RU2786264C1 - Способ имитации систематических и случайных погрешностей оборудования для задач обучения операторов воздушных судов - Google Patents

Способ имитации систематических и случайных погрешностей оборудования для задач обучения операторов воздушных судов Download PDF

Info

Publication number
RU2786264C1
RU2786264C1 RU2022117135A RU2022117135A RU2786264C1 RU 2786264 C1 RU2786264 C1 RU 2786264C1 RU 2022117135 A RU2022117135 A RU 2022117135A RU 2022117135 A RU2022117135 A RU 2022117135A RU 2786264 C1 RU2786264 C1 RU 2786264C1
Authority
RU
Russia
Prior art keywords
error
training
random
coefficients
measurement
Prior art date
Application number
RU2022117135A
Other languages
English (en)
Inventor
Сергей Викторович Евдокимов
Александр Иванович Бадеха
Артем Владимирович Бахмутов
Виктор Александрович Самойлов
Александр Сергеевич Калугин
Лидия Александровна Идиатулина
Original Assignee
АКЦИОНЕРНОЕ ОБЩЕСТВО "ЭЙРБУРГ" (АО "Эйрбург")
Filing date
Publication date
Application filed by АКЦИОНЕРНОЕ ОБЩЕСТВО "ЭЙРБУРГ" (АО "Эйрбург") filed Critical АКЦИОНЕРНОЕ ОБЩЕСТВО "ЭЙРБУРГ" (АО "Эйрбург")
Application granted granted Critical
Publication of RU2786264C1 publication Critical patent/RU2786264C1/ru

Links

Images

Abstract

Изобретение относится к средствам для обучения операторов и предназначено для использования при обучении и тренировках операторов различных систем и комплексов, связанных с пилотированием, навигацией и боевым применением летательного аппарата (ЛА). Способ имитации систематических и случайных погрешностей оборудования для задач обучения операторов воздушных судов заключается в регистрации измерительной информации и ее обработке. При этом на этапе обработки измерительной информации последовательно устанавливают зависимости и вычисляют коэффициенты, которые определяют погрешность измерения изменяющегося навигационного параметра, а затем восстанавливают/имитируют погрешность измерения с использованием вычисленных коэффициентов, зависимостей, набора физических параметров и случайных чисел, полученных с генератора случайных чисел. Причем при обработке измерительной информации для определения параметров, влияющих на характер погрешности, используется корреляционный анализ, а для определения коэффициентов функций, аппроксимирующих составляющие погрешности, используется многопараметрическая оптимизация. Повышается эффективность и качество обучения операторов ЛА. 1 ил.

Description

Изобретение относится к средствам для обучения операторов и предназначено для использования при обучении и тренировках операторов различных систем и комплексов, связанных с пилотированием, навигацией и боевым применением летательного аппарата; может применяться на авиационных тренажерах или учебных самолетах/ воздушных суднах (далее - ВС) для профессиональной подготовки летчиков или штурманов.
Известен учебно-тренировочный комплекс авиационный для летного состава из патента РФ №2250511 с датой приоритета 10.03.2004, в состав которого входит вычислительная система, обеспечивающая моделирование функционирования систем и оборудования самолета. Вычислительная система с соответствующими математическими моделями обеспечивает повторение алгоритмов и логики работы систем, а также моделирует характерные погрешности их работы с учетом имитируемых режимов работы, условий полета и внешних факторов.
Недостатком способа имитации погрешностей, применяемого в известном учебно-тренировочном комплексе авиационном для летного состава являются ограниченные функциональные возможности, поскольку используется ограниченный состав моделируемых систем и режимов их применения. Также моделирование систем с имитацией погрешностей обеспечивается только на наземном тренажере, но не обеспечивается на борту учебно-тренировочного самолета.
Известен способ моделирования погрешностей измерения бортовых навигационных устройств (Д.В. Козис, О.О. Жаринов, В.Д. Суслов, Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики, 2010, № 4(68), с.18-20, УДК. 621.396.988.6: 629.19). Способ моделирования погрешностей измерения бортовых навигационных устройств заключается в формировании на выходе модели сигнала, состоящего из суммы:
- истинного (расчетного) значения параметра,
- квазипостоянной составляющей погрешности,
- низкочастотной составляющей погрешности,
- высокочастотной составляющей погрешности.
При этом для имитации погрешности используется нормальный белый шум, для «окрашивания» которого применяются рекурсивные фильтры (в каналах низкочастотной и высокочастотной составляющей погрешности), а в качестве квазипостоянной составляющей погрешности принимается константа, выбранная в начале сеанса моделирования из массива случайных чисел.
К недостаткам указанного метода моделирования погрешностей относятся ограниченные возможности метода, т.к. в результате моделирования по указанному методу точно воспроизводится характер случайной погрешности, однако характер систематической погрешности сильно упрощается в связи с тем, что проводится аппроксимация квазипостоянной составляющей погрешности константой и аппроксимация низкочастотной составляющей погрешности ограниченным набором специальных функций (экспоненциально-косинусной или экспоненциальной).
Технической проблемой, на решение которой направлено заявляемое изобретение, является расширение функциональных возможностей и обеспечение повышения профессиональной подготовки операторов путем применения способа моделирования погрешностей измерения оборудования (в т.ч. бортового оборудования самолетов, на авиационных тренажерах) для обеспечения правдоподобного отображения имитируемых параметров.
Техническим результатом изобретения является повышение эффективности и качества обучения за счет применения моделей функционирования систем, приближенных к реальным системам, что исключает формирование ложных навыков; сокращает время использования более дорогого в обслуживании бортового оборудования (по сравнению с оборудованием тренажеров).
Для достижения указанного технического результата способ имитации систематических и случайных погрешностей оборудования для задач обучения операторов воздушных судов заключается в регистрации измерительной информации и ее обработке, при этом на этапе обработки измерительной информации последовательно устанавливают зависимости и вычисляют коэффициенты, которые определяют погрешность измерения изменяющегося навигационного параметра, а затем восстанавливают (имитируют) погрешность измерения с использованием вычисленных коэффициентов, зависимостей, набора физических параметров и случайных чисел, полученных с генератора случайных чисел (далее - ГСЧ). Причем при обработке измерительной информации для определения параметров, влияющих на характер погрешности используется корреляционный анализ, а для определения коэффициентов функций, аппроксимирующих составляющие погрешности, используется многопараметрическая оптимизация, например, методом покоординатного спуска.
Регистрация измерительной информации производится в течение временного интервала, обеспечивающего определение измеряемой величины с необходимой точностью.
На фиг.1 представлена последовательность действий для имитации систематических и случайных погрешностей оборудования для задач обучения операторов воздушных судов.
Описание осуществления изобретения может быть использовано в качестве примера для лучшего понимания его сущности и изложено со ссылками на фигуру, приложенную к настоящему описанию. При этом приведенные ниже подробности призваны не ограничить сущность изобретения, а сделать ее более ясной.
Рассмотрим реализацию предлагаемого способа в общем виде. Стоит отметить, что с использованием указанного способа могут имитироваться погрешности следующих навигационных параметров:
- крен ВС;
- тангаж ВС;
-магнитный курс ВС;
- азимут от радиотехнической системы ближней навигации (далее - РСБН);
- дальность от РСБН;
- отклонение от курса посадки от РСБН;
- отклонение от глиссады посадки от РСБН;
- азимут от всенаправленного азимутального радиомаяка (далее - VOR);
- дальность от всенаправленного дальномерного радиомаяка (далее - DME);
- отклонение от курса посадки от курсо-глиссадной системы (далее - ILS);
- отклонение от глиссады посадки от ILS;
- курсовой угол радиостанции от автоматического радиокомпаса (далее - АРК);
- радиовысота от радиовысотомера;
- путевая скорость от доплеровского измерителя скорости и сноса (далее - ДИСС);
- угол сноса от ДИСС;
- географическая широта от спутниковой навигационной системы (далее - СНС);
- географическая долгота от СНС;
- путевой угол от СНС;
- вертикальная скорость от СНС;
- географическая широта от радиотехнической системы дальней навигации (далее - РСДН);
- географическая долгота от РСДН;
- географическая широта от инерциальной системы навигации (далее - ИНС);
- географическая долгота от ИНС.
На первом этапе для реализации способа имитации систематических и случайных погрешностей оборудования для задач обучения операторов воздушных судов проводят регистрацию измерительной информации; при этом используется информация, записанная при штатном функционировании оборудования (в лабораторных условиях или во время полета в составе ВС), в т.ч. может использоваться информация, снятая со средств объективного контроля (далее - СОК) самолета. При регистрации информации, записанной во время полета ВС, также проводится регистрация таких параметров ВС как скорость, высота, координаты и т.п. Регистрация информации о работе оборудования производится в течение всего временного интервала от включения до выключения оборудования.
Далее производится обработка измерительной информации, при которой сначала проводится моделирование эталонного навигационного параметра на базе информации из записи штатного функционирования. Эталонный навигационный параметр вычисляется на основе одного или нескольких параметров, погрешность измерения которых меньше погрешности измерения исходного навигационного параметра (например, азимут от радиотехнической системы ближней навигации вычисляется по спутниковым координатам самолета и известным координатам радиомаяка).
С использованием функции эталонного навигационного параметра и измеренного навигационного параметра вычисляется погрешность измерения параметра (функция от времени), как разность измеренного и эталонного параметров:
Figure 00000001
,
где:
t - время,
ΔА(t) - погрешность измерения параметра от времени,
Аизм(t) - измеренный навигационный параметр от времени,
Аэт(t) - эталонный навигационный параметр от времени.
На основе записанной информации производится расчет одного или нескольких параметров, которые могут влиять на характер погрешности измерения навигационного параметра (например, отношение сигнал/шум как зависимость от дальности до радиомаяка).
Для определения параметров, влияющих на характер погрешности, проводится корреляционный анализ с одним или несколькими параметрами, которые могут влиять на характер погрешности. По результатам корреляционного анализа отбираются те параметры, влияние которых на характер погрешности наиболее существенно. На базе этих параметров производится аппроксимация функции погрешности. Метод аппроксимации может быть любым подходящим для данного вида функции. Таким образом последовательно устанавливаются зависимости, которые определяют погрешность измерения изменяющегося навигационного параметра.
Производится поиск минимума случайной составляющей погрешности (остаточного члена аппроксимации), для чего используется многопараметрическая оптимизация, например, методом покоординатного спуска или по алгоритму Гаусса - Ньютона, где в качестве параметров выступают коэффициенты функций, аппроксимирующих составляющие погрешности. Таким образом последовательно вычисляются коэффициенты, которые определяют погрешность измерения изменяющегося навигационного параметра.
Определяется случайная составляющая погрешности, как разность между функцией погрешности и всеми аппроксимирующими функциями (остаточный член аппроксимации).
Для случайной составляющей погрешности выполняется расчет ее статистических характеристик: математическое ожидание и моменты случайной величины (в т.ч. дисперсия).
На основе полученных статистических характеристик определяется функция специального фильтра, который используется для «окрашивания» шума с выхода ГСЧ для получения заданных статистических характеристик.
Функция фильтра и все полученные аппроксимирующие функции с их коэффициентами записываются в память вычислителя, который в дальнейшем будет осуществлять моделирование.
На втором этапе для имитации погрешности измерения навигационного параметра специализированный вычислитель по имеющимся в его памяти и на входах данным рассчитывает значения тех параметров, влияние которых на характер погрешности наиболее существенно (перечень таких параметров сформирован на первом этапе).
Для каждого из этих параметров по хранящимся в памяти аппроксимирующим функциям вычисляется соответствующая составляющая погрешности. Для расчета составляющей погрешности может использоваться генератор случайных или псевдослучайных чисел. Необходимость использования случайных чисел определяется ранее полученными аппроксимирующими функциями. Таким образом восстанавливается систематическая составляющая погрешности измерения с использованием вычисленных коэффициентов, зависимостей, набора физических параметров и случайных чисел.
Для имитации случайной составляющей погрешности используются специальные фильтры и генератор случайных или псевдослучайных чисел. Шум, полученный на выходе ГСЧ, «окрашивается» специальными фильтрами для получения заданных статистических характеристик, определенных на первом этапе. В качестве специальных фильтров могут использоваться, например, цифровые рекурсивные фильтры. Таким образом восстанавливается случайная составляющая погрешности измерения с использованием вычисленных коэффициентов, зависимостей и случайных чисел.
Специализированный вычислитель может рассчитывать эталонный навигационный параметр, погрешность измерения которого имитируется, либо получать его извне (с навигационного оборудования или его имитатора).
По результатам сложения эталонного навигационного параметра с систематическими и случайной составляющими имитированной погрешности получается имитированный навигационный параметр, погрешность которого соответствует реальной погрешности измерения данного параметра:
Figure 00000002
где:
t - время,
Figure 00000003
- имитированный навигационный параметр от времени,
Аэт(t) - эталонный навигационный параметр от времени,
ΔАсист(t) - систематическая составляющая погрешности измерения от времени, имитированная,
ΔАсл(t) - случайная составляющая погрешности измерения от времени, имитированная.
Далее рассмотрим пример реализации заявляемого способа для параметра - курсовой угол радиостанции (далее - КУР) АРК:
На первом этапе проводится регистрация измерительной информации, при этом используется информация, записанная при штатном функционировании оборудования.
С использованием записи средств объективного контроля ВС рассчитываются эталонные значения КУР в каждый момент времени, по известным координатам радиомаяка и измеренным СНС координатам ВС, по формуле:
Figure 00000004
где:
Θэт - искомый (эталонный) КУР,
ϕ1 - широта ВС,
ϕ2 - широта маяка,
λ1 - долгота ВС,
λ2 - долгота маяка.
Определяется погрешность измерения КУР по формуле:
Figure 00000005
,
где:
ΔΘ - погрешность измерения КУР,
Θизм - измеренный КУР в заданный момент времени,
Θэт - эталонный КУР.
Рассчитываются несколько параметров, влияющих на характер погрешности, в т.ч.:
- установочная ошибка ΔУ (постоянная),
- отношение сигнал/шум на основании известной дальности до радиомаяка S:
Figure 00000006
где:
SN - расчетное отношением сигнал/шум на входе приемника,
S - дальность до радиомаяка,
Figure 00000007
- коэффициент.
Для определения параметров, влияющих на характер погрешности производится корреляционный анализ. По результатам корреляционного анализа наибольший вклад в погрешность измерения КУР вносит установочная ошибка (ΔУ) и расстояние до радиомаяка S, которое связано с отношением сигнал/шум на входе приемника (SN).
Известная зависимость погрешности Δ
Figure 00000008
от времени аппроксимируется функцией от данных от параметров:
Figure 00000009
Где:
Figure 00000010
- аппроксимированная систематическая составляющая погрешности измерения КУР,
t - время,
k - коэффициент,
R1(t) - случайная функция с выхода ГСЧ,
SN(t) - отношение сигнал/шум от времени,
ΔУ - установочная ошибка.
Таким образом последовательно устанавливаются зависимости, которые определяют погрешность измерения изменяющегося навигационного параметра.
Далее для определения коэффициентов функций, аппроксимирующих составляющие погрешности, используется многопараметрическая оптимизация, в ходе которой подбираются такие значения коэффициентов k, k1 и установочной ошибки ΔУ, для которых разность погрешности измерения КУР и аппроксимированной систематической погрешности будет минимальна:
Figure 00000011
→min,
Где:
t - время,
Figure 00000012
- погрешность измерения КУР от времени,
Figure 00000013
- аппроксимированная систематическая составляющая погрешности измерения КУР от времени.
Для величины случайной погрешности (остаточного члена аппроксимации)
Figure 00000014
вычисляются основные статистические характеристики: математическое ожидание и моменты.
По статистическим характеристикам случайной погрешности рассчитывается соответствующая функция «окрашивающего» фильтра T.
Полученная при расчетах информация записывается в память вычислителя.
На втором этапе специализированный вычислитель считывает из памяти ранее записанную информацию.
Специализированный вычислитель рассчитывает отношение сигнал/шум на основании известной дальности до радиомаяка S:
Figure 00000006
где:
SN - расчетное отношением сигнал/шум на входе приемника,
S - дальность до радиомаяка,
Figure 00000007
- коэффициент.
Далее вычисляется систематическая составляющая погрешности по известным значениям SN, k и
Figure 00000015
с использованием случайной функции с выхода ГСЧ R1(t):
Figure 00000016
где:
Figure 00000010
- аппроксимированная систематическая составляющая погрешности измерения КУР от времени,
t - время,
k - коэффициент,
R1(t) - случайная функция с выхода ГСЧ,
SN(t) - отношение сигнал/шум от времени,
Figure 00000017
- установочная ошибка.
Далее случайная составляющая погрешности рассчитывается в каждый момент времени на основе случайной функции с выхода ГСЧ R2(t), обработанной специальным «окрашивающим» фильтром, функция которого была ранее определена на основе характеристик случайной составляющей погрешности:
Figure 00000018
,
где:
Figure 00000019
- случайная составляющая погрешности измерения от времени, имитированная,
R2(t) - случайная функция с выхода ГСЧ,
T - функция, описывающая фильтр.
Далее вычислитель использует рассчитанный или полученный от сопрягаемого оборудования эталонный КУР (функция от времени)
Figure 00000020
и прибавляет к нему рассчитанные составляющие погрешности для получения имитируемого КУР, погрешность которого соответствует реальной погрешности измерения КУР:
Figure 00000021
где:
Figure 00000022
- имитированный КУР от времени,
Figure 00000023
- эталонный КУР от времени,
Figure 00000010
- аппроксимированная систематическая составляющая погрешности измерения КУР от времени,
Figure 00000019
- случайная составляющая погрешности измерения от времени, имитированная,
k - коэффициент,
R1(t) - случайная функция с выхода ГСЧ,
SN(t) - отношение сигнал/шум от времени,
ΔУ - установочная ошибка.
R2(t) - случайная функция с выхода ГСЧ,
T - функция, описывающая фильтр,
t - время.
Таким образом восстанавливается (имитируется) погрешность измерения с использованием вычисленных коэффициентов, формул, набора физических параметров и случайных чисел, полученных с генератора случайных чисел.
Повышение эффективности и качества обучения достигается за счет того, что способ имитации систематических и случайных погрешностей оборудования для задач обучения операторов воздушных судов заключается в регистрации измерительной информации и ее обработке, при этом на этапе обработки измерительной информации последовательно устанавливают зависимости и вычисляют коэффициенты, которые определяют погрешность измерения изменяющегося навигационного параметра, а затем восстанавливают (имитируют) погрешность измерения с использованием вычисленных коэффициентов, зависимостей, набора физических параметров и случайных чисел, полученных с генератора случайных чисел. Причем при обработке измерительной информации для определения параметров, влияющих на характер погрешности используется корреляционный анализ, а для определения коэффициентов функций, аппроксимирующих составляющие погрешности, используется многопараметрическая оптимизация.

Claims (1)

  1. Способ имитации систематических и случайных погрешностей оборудования для задач обучения операторов воздушных судов, заключающийся в регистрации измерительной информации и ее обработке, отличающийся тем, что при этом на этапе обработки измерительной информации последовательно устанавливают зависимости и вычисляют коэффициенты, которые определяют погрешность измерения изменяющегося навигационного параметра, а затем восстанавливают/имитируют погрешность измерения с использованием вычисленных коэффициентов, зависимостей, набора физических параметров и случайных чисел, полученных с генератора случайных чисел; причем при обработке измерительной информации для определения параметров, влияющих на характер погрешности, используется корреляционный анализ, а для определения коэффициентов функций, аппроксимирующих составляющие погрешности, используется многопараметрическая оптимизация.
RU2022117135A 2022-06-24 Способ имитации систематических и случайных погрешностей оборудования для задач обучения операторов воздушных судов RU2786264C1 (ru)

Publications (1)

Publication Number Publication Date
RU2786264C1 true RU2786264C1 (ru) 2022-12-19

Family

ID=

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011012675A1 (en) * 2009-07-31 2011-02-03 Eads Construcciones Aeronauticas, S.A. Training method and system comprising mixed real and virtual images
RU2524508C1 (ru) * 2013-04-10 2014-07-27 Открытое акционерное общество "Лётно-исследовательский институт имени М.М. Громова" Полиэргатический тренажерный комплекс предупреждения столкновений летательных аппаратов
US9513125B2 (en) * 2008-01-14 2016-12-06 The Boeing Company Computing route plans for routing around obstacles having spatial and temporal dimensions
RU2696047C1 (ru) * 2018-08-07 2019-07-30 Акционерное общество Московский научно-производственный комплекс "Авионика" имени О.В. Успенского (АО МНПК "Авионика") Способ построения маршрута маловысотного полета на виртуальном полигоне

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9513125B2 (en) * 2008-01-14 2016-12-06 The Boeing Company Computing route plans for routing around obstacles having spatial and temporal dimensions
WO2011012675A1 (en) * 2009-07-31 2011-02-03 Eads Construcciones Aeronauticas, S.A. Training method and system comprising mixed real and virtual images
RU2524508C1 (ru) * 2013-04-10 2014-07-27 Открытое акционерное общество "Лётно-исследовательский институт имени М.М. Громова" Полиэргатический тренажерный комплекс предупреждения столкновений летательных аппаратов
RU2696047C1 (ru) * 2018-08-07 2019-07-30 Акционерное общество Московский научно-производственный комплекс "Авионика" имени О.В. Успенского (АО МНПК "Авионика") Способ построения маршрута маловысотного полета на виртуальном полигоне

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Д.В. Козис, О.О. Жаринов, В.Д. Суслов, Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики, 2010, N 4 (68), с.18-20, УДК. 621.396.988.6: 629.19. *

Similar Documents

Publication Publication Date Title
US9007570B1 (en) Airborne wind profiling algorithm for Doppler Wind LIDAR
CN104050318A (zh) 一种战术导弹武器系统精度仿真及校验方法
CN110779518B (zh) 一种具有全局收敛性的水下航行器单信标定位方法
JP2012180084A (ja) アビオニックディスプレイテストシステム
RU2314553C1 (ru) Система оценки точностных характеристик бортовой радиолокационной станции
CN108917755B (zh) 一种成像导引头视线角零位误差估计方法及装置
CN110779519A (zh) 一种具有全局收敛性的水下航行器单信标定位方法
US6069582A (en) Method and apparatus for synthesizing multi-channel radar or sonar data
RU2432592C1 (ru) Моделирующий комплекс для проверки системы управления беспилотного летательного аппарата
RU2399096C1 (ru) Способ имитационного статистического моделирования радиоэлектронного вооружения надводных кораблей
RU2786264C1 (ru) Способ имитации систематических и случайных погрешностей оборудования для задач обучения операторов воздушных судов
CN109471192A (zh) 一种全自动重力测试仪高精度动态数据处理方法
RU2399097C1 (ru) Способ полунатурного комплексного статистического моделирования радиоэлектронного вооружения надводных кораблей
EP3624004A1 (en) Method to simulate target detection and recognition
RU75058U1 (ru) Цифровой имитатор бортовых радиолокационных систем
RU2621374C1 (ru) Способ оптимальной привязки к подвижной наземной цели и прогноза её параметров на основе субоптимальной процедуры углового сопровождения
KR20170011184A (ko) 고도 측정 제어 장치 및 그 제어 방법
RU2658509C1 (ru) Способ имитационного статистического моделирования локомотивной интегрированной системы навигации
Smedstad et al. Validation Test Report for a Genetic Algorithm in the Glider Observation STrategies (GOST 1.0) Project: Sensitivity Studies
RU2137193C1 (ru) Способ проведения натурно-модельных испытаний радиоэлектронных систем
RU2782035C2 (ru) Имитационная модель системы управления воздушной мишенью на основе беспилотного летательного аппарата из состава мишенного комплекса
RU2444752C1 (ru) Система оценивания помехозащищенности навигационного контура искусственного спутника земли (исз)
CN117150754B (zh) 基于仿真的激光雷达外参获取方法、电子设备和存储介质
Kharin et al. Developing and Assessing the Airborne Integrated Data Processing Characteristics from Inertial and Radio-Technical Systems in Flight and Navigation System
BEISNER Arbitrary path magnetic navigation by recursive nonlinear estimation