CN101667036B - 用于自动飞行和风切变状况的控制系统 - Google Patents

Abstract

用于飞机的飞行控制系统，所述系统包括：用于测量飞机的所选择的飞行性能状态的值的部件；控制系统，用于操作在飞机上的飞行控制器件；风切变检测系统，包括：输入部件，用于接收所述飞行性能状态的测量值；以及基于计算机的系统，使用逆系统参数识别方法，用于计算当前的风切变状况的阵风波长和功率谱函数；其中，所述控制系统响应于来自所述风切变检测系统的输出而操作所述飞行控制器件的至少一些。

Description

用于自动飞行和风切变状况的控制系统

本申请为PCT国际申请PCT/US2005/036722进入中国的申请200580034374.4的分案申请，该申请的国际申请日期为2005年10月11日。该进入中国的申请的题目为“用于自动飞行和风切变状况的控制系统”。 

技术领域

本发明一般地涉及飞机的飞行控制系统领域，具体涉及一种用于在微爆流(microburst)中的自动飞行和恢复的系统。

背景技术

无人飞行器(unmanned aerial vehicle，UAV)被定义为动力驱动的飞行器，它不承载人操作员，自主地飞行或者被远程引导，并且可消耗(expendable)或者可收回。当通过远程引导来进行控制时，控制可以是连续的或者偶尔的。但是，自主飞行器可以遵循预先编程的航线，并且可以或者可以不具有重新取路径或者重新选择目标的能力。

虽然UAV由于在操作中的较高的损耗——特别是在战斗中——而比载人飞机具有更短的预期使用期限，但是UAV通常被设计为可重用的。UAV将存活相对小数量的出动架次，直到故障、事故或者敌对行为摧毁它们。飞机和UAV的损失率是影响UAV和载人飞行器的成本效益(cost-effectiveness)的重要概念。

使用UAV的主要原因是不仅在于降低在战斗或者其他危险任务中对于人的风险，而且在于以比历史上对于载人飞行器的情况更有效和成本较低的方式执行任务。另一个相关原因是使得机器不受到人施加的限制使得它们的性能提高。从一开始，就希望无人飞行器将比载人飞机开发和制造更便宜，并且UAV将降低对于现代载人飞机所需要的支持设施和人力的需求。

作为在飞行控制、数据和信号处理、场外(off-board)传感器、通信链路和综合航空电子设备上的技术进步的结果，UAV现在是一个重要的选择。为了 允许自主操作，正在对于UAV开发许多类型的系统，包括例如用于友敌识别或者交通避让的系统。飞行控制系统可以被配置来用于控制在特定类型的飞行诸如搜索和救援行动中的UAV或者用于在严酷天气状况期间的飞行。

在有人驾驶的飞机中，当天气状况恶化并且引起安全关切时，飞行员控制飞机并且将采取正确的行为。例如，飞行员可能看见在飞机之前的雷暴雨，并且驾驶飞机绕开暴风雨，以避免以微爆流形式的低层风切变(windshear)的不希望的影响。但是，自主运行的UAV将不知道暴风雨在接近，并且可能直接地飞入暴风雨中。

微爆流对于飞机的影响是过去几十年的深入调查的主题。微爆流的特征在于风的向下阵风，当它与地面相互作用时产生风速或者风向的突变。微爆流被当作对于飞行安全的严重危害，对飞机性能产生大的副面空气动力影响，未经警告地改变飞机飞行路径，并且削弱飞机的推力、动力和升力。因为许多飞行事故归因于低层风切变的影响，因此用于对抗微爆流的飞机的控制系统的设计已经变为飞行控制中的重要课题。

由于微爆流而导致的对于飞机的副面空气动力影响是由在垂直和水平风速上的突然和较大的改变导致的。人们使用飞行中数据开发了微爆流模型，这些模型的大多数采用阵风的Dryden表示。这些模型与飞机参数识别方法结合以开发必要的控制规则。在设计控制规则中的主要困难之一是在对于微爆流状况的空气动力系数的建模中的不确定性和解决非线性影响的能力。

当UAV向微爆流范围飞行时，控制地面站可能没有检测到这个可能的危险。同时，UAV可能丢失与所述地面站的通信链路，并且可能不能接收其他卫星或者其他无线相关信号，诸如全球定位系统(GPS)信号。UAV如何对于在微爆流内的状况进行反应将确定UAV是否可以在微爆流攻击下生存，并且已经显示，标准飞行控制规则不能成功地指引UAV避开微爆流。

在图1中示出了在飞行路径上的微爆流状况下用于控制UAV的飞行和恢复的问题。如图所示，UAV 11被编程来沿着路径13飞行。在暴风雨17中的微爆流区域15产生中心的下击爆流19，当下击爆流19接触在暴风雨17下的地面时它被向外引导为侧面的外击爆流(outburst)21、23。当UAV 11通过外击爆流21时，它可能具有由来自地面的向上的风或者由顶风产生的额外的升力，这个状况被称为状况1。在这种状况中的UAV 11“像气球上升(balloon)”，并且所述额外的升力可能使得飞行控制系统由于这个现象而减少飞行控制输 入。当UAV 11飞行到状况2——中心的下击爆流19——中时风向和风速改变的时候，UAV 11将丢失大量的升力。

当UAV 11在状况2中时，向下猛冲的风(它可能在其中夹带了暴雨)直接地冲击飞机的机身、机翼和机尾。如果飞行控制系统不进行任何校正，则UAV11将由于这个影响而丢失一些升力。从状况1到状况2，UAV 11的升力在状况1中被略微提高，并且在状况2中突然大量降低。系统将不会立即识别出这个意外改变，这是飞机在这个过渡期间大幅度降低性能的原因之一。

当UAV 11进入形成状况3的外击爆流23时，UAV 11的升力仍然在降低。尾部风使得机翼丢失升力，并且向下的风向地面推动UAV 11。在直升机或者其他旋转机翼的飞机中，这种运动可能损害主旋翼(main rotor)和飞行控制。如果控制系统在状况2中不进行任何校正，则在状况3，对于UAV 11而言可能太晚以至于不能从微爆流影响恢复。因此，用于补偿所有三种状况的影响的鲁棒控制规则(robust)的设计可能使得UAV 11在微爆流事件下生存。

通常，用于提供飞机在风切变预测中的必要信息的工具是天气雷达和电子飞行仪器系统(electronic flight instrument system，EFIS)。天气雷达、空气数据计算机(air data computer，ADC)或者其他传感器以回波原理工作，用于天气检测和地图绘制。雷达/ADC发出通过空间而传播的电磁能的短脉冲作为无线电波。当传播的能量波遇到目标时，一些能量被反射回雷达接收器，并且电路测量在回波的发送和接收之间消逝的时间，以确定到所述目标的距离(范围)。EFIS系统与飞行管理系统一起工作来提供用于飞行控制的必要信息。这个信息可以包括风速和风向、高度、俯仰(pitch)、俯仰率(pitch rate)、攻击角度或者其他参数。因此，天气雷达/ADC和EFIS系统的组合将提供飞机所需要的信息。

发明内容

需要这样的飞行控制系统，其提供用于在风切变状况中自动飞行和恢复。

因此，本发明的目的是提供这样的飞行控制系统，其提供用于在风切变状况中自动飞行和恢复。

飞行控制系统被配置来用于控制飞机通过风切变状况的飞行。所述系统具有用于测量飞机的所选择的飞行性能的值的部件和用于操作在飞机上的飞行控制器件的控制系统。位于飞机上的风切变检测系统使用所选择的飞行性能状态的测量值的至少一些来计算在飞行期间的阵风平均值以与在表格中的预定值相比较，以便确定是否存在风切变状况。所述控制系统然后响应于风切变检测系统的输出而操作所述分行控制器件的至少一些。

根据本发明的一个方面，提供一种用于飞机的飞行控制系统，其包括：用于测量飞机的所选择的飞行性能状态的值的部件；控制系统，用于操作在飞机上的飞行控制器件；风切变检测系统，包括用于接收所述飞行性能状态的测量值的输入部件，以及用于使用逆系统参数识别方法计算当前的风切变状况的阵风波长和功率谱函数的基于计算机的系统，其中该控制系统响应于来自该风切变检测系统的输出而操作该飞行控制器件的至少一些。

最好，该飞行控制系统还包括Dryden谱密度函数，其中该逆系统参数识别方法包括Dryden谱密度函数，用于计算该阵风波长和功率谱函数。

最好，该基于计算机的系统计算平均阵风波长。并且，使用三个正交方向上的阵风波长来计算该平均阵风波长。

最好，根据该阵风波长计算阵风速度。并且，将该阵风速度与标准干扰值相比较，以确定是否存在风切变状况。

最好，该飞行控制系统还包括时间计数器功能，其中如果阵风速度逐渐地提高，则该时间计数器功能检测噪声水平。

附图说明

为了更完全地明白包括其特征和优点的本发明，现在结合附图来参见本发明的详细说明，其中，类似的附图标号表示类似的元件，其中：

图1是示出微爆流的侧视图，所述视图示出了微爆流的三个部分；

图2是按照本发明的飞行控制系统的示意图；

图3是在图2的系统中使用的搜索算法的流程图；

图4A和4B是示出在图2的系统中的整体逻辑的流程图；

图5-7是用于使用按照本发明的系统的模拟的转动率(roll-rate)、俯仰率(pitch-rate)和偏航率(yaw-rate)余项的图；

图8-10是用于使用按照本发明的系统的模拟的x加速度、y加速度和z加速度余项的图；

图11-13是由本发明的系统使用图5-10的余项来进行的阵风估计的图；

图14-27是用于使用按照本发明的系统的模拟的测量和计算值的图。

具体实施方式

本发明针对一种飞行控制系统，它被配置来用于自动控制飞机在微爆流中的飞行。所述系统降低了在微爆流攻击下的失去UAV的概率，并且提高了生存率，使得具有本发明的系统的UAV成为更有成本效益的系统。

为了使得UAV检测微爆流状况和智能地从这个影响恢复，在本发明的系统中使用智能状态流技术。近些年来，已经在使用H_∞鲁棒控制技术的不确定系统的控制中有相当大的进步。H_∞鲁棒技术已经显示为用于解决在微爆流模型或者在控制规则设计中的空气动力系数中的不确定性的最佳方法。

本发明的系统针对处理在暴风雨中的强干扰(诸如严重的风暴或者所谓的干微爆流)和微爆流。所述系统使用智能状态流技术而提供在和来自最大微爆流的受控飞行。把来自飞机传感器的自动模式选择与状态流技术组合为一个系统以进行智能决定，并且关于最大天气阵风谱载(spectrum)和系统不确定性的鲁棒控制规则将用于使遭遇微爆流的飞机稳定。根据微爆流因素从空气数据计算机(ADC)或者其他传感器计算的危险因素将被引入来确定飞机行动以逃离所述状况。

智能状态流增益调度控制器被采用来开发飞机从微爆流恢复的必要的控制规则。避免微爆流对飞机升力的影响的鲁棒方法用于找出用于飞机的必要条件。由于微爆流的上述三种状况的飞机升力的改变被假设为应当在微爆流中恢复的主要效应之一。

已知通过下式来产生飞机升力

$L=\hat{q}{\mathrm{SC}}_L=\frac{1}{2}\mathrm{\ρ}{U}_0^{2}S[C_{L_{\mathrm{\α}}}\mathrm{\α}+C_{L_q}q+C_{L_{\mathrm{\θ}}}\mathrm{\θ}+C_{L_u}u+C_{L_{\mathrm{lung}}}{\mathrm{\δ}}_{\mathrm{long}}+C_{L_{\mathrm{coll}}}{\mathrm{\δ}}_{\mathrm{coll}}]---\left(1\right)$

在微爆流中，飞机的升力不仅关于系统的操纵，而且关于相关飞行速度和空气密度而改变。因此，在微爆流中的飞机的总的升力包含大的不定系数项，并且这些系数关于风速、风向、空气动力、攻击角度等而改变。下面更详细地对此加以说明。

类似地，俯仰力矩(pitch moment)也在微爆流中的飞行中扮演重要角色。 因此，使用这个性能来降低在微爆流影响期间的飞行路径的可能改变。所述俯仰力矩被示出为下面的形式：

$M=\hat{q}{\mathrm{SC}}_M=\frac{1}{2}\mathrm{\ρ}{U}_0^{2}S\stackrel{\‾}{c}[C_{M_{\mathrm{\α}}}\mathrm{\α}+C_{M_q}q+C_{M_{\mathrm{\θ}}}\mathrm{\θ}+C_{M_u}u+C_{M_{\mathrm{long}}}{\mathrm{\δ}}_{\mathrm{long}}+C_{M_{\mathrm{coll}}}{\mathrm{\δ}}_{\mathrm{coll}}]---\left(2\right)$

这个方程当对于在微爆流中的条件被计算时也包含不确定因素。

用于高度控制的飞机的加速度是要稳定的最重要的参数之一。基于与飞机的重心(center of gravity，CG)的距离的飞机的标准化的加速度可以被表示为：

$\frac{a_{z_x}}{U_0}=\stackrel{\·}{\mathrm{\α}}-q-\frac{l_x\stackrel{\·}{q}}{U_0}=\frac{\stackrel{\·\·}{h}}{U_0}-\frac{l_x\stackrel{\·}{q}}{U_0}---\left(3\right)$

其中，参数l_x是在飞机的CG和测量加速度的传感器之间的距离。

上述的升力、力矩和加速度方程被视为受微爆流影响的最重要的项。选择这三个变量的原因在于最小化在微爆流下的飞行路径的轨迹的敏感度。因此，这些项被用作用于H_∞鲁棒控制技术的系统的性能输出。

在本发明中，关于由于微爆流而改变空气动力系数，考虑飞机的一组线性化的纵向(longitudinal)模型。如上所述，飞机不仅在其操纵而且在相关飞行速度和空气密度上受微爆流影响。为了获得相关联的不确定系统，使用用于飞机的纵向和横向运动的方程。下面示出的本发明的实施例基于直升机的运动的方程，不过本发明的其他实施例可以替代地基于其他类型的飞机的方程。用于直升机的方程被表示如下：

运动的横向方程：

${\stackrel{\·}{X}}_k^{\mathrm{lat}}=A_k^{\mathrm{lat}}{X}^{\mathrm{lat}}+B_k^{\mathrm{lat}}{U}^{\mathrm{lat}}$ 其中，k＝0，1，...j  (4)

$Y_k^{\mathrm{lat}}=C_k^{\mathrm{lat}}{X}^{\mathrm{lat}}$

运动的纵向方程：

${\stackrel{\·}{X}}^{\mathrm{long}}=A_k^{\mathrm{longt}}{X}^{\mathrm{long}}+B_k^{\mathrm{long}}{U}^{\mathrm{long}}$ 其中，k＝0，1，...j  (5)

$Y_k^{\mathrm{long}}=C_k^{\mathrm{long}}{X}^{\mathrm{long}}$

其中，X^lat是(v， 

ψ，ρ，r)^T，X^long是(u，w，θ，q)^T，U^lat是(δ_ped，δ_lat)^T，U^long是(δ_long，δ_coll)^T。A_k ^lat和A_k ^long分别是5×5和4×4矩阵，B_k ^lat和B_k ^long分别是5×2和4×2矩阵，X_k ^lat和C_k ^long是5×10和4×11矩阵。注意k＝0，1，...j是被选择来计算飞行控制系统的鲁棒反馈控制增益的模型的数量。被选择来用于控制规则开发的总数不受限制，并 且依赖于系统性能要求。上述的状态空间表示暗示使用所有的状态变量来提供H_∞鲁棒反馈控制规则，因为本发明的系统主要涉及旋转机翼飞机，因此，根据在60-100海里/小时的飞机速度并且高度小于1750英尺的稳定状态值选择上述运动方程。

选择这些模型的原因在于找到系统不确定性，以供范数界(norm-bound)标准用于计算鲁棒反馈控制增益。可以从上述处理计算和确定在任何两个相关联的线性系统之间的差别。在每个模型之间的这些差别被当作可能源于参数改变或者系统飞线性或者系统干扰的不确定性。如果空气动力数据足够，则可以很容易地计算这些不确定性。通常，从计算流体动力学(computationalfluid dynamics，CFD)系统和通过参数识别分析的飞行测试产生这些数据。可以然后从这些不确定性确定范数界矩阵标准(criteria)。这些范数界标准可以用于计算鲁棒控制反馈增益，以保证系统满足在上述预定飞行状况上的最差情况分析。下面说明用于产生满足系统不确定性的所需要的范数界的矩阵标准的详细方法。

被应用来开发使得飞机从微爆流避开的必要飞行控制规则的方法可以被划分四类。第一类产生于智能检测微爆流攻击的思想。为了避免在地面站和飞机之间的可能的通信混乱，引入了在飞机中的几种模式设计。通过模式逻辑设计，飞机可以自动地触发适当的响应。

第二类与从微爆流事件产生的系统不确定性相关。将引入用于预测系统不确定性极限的范数界的方法，并且将应用鲁棒控制设计以确保在这个控制规则中完全覆盖从这个范数界的矩阵产生的所有不确定性。这将确保当应用最差情况条件时，飞机具有从微爆流恢复的能力。

第三类是用于设计当系统检测到通信失灵或者微爆流太强而不能被成功地通过时的飞机的紧急状况。

最后一类是使用状态流技术来将所有的上述部分连接在一起，并且针对三种微爆流状况智能地命令飞机遵循预先设计的飞行路径。

微爆流检测

微爆流检测基于来自飞机航空器件和传感器的信息。这些传感器数据可以来自飞行控制计算机、空气数据计算机(ADC)、天气雷达、GPS、地面站显示、雷达高度计和/或者来自其他航空器件。在图2中图解了具有按照本发明的微爆流自动检测系统27并且使用这些数据的飞行控制系统25。

微爆流自动检测系统27采用了系统识别方法的概念。取代估计飞机参数，预测处理噪声波长、协方差和谱载(spectrum)。所有的飞机参数被预先估计，并且被称为基于飞行速度和高度的输入板(input deck)。因此，在逆系统参数ID方法中，要估计的参数将是余项(residual)。通过余项计算，可以估计系统的处理协方差，并且使用Dryden谱密度函数方法，可以使用来自逆参数ID方法的这个估计协方差来计算在飞机当前状况的波长和功率谱函数。方程误差估计方法或者输出误差估计方法可以用于通过余项来完成协方差估计。在线逆参数ID方法和逆Dryden功率谱密度函数是纯线性的。使用时间计数器功能，如果阵风速度逐渐地提高，则可以检测噪声水平。因此，可以确定来自三维的阵风波长以便可以计算阵风速度。将这些阵风风速值与从基于各种高度和空气速度的天气数据提供的标准干扰值相比较。因此，可以预测和计算实时的微爆流。

在图2中，在虚线部分中示出了微爆流自动检测系统27的软件逻辑。本领域公知，波长、功率谱密度函数和空间频率相对于飞行速度被耦合在一起。已经示出，对于小于1750英尺的高度，大于4米/秒的风速的任何单位方向被视为严重的暴风雨。使用这个信息，系统27的天气模式可以被确定并在表1中示出。虽然在此示出了具体值，但是可以使用更严格的值来确定暴风雨级别，或者系统可以使用标准的天气CAT系统。

表1：在软件中使用的阵风简况定义的示例

项	说明	单元方向阵风速度
			1	晴空	小于0.5米/秒
2	积云	在0.5-2.0米/秒之间
			3	中等湍流	在2.0-3.9米/秒之间
4	严重暴风雨	在3.9-6.9米/秒之间
			5	雷暴雨(thunderstorm)	大于7米/秒

使用表1中的值、逆系统参数ID方法和逆Dryden功率谱方法，对于任何飞行速度和小于1750英尺的任何飞机高度，系统27可以估计相对于阵风波长和带宽的天气状况关系。而且，根据相对于从气象台提供的天气类别的测量噪声，可以由系统27估计和计算在三个方向上的阵风速度(u_g，v_g，w_g)。系统27最好具有雷暴雨模式，它包含从与微爆流相关联的各种天气状况收集并且从国家严重暴风雨实验室提供的表格。可以然后根据所计算的阵风级来 选择微爆流模式。

系统27具有用于触发天气模式和避开模式的软件逻辑。从在系统27内的逻辑树预测的阵风值将比较来自航空传感器的值，并且控制全体输入努力来确定是否飞机在微爆流状况中。

来自微爆流的系统不确定性

从上述方法估计的微爆流阵风速度(u_g，v_g，w_g)可以被视为关于飞机运动方程的线性相关梯度(gradient)。使用用于纵向和横向运动的下面的小扰动，可以将这些阵风速度表示为：

假定η_long＝(u_g w_g q_g)并且η_lat＝(v_g r_g p_g)。向方程(4)和(5)中应用(6)和(7)产生

横向运动方程：

${\stackrel{\·}{X}}^{\mathrm{lat}}=A_k^{\mathrm{lat}}{X}^{\mathrm{lat}}+B_k^{\mathrm{lat}}{U}^{\mathrm{lat}}+G^{\mathrm{lat}}{V}_g^{\mathrm{lat}}$

$Y^{\mathrm{lat}}=C_k^{\mathrm{lat}}{X}^{\mathrm{lat}}+D^{\mathrm{lat}}{V}_g^{\mathrm{lat}}$ 其中，k＝0，1，...j    (8)

$Z^{\mathrm{lat}}=C_k^{\mathrm{lat}}{X}^{\mathrm{lat}}$

其中，Y^lat是来自横向位置、速度和陀螺传感器的横向测量，并且将测量误差假定为 $E_{\mathrm{lat}}=X_{\mathrm{measured}}^{\mathrm{lat}}-X^{\mathrm{lat}},$ 并且 $V_g^{\mathrm{lat}}={\left[\begin{array}{cc}{\mathrm{\η}}_{\mathrm{lat}}& E_{\mathrm{lat}}\end{array}\right]}^T.$ Z^lat是来自 

的横向性能输出。

纵向运动方程：

${\stackrel{\·}{X}}^{\mathrm{long}}=A_k^{\mathrm{long}}{X}^{\mathrm{long}}+B_k^{\mathrm{long}}{U}^{\mathrm{long}}+G^{\mathrm{long}}{V}_g^{\mathrm{long}}$

$Y^{\mathrm{long}}=C_k^{\mathrm{long}}{X}^{\mathrm{long}}+D^{\mathrm{long}}{V}_g^{\mathrm{long}}$ 其中，k＝0，1，...j  (9)

$Z^{\mathrm{long}}=C_k^{\mathrm{long}}{X}^{\mathrm{long}}$

其中，Y^long是来自纵向位置、速度和陀螺传感器的纵向测量，并且将测量误差假定为 $E_{\mathrm{long}}=X_{\mathrm{measured}}^{\mathrm{long}}-X^{\mathrm{long}},$ 并且 $V_g^{\mathrm{long}}={\left[\begin{array}{cc}{\mathrm{\η}}_{\mathrm{long}}& E_{\mathrm{long}}\end{array}\right]}^T.$ Z^long是来自 

的纵向性能输出。上述的方程(8)和(9)具有H_∞鲁棒性能要求的形式。因此，可以应用H_∞鲁棒技术以解决对于系统的阵风衰减。

从方程(8)和(9)，当确定基于各种飞行速度和密度的空气动力参数时可以 计算在k＝0，1，...j的每个模型之间的差别。在组合所有的差别后，可以确定这些差别的边界。因此，基于方程(8)和(9)的线性系统的整个组可以被重写为：

横向运动方程：

${\stackrel{\·}{X}}^{\mathrm{lat}}=(A^{\mathrm{lat}}+\mathrm{\ΔA})X^{\mathrm{lat}}+(B^{\mathrm{lat}}+{\mathrm{\ΔB}}^{\mathrm{lat}})U^{\mathrm{lat}}+G^{\mathrm{lat}}{V}_g^{\mathrm{lat}}$

$Y^{\mathrm{lat}}=C_1^{\mathrm{lat}}{X}^{\mathrm{lat}}+V_g^{\mathrm{lat}}---\left(10\right)$

$Z^{\mathrm{lat}}=(C_2^{\mathrm{lat}}+\mathrm{\Δ}{C}_2^{\mathrm{lat}})X^{\mathrm{lat}}$

纵向运动方程：

${\stackrel{\·}{X}}^{\mathrm{long}}=(A^{\mathrm{long}}+{\mathrm{\ΔA}}^{\mathrm{long}})X^{\mathrm{long}}+(B^{\mathrm{long}}+\mathrm{\Δ}{B}^{\mathrm{long}})U^{\mathrm{long}}+G^{\mathrm{long}}{V}_g^{\mathrm{long}}$

$Y^{\mathrm{long}}=C_1^{\mathrm{long}}{X}^{\mathrm{long}}+V_g^{\mathrm{long}}---\left(11\right)$

$Z^{\mathrm{long}}=(C_2^{\mathrm{long}}+\mathrm{\Δ}{C}_2^{\mathrm{long}})X^{\mathrm{long}}$

取代使用给定的范数界假定，已经从来自方程(8)和(9)的所有模型预先调查，并且发现在状态矩阵上的这些参数不确定性满足下面的假设

$\left\{\begin{array}{c}\left|\right|{\mathrm{\ΔA}}_{j\→j+1}^{\mathrm{Lat}}\left|\right|\≤{\mathrm{\ξ}}^{{\mathrm{Lat}}^T}Q{\mathrm{\ξ}}^{\mathrm{Lat}}\≤{\stackrel{\‾}{Q}}^{\mathrm{Lat}}\\ \left|\right|{\mathrm{\ΔA}}_{j\→j+1}^{\mathrm{Long}}\left|\right|\≤{\mathrm{\ξ}}^{{\mathrm{Long}}^T}Q{\mathrm{\ξ}}^{\mathrm{Long}}\≤{\stackrel{\‾}{Q}}^{\mathrm{Long}}\end{array}\right.---\left(12\right)$

其中， 

是对称的正半定矩阵，只要不确定性满足上述的约束(12)，则可以调整所述矩阵。注意，ξ^Lat和ξ^Long是满足下式的未知时变矩阵

${\mathrm{\ξ}}^{{\mathrm{Lat}}^T}{\mathrm{\ξ}}^{\mathrm{Lat}}\≤I,$ 并且 ${\mathrm{\ξ}}^{{\mathrm{Long}}^T}{\mathrm{\ξ}}^{\mathrm{Long}}\≤I,$ 对于任何 $\∀t\∈[0,\∞)---\left(13\right)$

在本发明的系统中，假定 

是在对角项上具有不同值的对角矩阵。设计搜索算法以找到 

的适当对角值，以便对于在方程(10)和(11)上的任何参数改变满足相对于在H∞鲁棒约束上的适当(γ_lat，γ_long)的上述约束。

H_∞鲁棒约束的目的是设计状态反馈控制器

以便满足纵向和横向约束的传递函数的下面的范数(norm)：

$\left|\right|G^{\mathrm{lat}}\left(s\right)+\mathrm{\Δ}{G}^{\mathrm{lat}}\left(s\right)\left|\right|\≤{\mathrm{\γ}}_{\mathrm{lat}}^2---\left(15\right)$

$\left|\right|G^{\mathrm{long}}\left(s\right)+{\mathrm{\ΔG}}^{\mathrm{long}}\left(s\right)\left|\right|\≤{\mathrm{\γ}}_{\mathrm{long}}^2---\left(16\right)$

注意，G^lat和G^long是如下横向和纵向传递函数

$G^{\mathrm{lat}}=\left[\begin{array}{ccc}(A^{\mathrm{lat}}+A^{\mathrm{lat}})& (B^{\mathrm{lat}}+\mathrm{\Δ}{B}^{\mathrm{lat}})& G^{\mathrm{lat}}\\ C_1^{\mathrm{lat}}& 0& I\\ (C_2^{\mathrm{lat}}+\mathrm{\Δ}{C}_2^{\mathrm{lat}})& I& 0\end{array}\right]---\left(17\right)$

$G^{\mathrm{long}}=\left[\begin{array}{ccc}(A^{\mathrm{long}}+{\mathrm{\ΔA}}^{\mathrm{long}})& (B_k^{\mathrm{long}}+{\mathrm{\ΔB}}^{\mathrm{long}})& G^{\mathrm{long}}\\ C_1^{\mathrm{long}}& 0& I\\ (C_2^{\mathrm{long}}+{\mathrm{\ΔC}}_2^{\mathrm{long}})& I& 0\end{array}\right]---\left(18\right)$

注意，(γ_lat，γ_long)是小的给定值，它们满足约束(15)和(16)。通过下述的搜索算法来确定值(γ_lat，γ_long)。

因此，为了设计所需要的H_∞鲁棒反馈控制规则，需要首先对于用于(γ_lat，γ_long)的良好指定值选择求解来自没有不确定性的约束的H_∞ Riccati解。因此，没有任何不确定性考虑的纵向和横向运动的Riccati解 $\left(\begin{array}{cc}{P}_{\∞}^{\mathrm{lat}}& P_{\∞}^{\mathrm{long}}\end{array}\right)\∈\mathrm{dom}\left(H_{\∞}\right)$ 与下面的哈密尔顿矩阵相关联，

$H_{\∞}^{\mathrm{lat}}=\left[\begin{array}{ccc}{A}^{\mathrm{lat}}& {\mathrm{\γ}}^{-2}{G}^{\mathrm{lat}}{G}^{{\mathrm{lat}}^T}& -B^{\mathrm{lat}}{B}^{{\mathrm{lat}}^T}\\ -Q^{\mathrm{lat}}& -A^{{\mathrm{lat}}^T}& \end{array}\right]---\left(19\right)$

$H_{\∞}^{\mathrm{long}}=\left[\begin{array}{ccc}{A}^{\mathrm{long}}& {\mathrm{\γ}}^{-2}{G}^{\mathrm{long}}{G}_k^{{\mathrm{long}}^T}& -B^{\mathrm{long}}{B}^{{\mathrm{long}}^T}\\ -Q^{\mathrm{long}}& -A^{{\mathrm{long}}^T}& \end{array}\right]---\left(20\right)$

注意， $Q^{\mathrm{lat}}=C_2^{{\mathrm{lat}}^T}{C}_2^{\mathrm{lat}},$ 并且 $Q^{\mathrm{long}}=C_2^{{\mathrm{long}}^T}{C}_2^{\mathrm{long}},$ 它们是对称正半定的。对应于前两个哈密尔顿矩阵的两个Riccati不等式被描述如下：

$P_{\∞}^{\mathrm{lat}}{A}^{\mathrm{lat}}+A^{{\mathrm{lat}}^T}{P}_{\∞}^{\mathrm{lat}}+Q^{\mathrm{lat}}+P_{\∞}^{\mathrm{lat}}\left[{\mathrm{\Ξ}}^{\mathrm{lat}}\right]P_{\∞}^{\mathrm{lat}}\≥0---\left(21\right)$

其中， ${\mathrm{\Ξ}}^{\mathrm{lat}}={\mathrm{\γ}}^{-2}{G}^{\mathrm{lat}}{G}^{{\mathrm{lat}}^T}-B^{\mathrm{lat}}{B}^{{\mathrm{lat}}^T}$

$P_{\∞}^{\mathrm{long}}{A}^{\mathrm{long}}+A^{{\mathrm{long}}^T}{P}_{\∞}^{\mathrm{long}}+Q^{\mathrm{long}}+P_{\∞}^{\mathrm{long}}\left[{\mathrm{\Ξ}}^{\mathrm{long}}\right]P_{\∞}^{\mathrm{long}}\≥0---\left(22\right)$

其中， ${\mathrm{\Ξ}}^{\mathrm{long}}={\mathrm{\γ}}^{-2}{G}^{\mathrm{long}}{G}^{{\mathrm{long}}^T}-B^{\mathrm{long}}{B}^{{\mathrm{long}}^T}$

注意，(Ξ^lat Ξ^long)对于指定值(γ_lat，γ_long)是对称正定的。系统满足可稳定和可检测的要求。上述的Riccati不等式的解将被用作初始条件，用于找到在传递函数(15)和(16)中的任何不确定性矩阵的期望解。

在有不确定性的情况下，目的是用于找到横向和纵向控制输入，U^lat和U^long如下

U^lat＝-K^latX^lat                (23)

U^long＝-K^longX^long             (24)

以满足横向和纵向不确定的H_∞约束(17)和(18)，以便满足下面的哈密尔顿性能指数：

$H_{\∞}^{\mathrm{lat}}=\left[\begin{array}{ccc}{A}^{\mathrm{lat}}& {\mathrm{\γ}}^{-2}{G}^{\mathrm{lat}}{G}^{{\mathrm{lat}}^T}& -B^{\mathrm{lat}}{B}^{{\mathrm{lat}}^T}\\ -(Q^{\mathrm{lat}}+{\stackrel{\‾}{Q}}^{\mathrm{lat}})& -A^{{\mathrm{lat}}^T}& \end{array}\right]---\left(25\right)$

$H_{\∞}^{\mathrm{long}}=\left[\begin{array}{ccc}{A}^{\mathrm{long}}& {\mathrm{\γ}}^{-2}{G}^{\mathrm{long}}{G}_k^{{\mathrm{long}}^T}& -B^{\mathrm{long}}{B}^{{\mathrm{long}}^T}\\ -(Q^{\mathrm{long}}+{\stackrel{\‾}{Q}}^{\mathrm{long}})& -A^{{\mathrm{long}}^T}& \end{array}\right]---\left(26\right)$

从下述的Riccati不等式，上述的两个哈密尔顿矩阵具有解

$\left(\begin{array}{cc}{\stackrel{\‾}{P}}_{\∞}^{\mathrm{lat}}& {\stackrel{\‾}{P}}_{\∞}^{\mathrm{long}}\end{array}\right)\∈\mathrm{dom}\left(H_{\∞}\right):$

${\stackrel{\‾}{P}}_{\∞}^{\mathrm{lat}}{A}^{\mathrm{lat}}+A^{{\mathrm{lat}}^T}{\stackrel{\‾}{P}}_{\∞}^{\mathrm{lat}}+(Q^{\mathrm{lat}}+{\stackrel{\‾}{Q}}^{\mathrm{lat}})+{\stackrel{\‾}{P}}_{\∞}^{\mathrm{lat}}\left[{\mathrm{\Ξ}}^{\mathrm{lat}}\right]{\stackrel{\‾}{P}}_{\∞}^{\mathrm{lat}}\≥0---\left(27\right)$

${\stackrel{\‾}{P}}_{\∞}^{\mathrm{long}}{A}^{\mathrm{long}}+A^{{\mathrm{long}}^T}{\stackrel{\‾}{P}}_{\∞}^{\mathrm{long}}+(Q^{\mathrm{long}}+{\stackrel{\‾}{Q}}^{\mathrm{long}})+{\stackrel{\‾}{P}}_{\∞}^{\mathrm{long}}\left[{\mathrm{\Ξ}}^{\mathrm{long}}\right]{\stackrel{\‾}{P}}_{\∞}^{\mathrm{long}}\≥0---\left(28\right)$

其中，状态加权矩阵 

是对称正半定的。

很重要的是，选择良好的指定值(γ_lat，γ_long)以及 以便可以同时满足对于所有的控制增益和在(17)和(18)中所示的不确定性约束的良好稳定性和时间响应。为了一起实现这个目标，在图3中图解了搜索算法。

在搜索算法上使用的变量被表示为

1)(ξ^lat ξ^long)：闭合环路系统的独立衰减定量

2)(q^lot q^long)： 

的对角搜索递增变量。

使用图3的搜索算法，从这些步骤产生的H_∞控制增益将使得在系统(4)和(5)中的不确定性稳定。因此，可以将H_∞状态反馈控制增益确定为

对于k＝0，1，...j，其中， 

对于适当的(γ_lat，γ_long)以及 

是对称正定的，它们满足Riccati不等式(21，22)和(27，28)。

用于UAV恢复系统的天气智能

为了开发系统27的智能部分，假定诸如UAV的飞机具有所有必要的传感器和可以获得的系统动力状态，诸如飞行速度、天气雷达、风速、爬升速率误差、同步飞行路径、发送良好情况和接收良好情况。微爆流验证是在飞机内的自动检测功能，并且以下面的逻辑集来实现这个功能。应当注意，这集可以与飞行控制努力组合。

逻辑1：当检测到暴风雨时丢失站信号

当飞机在微爆流状况中时，很可能飞机丢失与卫星或者地面站的通信能力。在智能软件逻辑开发中考虑在UAV和地面站之间的通信的逻辑。当UAV遇到微爆流或者严重的暴风雨影响时，系统27向地面站发送警告信号。如果接收和发送通信良好，则系统27等待来自地面站的命令。如果未接收到命令，则系统27将保持当前的飞行任务。但是，如果接收和发送通信链路已经失灵，则系统27将在触发鲁棒控制设计之前等待指定的时段。

逻辑2：对于暴风雨输入的控制面反应过度(control surface overreaction)

通过设置正负极限击中(hit)逻辑来设计控制面反应过度系统。在正常的稳定状态飞行期间，控制面大致接近在它们的运动范围中的中间位置。为了在处于微爆流中时保持已经计划好的飞行路径，当遇到阵风时使用的控制规则设计将命令所述控制面移向任一侧。当阵风继续时，控制面将击中其运动极限。一旦发生这种情况，则将立即启动极限击中恢复逻辑，放弃保持飞行路径以便保持飞机安全。纵向控制器输入和垂直控制器输入将忽略地面站输入，并且调整飞机的高度以将飞行速度保持在指定范围内。

逻辑3：超过期望设置值的危险系数

关于避开模式(Escape Mode)设计危险系数。当触发避开模式时，无论通信系统是否良好，将自动触发鲁棒恢复系统。根据国家天气实验室要求来预先评估这个危险系数值。当前，这个值被暂时设置为45英尺/秒。但是，这个危险系数也依赖于在垂直轴上的最大阵风值。将从系统的飞行测试确定这个值。

逻辑4：所有其他情况的组合

天气状况、控制努力、危险系数和避开模式的组合将使得系统27选择状态流智能部分之一。如果必要的话，这个状态流逻辑可以被扩展到任何飞行状况。在智能逻辑中包括所有的控制输入和传感器信息。

从微爆流的鲁棒飞行控制恢复

图4A和4B是图解在微爆流遭遇和恢复系统中整体逻辑如何工作的流程图。例如，当系统27检测到微爆流时，下面的总结逻辑将是自动的：

1)当检测到暴风雨时，系统27将命令UAV根据传感器信息在90秒内将其朝向与风切变方向(顶头风)对准。

在这种布置下，UAV将把其横向和定向控制面输入减少到最小，允许足够的可用控制面输入克服微爆流状况。

2)当检测到暴风雨时，系统27将命令UAV降低或者提高其飞行速度以将飞行速度保持在指定的安全范围内。

根据控制面使用所需要的最小值来预定安全飞行速度。例如，这个最小飞行速度可以是大约50-100海里/小时。但是，所述值可能对于不同类型的飞机不同。

3)当检测到暴风雨时，系统27将触发自动高度恢复功能。

自动高度恢复功能依赖于来自下列内容的信息：(a)对于高度的ADC静 态探测，(b)雷达测高仪(如果安装了的话)，(c)GPS高度(如果仍然工作的话)，(d)所发送的地面站信息(如果仍然工作的话)或者(e)其他传感器信息。通常，微爆流发生在低高度，并且一旦触发了“检测到风暴”功能，则UAV有必要使用安全飞行速度和高度、总的控制面响应和一些传感器信息来尽可能快地飞出微爆流。

4)当检测到暴风雨时，系统27将具有自动操纵恢复功能。

当检测到暴风雨时，UAV可以在低高度着陆接近模式、低高度搜索模式化或者其他飞行模式中。在所述暴风雨状况期间，系统27将首先切换到安全模式，然后当不再有效地选择暴风雨模式时恢复先前的飞行模式。

5)当检测到暴风雨时，系统27选择地面站拦截(intercept)模式。

当检测到暴风雨时，系统27将向地面站发出“检测到暴风雨”的信息。如果卫星信号仍然在工作，则所述地面站可以针对任何命令拦截UAV以带回UAV。但是，UAV具有其本身的逻辑，用于根据鲁棒飞行控制规则确定最佳的生存情况。

6)在暴风雨后，UAV可能被损坏，并且失去所有的发送和接收能力。

在这个情况下，将触发“回家”模式，其中，系统27命令UAV飞行到预先计划好的位置。UAV将继续向地面站发送其故障信号。在从暴风雨逃离后，UAV将停留于暴风雨之外指定时间，然后继续下一个任务。系统27将具有智能逻辑，以便如果不可获得地面站信号、地面站命令没有改变、或者如果地面站命令是不安全则选择其本身的飞行路径。

7)如果不可获得地面站信号，则将自动触发飞行路径选择。

UAV飞行路径选择将基于其暴风雨恢复情况。它可以智能地选择继续其本身的任务、绕到下一个任务或者选择“回家”模式。所有这些基于传感器信息、设备良好状况和飞行安全。

通过逆参数ID方法的微爆流状况估计

在图5、6、7、8、9和10中示出了关于预备(reserved)的逆参数识别方法的微爆流状况的模拟。在平静的天气状况下的稳定状态飞行期间，来自转动率、俯仰率和偏航率的余项将很低。进行了暴风雨级干扰的模拟，并且在图5、6和7中分别示出了转动率、俯仰率和偏航率的余项(P、Q、R)。

类似地，在图8、9和10中示出了来自x、y和z加速度的余项(A_x、A_y、N_z)。注意，z加速度被标准化。通常，对于任何干扰，这些值很接近0。但 是，当干扰不小时，这些值将被影响。A_y和A_z的值将比A_x的值更受影响。虽然这些值不是很高，但是它们对于其他飞机操纵的反应将很大。

在图11、12和13中示出了对于每个上述余项的阵风估计。请注意，阵风输入是进入飞机系统中的从0开始的缓慢递增量。对于所估计的阵风，根据上述余项而检测的暴风雨级别在级别(4)，即严重的暴风雨。它被当作在图1中中所示的风切变状况1。因此，飞机微爆流检测系统将向地面站发出针对严重的暴风雨攻击的警告信号。

微爆流飞行模拟结果

根据在纽约的JFK机场的波音727的1975年6月24日的坠毁来重建风切变简况。根据来自逆参数ID方法的直升机性能余项来模拟这个风切变简况。在低级(low-level)飞行期间应用鲁棒控制规则，以验证来自微爆流攻击的UAV响应。在图14-27中示出了模拟结果。

在图14上示出了在所有三种状况下的UAV高度轨迹响应。与飞机轨迹相关的JFK风切变被增加以示出所有三种状况。示出了，当UAV在状况1中上升时，鲁棒控制器将在将高度保持在期望值——800英尺——附近的同时允许飞机少量上升。当UAV遇到下击爆流的状况时，UAV将不被立即向下推动很多。而是，系统27识别出达到下击爆流的状况，并且在图18中所示的其立即的俯仰响应恢复高度性能。当飞机继续受到随下击爆流之后的顶头风攻击时，这个运动看起来像它是UAV预期的。飞机确实失去其高度的一些，但是UAV仍然很好地保持其轨迹。这个附图清楚地示出了从微爆流事件恢复的UAV。

在图15中示出了UAV飞行速度性能。示出了，在初始顶头风状况期间，阵风速度使得UAV飞行速度提高。但是，系统27并不对于这个事件反应过度。当UAV进入下击爆流状况中时，飞机被突然向下推，但是系统27立即识别到所述事件，并且高于期望速度地恢复。而且，当UAV击中状况3时，飞机努力克服飞行速度损失，并且从这个事件恢复。在没有良好的鲁棒控制规则的情况下，大多数飞机在这种微爆流中将丧失性能，并且坠毁。

在图16和17中分别示出了UAV机首方位(heading)和x-y图。假定当发生微爆流攻击时总是向飞行器施加横向阵风，但是后来，阵风不改变其方向直到它慢下来。对于侧面阵风的机首方位角响应为16英尺/秒高，如图16中所示。可以看出，机首方位可能被微爆流影响干扰小量。但是，系统27立即 命令UAV在事件后校正机首方位角。从图17，UAV假定从其机首方位角向东为0度的原点(0，0)开始微爆流影响。直到微爆流影响结束，在图23中清楚地显示在x-y方向上的UAV整体飞行路径未受到大的影响。

在图18中示出了相对于微爆流的俯仰角响应。应当注意，在稳定状态级的飞行的俯仰角为大约-1.5度。当在上升状况中发生初始阵风时，当施加鲁棒控制时俯仰角从所述级飞行值被提高小量。当UAV遇到下击爆流状况时，为了调整在垂直方向上的这个突然事件，垂直鲁棒控制输入很快地动作以将俯仰角提高得更高，以便将所述影响降低到最小。当UAV进入第三状况时，水平阵风突然从负向正转换，并且垂直阵风被改变为接近0。为了克服这个尾部风事件，UAV鲁棒控制器将俯仰角向下引导直到最小化这个影响。

在图19、20和21中示出了用于这个模拟的阵风分量。图19是水平分量，图20是横向分量，图21是垂直分量。JFK风切变的分量被以虚线绘制在这些附图旁边。所述附图示出了：当UAV进入微爆流统治区域时，水平阵风被缓慢地提高。水平阵风将类似于JFK阵风地动作，在其三个方向上有尖锐的改变。类似地，侧面阵风速度和垂直阵风很接近JFK风切变。应当注意，通过本发明的方法的逆参数ID方法使用被计算的微爆流估计方法来产生这些阵风简档。在具有这样的阵风简档的情况下，波音727坠毁；但是，本发明的鲁棒控制器防止所模拟的UAV坠毁。

在图22-27中示出了用于预测三个方向的阵风响应的余项。在三个角度速率响应(转动率、俯仰率和偏航率)上，超过10秒的突变幅度指示微爆流状况的开始点。如果不应用鲁棒控制器，则在这些角速率上的振荡将不衰减，而是将持续提高直到它们失控。这是引起在风切变中的受控飞行的丧失的主要原因之一。

在图25、26和27中所示的三个加速度分量上，显示阵风负载在横向和垂直方向上不是空白(white)的。类似于角度速率，当三种微爆流状况初始影响飞机时加速度分量将具有大的改变。根据每种冲击状况，横向加速度余项响应于鲁棒控制而改变。可以看出，最高的横向冲击发生在当飞机升力降低时的下击爆流的状况中。但是，即使对于这种困难状况，使用本发明的鲁棒控制规则的模拟UAV保持其性能。克服这种冲击的原因之一是所开发的控制规则是基于最差情况设计的。对于水平加速度的连续水平阵风冲击可以高达3.0英尺/秒²，并且最大水平阵风可以达到6.0英尺/秒²。对于其加速度的 最大垂直阵风冲击大于1.0英尺/秒²。

所公开的智能飞行控制系统包括：

1)鲁棒控制规则开发

2)来自所有模型的不确定性计算

3)用于阵风协方差估计的逆参数ID估计

4)用于阵风估计的逆Dryden功率谱密度函数

5)被计算的自动阵风检测系统

6)UAV对抗天气状况的智能设计

7)当阵风功率密度太强时的智能避开模式设计

8)在暴风雨模式中的横向对齐设计

9)在暴风雨模式中的控制面极限击中避开逻辑设计

10)当在暴风雨攻击后传感器故障时的回家模式设计

11)如果传感器故障则在暴风雨攻击后的最小燃料目的地选择。

虽然如上所述被用于无人飞机，但是本发明的系统可应用到包括载人飞机的所有类型的飞机。本发明的系统也可以并入另外的特征，包括用于把控制返还飞行员的人工代用(override)方法。

虽然已经相对于说明性实施例而描述了本发明，但是不意欲在限定含义上解释本说明书。对于参见本说明书的本领域内的技术人员，所述说明性实施例的各种修改和组合以及本发明的其他实施例是显而易见的。

Claims (8)

1.一种用于飞机的飞行控制系统，所述系统包括：

用于测量飞机的所选择的飞行性能状态的值的部件；

控制系统，用于操作在飞机上的飞行控制器件；

风切变检测系统，包括：

输入部件，用于接收所述飞行性能状态的测量值；以及

基于计算机的系统，使用逆系统参数识别方法，用于计算当前的风切变状况的阵风波长和功率谱函数；

其中，所述控制系统响应于来自所述风切变检测系统的输出而操作所述飞行控制器件的至少一些。

2.按照权利要求1的飞行控制系统，还包括：

Dryden谱密度函数；

其中，所述逆系统参数识别方法包括Dryden谱密度函数，用于计算所述阵风波长和功率谱函数。

3.按照权利要求1的飞行控制系统，其中，所述基于计算机的系统计算平均阵风波长。

4.按照权利要求3的飞行控制系统，其中，使用三个正交方向上的阵风波长来计算该平均阵风波长。

5.按照权利要求1的飞行控制系统，其中，根据该阵风波长计算阵风速度。

6.按照权利要求5的飞行控制系统，还包括：

时间计数器功能；

其中，如果阵风速度逐渐地提高，则所述时间计数器功能检测噪声水平。

7.按照权利要求5的飞行控制系统，其中，将该阵风速度与标准干扰值相比较，以确定是否存在风切变状况。

8.按照权利要求5的飞行控制系统，其中，基于高度和空气速度、根据天气数据提供所述标准干扰值。

Images