと比較される。この様子が、ポート1、ポート9が故障した例示的な場合についてそれぞれ図7b、図7cに示されている。
‐ マッハ数に基づいて、閾値の切り替えが行われる。
‐ 二つ目の故障を分離するために、前回のマイナーサイクルから1000Paの変化が用いられる。
‐ FDIレベル1チェックによって既に分離されているポートについては、FDIレベル2チェックは行われない。
[・ 二つのポートの故障後のFDI論理]
‐ 二つの圧力ポートの分離後にも、近接するポートと比較されるポートの定義を変更して、更なる故障検出及び分離を行う。
- 中心ポートのFDIレベル2チェックについては、図8に示されるように、中心ポートが、(2個の故障した内側ポートのTMR分離後に)良好である残り二つの内側ポートと比較される。
‐ 中心ポートの故障の分離については、故障した対が検出されて、以前のサイクルのFDIレベル2フラッグステータスが使用される。TMRによって2個よりも多くの内側ポートが分離されている場合には、中心ポートの分離は、以前のサイクルの圧力との比較によって行われる。
‐ 内側ポートについては、二つの近接するポートが故障している場合、中心ポート、内側ポート又は外側ポートのいずれかとなり得る残りの二つの近接するポートとの比較が行われる。これが、圧力ポート4に近接するポートが故障している場合について図9aから図9eに示されている。故障した対を検出した後に、1000Paの閾値に対して以前のサイクルの圧力の比較を行うことによって、更なるポート分離を行うことができる。この論理は、内側円の他のポート(2、6、8)にも拡張される。
‐ 外側ポート検出(ポート1、3、7、9)については、2個の近接するポートの故障で、近接するポートが全て使い尽くされてしまうので、故障検出及び分離は、1000Paの閾値に対して以前の圧力値と比較することによって行われる。
‐ 二つの圧力ポートの分離後にも、近接するポートと比較されるポートの定義を変更して、更なる故障検出及び分離を行う。
- 中心ポートのFDIレベル2チェックについては、図8に示されるように、中心ポートが、(2個の故障した内側ポートのTMR分離後に)良好である残り二つの内側ポートと比較される。
‐ 中心ポートの故障の分離については、故障した対が検出されて、以前のサイクルのFDIレベル2フラッグステータスが使用される。TMRによって2個よりも多くの内側ポートが分離されている場合には、中心ポートの分離は、以前のサイクルの圧力との比較によって行われる。
‐ 内側ポートについては、二つの近接するポートが故障している場合、中心ポート、内側ポート又は外側ポートのいずれかとなり得る残りの二つの近接するポートとの比較が行われる。これが、圧力ポート4に近接するポートが故障している場合について図9aから図9eに示されている。故障した対を検出した後に、1000Paの閾値に対して以前のサイクルの圧力の比較を行うことによって、更なるポート分離を行うことができる。この論理は、内側円の他のポート(2、6、8)にも拡張される。
‐ 外側ポート検出(ポート1、3、7、9)については、2個の近接するポートの故障で、近接するポートが全て使い尽くされてしまうので、故障検出及び分離は、1000Paの閾値に対して以前の圧力値と比較することによって行われる。
本方法は、多様な故障をカバーするものであって、再突入型ビークルでの搭載実施に適している。
Claims (9)
- フラッシュ型エアデータシステム(FADS)の故障を検出及び分離するためのシステムであって、
宇宙船のノーズキャップと面一の十字型の複数の圧力ポートと、
前記複数の圧力ポートから表面圧力を測定するために気送管によって各圧力ポートに接続された少なくとも三つの圧力トランスデューサと、
前記圧力トランスデューサにそれぞれ接続された複数のFADSセンサインタフェースモジュール(FSIM)と、
前記FSIMに接続されたデジタル信号処理(DSP)プロセッサに基づいたFADS電子機器と、
直接接続と交差ストラップ接続で前記FADS電子機器の出力部に接続されたミッション管理コンピュータ(MMC)と、を備え、
前記DSPプロセッサ及び前記MMCが、
各圧力ポートについて二つの最近接の圧力ポートとの間の少なくとも三つの圧力読取値を所定の閾値に対して相互比較することによって、前記複数の圧力ポートから故障した圧力ポートを検出することと、
測定された表面圧力が前記所定の閾値を超えている場合に、詰まった又は故障した圧力ポートを分離することと、を行うように構成されている、システム。 - 軌道での空力加熱段階中にセンサが受ける温度を低減するための特定の長さの気送管が選択されている、請求項1に記載のシステム。
- 前記圧力ポートが外側ポートと内側ポートに分類され、前記外側ポートが前記宇宙船のノーズキャップの外側円の周囲に沿って存在し、前記内側ポートが前記宇宙船のノーズキャップの内側円に沿って存在し、前記ノーズキャップの中心に最も内側の中心ポートが位置する、請求項1に記載のシステム。
- 最大二つの水平ポート及び二つの垂直ポートの詰りを許容するために圧力ポートレベルで冗長性が与えられている、請求項1に記載のシステム。
- 前記FADS電子機器と前記ミッション管理コンピュータの両方に二重冗長性が与えられていて、圧力ポートと圧力センサとFSIMパッケージとFADS電子機器とミッション管理コンピュータの冗長性が、該圧力ポートと圧力センサとFSIMパッケージとFADS電子機器とミッション管理コンピュータのうちいずれか一つの故障がシステム全体の性能に影響を与えないようにしている、請求項1に記載のシステム。
- フラッシュ型エアデータシステム(FADS)の圧力ポートと圧力トランスデューサの故障を検出及び分離するための方法であって、
各円の各圧力ポートについて二つの最近接の圧力ポートとの間の少なくとも三つの圧力読取値を所定の閾値に対して相互比較することによって、圧力ポートにおいて故障した圧力センサを検出することと、
測定された圧力がプロセッサの一回の計算更新サイクル時間中の所望の閾値よりも大きい場合に、詰まった又は故障した圧力トランスデューサを分離することと、を備え、
故障した圧力ポートの位置に応じて前記二つの最近接の圧力ポートが選択され、一つ及び/又は二つのポートの故障後に、故障したポートに応じて前記二つの最近接の圧力ポートの定義が変更される、方法。 - 慣性航法装置(INS)が導出したマッハ数に基づいて、二組の閾値がマッハ>1とマッハ<1での切り替えのために使用される、請求項6に記載の方法。
- マッハ数と迎角と横滑り角の異なる複数の飛行条件についての二つの近接するポート間の最大圧力差がまず広範なシミュレーションを通じて求められる、請求項6に記載の方法。
- 20ミリ秒の計算時間にわたる圧力閾値が1000Paである、請求項6に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201841019119 | 2018-05-22 | ||
IN201841019119 | 2018-05-22 | ||
PCT/IN2019/050246 WO2019224833A1 (en) | 2018-05-22 | 2019-03-27 | System and method for detecting faulty pressure measurements in flush air data system using pressure patterns among adjacent ports |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021524013A true JP2021524013A (ja) | 2021-09-09 |
Family
ID=68616757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020504244A Pending JP2021524013A (ja) | 2018-05-22 | 2019-03-27 | 近接ポート間の圧力パターンを用いてフラッシュ型エアデータシステムの誤った圧力測定を検出するためのシステム及び方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210072281A1 (ja) |
EP (1) | EP3797267B1 (ja) |
JP (1) | JP2021524013A (ja) |
CN (1) | CN111164384A (ja) |
ES (1) | ES2954610T3 (ja) |
RU (1) | RU2771090C1 (ja) |
WO (1) | WO2019224833A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111846192B (zh) * | 2020-06-04 | 2022-06-17 | 中国人民解放军国防科技大学 | 一种飞行器参数在线辨识飞行验证模拟舱段 |
US11754484B2 (en) * | 2020-09-22 | 2023-09-12 | Honeywell International Inc. | Optical air data system fusion with remote atmospheric sensing |
CN113687096B (zh) * | 2021-09-22 | 2023-03-21 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于嵌入式大气数据系统的侧风估算方法 |
DE102022103381B3 (de) * | 2022-02-14 | 2023-07-06 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zur Bestimmung von Anströmparametern einesÜberschall-Flugkörpers |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19640606C1 (de) * | 1996-10-01 | 1997-09-11 | Nord Micro Elektronik Feinmech | Meßeinrichtung zur Erfassung von Stau- und Statikdrücken bei einem Fluggerät |
CN102066951B (zh) * | 2009-04-21 | 2013-02-27 | 印度太空研究组织 | 检测和隔离平头式大气数据系统(fads)的压力感测中的故障的系统和方法 |
FR2999293B1 (fr) * | 2012-12-11 | 2015-01-16 | Thales Sa | Systeme pour la fourniture d'estimations de parametres de vol d'un aeronef independantes et dissimilaires et aeronef associe |
RU137104U1 (ru) * | 2013-07-09 | 2014-01-27 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Ульяновский государственный технический университет" | Регулируемый приемник воздушного давления |
CN104568295A (zh) * | 2014-12-08 | 2015-04-29 | 太原航空仪表有限公司 | 嵌入式大气数据系统压力故障监控处理方法 |
CN105574271B (zh) * | 2015-12-17 | 2018-06-19 | 中国航天空气动力技术研究院 | 一种嵌入式大气数据传感系统主动容错设计方法 |
CN106645794B (zh) * | 2016-11-17 | 2019-12-20 | 北京临近空间飞行器系统工程研究所 | 一种超声速飞行器表面压力测量故障的软冗余方法 |
US10605822B2 (en) * | 2017-06-12 | 2020-03-31 | The Boeing Company | System for estimating airspeed of an aircraft based on a weather buffer model |
-
2019
- 2019-03-27 RU RU2020104027A patent/RU2771090C1/ru active
- 2019-03-27 EP EP19806435.4A patent/EP3797267B1/en active Active
- 2019-03-27 JP JP2020504244A patent/JP2021524013A/ja active Pending
- 2019-03-27 ES ES19806435T patent/ES2954610T3/es active Active
- 2019-03-27 US US16/768,905 patent/US20210072281A1/en not_active Abandoned
- 2019-03-27 CN CN201980004667.XA patent/CN111164384A/zh active Pending
- 2019-03-27 WO PCT/IN2019/050246 patent/WO2019224833A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
EP3797267A1 (en) | 2021-03-31 |
CN111164384A (zh) | 2020-05-15 |
WO2019224833A1 (en) | 2019-11-28 |
US20210072281A1 (en) | 2021-03-11 |
ES2954610T3 (es) | 2023-11-23 |
EP3797267B1 (en) | 2023-06-07 |
RU2771090C1 (ru) | 2022-04-26 |
EP3797267A4 (en) | 2021-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021524013A (ja) | 近接ポート間の圧力パターンを用いてフラッシュ型エアデータシステムの誤った圧力測定を検出するためのシステム及び方法 | |
US9211961B2 (en) | System and method for detecting and isolating faults in pressure sensing of flush air data system (FADS) | |
CN111433612B (zh) | 用于估计飞行器空中数据的基于模型和飞行信息的组合训练的神经网络系统 | |
US7257470B2 (en) | Fault isolation method and apparatus in artificial intelligence based air data systems | |
CA2863168A1 (en) | Methods and systems for determining airspeed of an aircraft | |
EP3663772B1 (en) | Flight control system for determining estimated dynamic pressure based on lift and drag coefficients | |
US10352813B2 (en) | Calibration of aircraft instruments using a laser sensor | |
GB2432914A (en) | Fault Detection In Artificial Intelligence Based Air Data Systems | |
US20070220967A1 (en) | Methods and systems for determining air data parameters | |
EP3663774B1 (en) | Flight control system for determining a common mode pneumatic fault | |
US11472568B2 (en) | Prognostic monitoring of complementary air data system sensors | |
Whitmore et al. | Preliminary Results From a Subsonic High Angle-of-Attack Flush Airdata Sensing (HI-FADS) System: Design, Calibration, and Flight Test Evaluation | |
Lerro et al. | Survey on a neural network for non linear estimation of aerodynamic angles | |
Lerro et al. | The clean sky 2 midas project-an innovative modular, digital and integrated air data system for fly-by-wire applications | |
Whitmore et al. | In-flight demonstration of a real-time flush airdata sensing system | |
Lerro | Survey of certifiable air data systems for urban air mobility | |
Korsun et al. | Detection of dynamic errors in aircraft flight data | |
Sevil et al. | False fault detection in airdata sensor due to nonuniform wind in aerial refueling | |
Majeed et al. | Multi sensor data fusion based approach for the calibration of airdata systems | |
Hansen et al. | Diagnosis of uav pitot tube defects using statistical change detection | |
Sevil et al. | Airdata sensor fault detection and isolation for receiver aircraft in aerial refueling | |
Rohloff et al. | Fault tolerance and extrapolation stability of a neural network air-data estimator | |
Viana et al. | Reliable integration of thermal flow sensors into air data systems | |
Soldatkin | Design Features and Efficiency Analysis of the Aircraft Complex Air Data System with a Fixed Flush-Mounted Flow Receiver | |
Samara et al. | Detection of sensor abrupt faults in aircraft control systems |