迎角传感器

2024-07-23

迎角传感器（共3篇）

迎角传感器篇1

迎角是飞行器飞行的重要参数和弹箭飞行稳定性的主要技术指标。在基于四象限压力传感器阵列的迎角测量方法中,将测压转化为位置敏感来测量飞行器的迎角,从而克服由于飞行参数的变化而测不准的缺点[1]。而在传感器采集和传输压力信号过程中,原始信号会受到大量杂波干扰,影响后续的迎角测量的准确性。因此对传感器信号加以分析和处理非常必要。常使用滤波器获得信号中某一频带的信息进行信号处理,难以满足提取更多信息的需求。

文中研究了利用小波变换的局部时-频分析进行迎角传感器信号处理的方法,结果表明,与传统的滤波方法相比,小波变换变换方法对迎角传感器有用信号的分离提取,效果良好。

1 小波分析的理论基础

1.1 小波变换原理

小波分析作为一种新的时频分析工具,具有时间域和频率域的良好的局部化性质[2]。待分析信号的小波变换定义为

$W Τ x (a, b) = \frac{1}{\sqrt{| a |}} \int_{- \infty}^{+ \infty} x (t) \bar{Ψ (\frac{t - a}{b})} d t (1)$

若取a=2j,j∈Z,此时即为在计算机上可实现得离散化二进制小波变换

$W Τ_{2^{j}} x (τ) = \frac{1}{2^{j}} \int_{- \infty}^{+ \infty} x (t) Ψ (\frac{τ - t}{2^{j}}) d t (2)$

1.2 小波多尺度分析及Mallat算法

对于信号x(t)=Lj+1(t)∈Vj+1,由多分辨分析的概念知,有Lj+1(t)=Lj(t)+Hj(t)式中 $L_{j} (t) = \sum_{k \in Ζ} c_{j, k} ϕ (2^{j} t - k)$ 表示信号的近似项; $Η_{j} (t) = \sum_{k \in Ζ} d_{j, k} Ψ (2^{j} t - k)$ 表示信号的细节项。

${\begin{cases} c_{j, k} = 〈 x, ϕ_{j, k} 〉 \\ d_{j, k} = 〈 x, Ψ_{j, k} 〉 \end{cases} (3)$

式中,cj,k为尺度系数,dj,k为小波分解系数。

Mallat快速算法[3,4]是基于多分辨率分析的思想提出来的。它用一组滤波器来快速地计算尺度系数和小波分解系数,形成一个塔式递推算法,Mallat算法的小波分解,如图1所示,图中对信号进行了M尺度的小波分解。最终得到尺度系数cj-M,k和小波系数dj-1,k,dj-2,k,…,dj-m,k。

2 迎角传感器信号的预处理

以下就模拟测量迎角的一次实验中,某一迎角姿态下所采集的压力传感器数据进行分析。所采集的数据,如图2所示,所用采样频率为30 kHz。

由信号的频谱可知,信号主要集中在直流、50 Hz、100 Hz、150 Hz、200 Hz的频率上,同时还伴有噪声。由技术参数可知,频率在50 Hz以下的信号正是需要的,其他的频率成分则是干扰成分。因此在信号的预处理中,需要去除干扰成分和噪声的影响,提取出有用信号,为后续的处理奠定基础。以下分别采用传统的滤波器方法和小波变换的方法进行处理,并作对比。

2.1 基于传统滤波器方法的迎角传感器信号预处理

由信号分析可知,干扰成分的频率高于有用信号的频率,因此通过低通滤波器可实现有用信号的提取。由于有用信号所占频带和干扰信号频带距离小,而椭圆滤波器可以获得的过渡带宽较其他滤波器窄,即采用一个4阶的椭圆低通IIR滤波器,其参数为:通带纹波为0.1 dB,通带截止频率为50 Hz,阻带最小衰减40 dB。所分析的数据经过低通滤波器滤波后的信号和频谱,如图3所示。

从图3可以看出,低通滤波后的波形在开始段失去了对应信号的振荡特性,产生时延和相移,波形失真程度较大,发生很大的畸变。同时从频谱可以看出滤波后信号出现了原来信号中没有的频率成分,分离提取没有达到理想的效果。

2.2 基于小波变换的迎角传感器信号预处理

目前小波的选择尚缺乏完善的理论加以指导[2],不同的小波具有不同的性质和一定的适用范围。借鉴文献[5],并通过选用几种小波函数对信号进行小波变换,比较仿真结果表明:选用db24小波对所采集信号进行分解,分解效果明显。采样频率为30 kHz,则分析频率范围为0～15 kHz。所以分解尺度选择为8,这时即可以达到分解的目的,而且没有出现假频(即分解后的分量频率小于原来信号所含频率成分[6,7,8])。

小波分解中,各层小波分解相当于带通或低通滤波器。经处理和计算可知小波分解的第8层a8所占的频段就是0～58 Hz,即可利用db24小波分解后第8层的低频分量将所要频率组成清晰的分离出来。分离后得到的信号及频谱如图4所示。

2.3 结果对比

对比利用小波变换和低通滤波器处理的过程和结果可以得出:

(1)从实现的手段来看,设计滤波器,要取得理想的效果,需综合考虑选取滤波器种类及各种指标,比较复杂,而小波变换所需计算量不大即可获得较好的效果;

(2)小波变换分离的效果要好于低通滤波器的效果,小波分离后的信号波形更接近真实信号,主要频谱分量也更突出,信号的信噪比也有所提高;

(3)从模拟实验后续处理结果来看,由小波变换处理后的数据计算出的迎角误差明显小于低通滤波器处理的。

3 结束语

在分析受干扰的迎角压力传感器信号及其频谱的基础上,利用db24小波对信号进行了多尺度分解,将原始信号的不同频率成分分开,滤除由干扰信号引起分量,实现了有用信号的提取,取得了良好的效果。通过与传统滤波器预处理方法的对比,可以看出小波分解用于迎角传感器信号预处理的优越性,同时也为后续迎角的精确计算提供了很好的条件。

摘要：针对基于四象限压力传感器阵列的迎角测量方法中,传感器信号受到干扰的问题,讨论了在其预处理中应用小波变换进行信号分离提取的方法。根据小波分解理论,对信号进行多尺度的小波变换,信号中频率不同的部分落在不同的尺度上,剔除反映干扰的小波变换尺度,提取出有用信息。结果表明,该方法可较好地提取信号的主要特征信息,有效的去除了确定性干扰和随机噪声,与传统的信号滤波方法相比较具有明显的优点,同时为后续的信号处理奠定了基础。

关键词：小波变换,迎角传感器,信号提取,预处理

参考文献

[1]孟丹丹,韩焱,王鉴.基于压力传感器的迎角测量方法的研究[J].传感器与微系统,2008,27(4):43-45.

[2]飞思科技产品研发中心.小波分析理论与Matlab7实现[M].北京:电子工业出版社,2005.

[3]索中英,王建民,吴华,等.基于小波变换的连续波多普勒体制无线电引信多普勒信号特征提取方法研究[J].探测与控制学报,2006,28(2):29-32.

[4]周建勇,宋国乡.小波在信号检测及去噪处理中的应用[J].电子科技,1999(12):23-25.

[5]郭锐.基于小波变换域估计的瞬态信号检测[J].电子科技,1998(1):21-23,27.

[6]张传斌,邓正隆.激光陀螺信号的小波滤波方法研究[J].电子学报,2004,32(1):125-127.

[7]周厚奎,张昱,金心宇.基于傅里叶和小波变换的电网谐波分析[J].电力系统及其自动化学报,2005,17(6):59-62.

[8]樊计昌,刘明君,王夫运.浅析小波最大分解层[J].科技导报,2008,26(10):40-42.

一种新的迎角估计方法篇2

关键词：迎角估计,侧滑角,扩展卡尔曼滤波,空气动力学模型

0 引言

迎角和侧滑角是飞行力学的两个重要飞行参数,也是飞行控制及导航系统所需要的两个主要参数,其精度直接关系到飞行质量和安全,目前主要是通过安装在飞机上的风标传感器、压差式传感器和零压式传感器等来测量的。这类传感器由于受到结冰及与飞行状态有关的局部环流的影响,几乎不可避免地会造成很大的零点偏差。同时迎角和侧滑角传感器测量的信号以电压信号的方式输入到瞄准具用于修正航炮、导弹发射器的射击方位,因此其测量准确性对于飞机的射击准确度有很大的影响[1]。

目前关于迎角和侧滑角的求解方法很多,最常见的就是改变传统的传感器代之以嵌入式大气传感器。它依靠分布在飞行器前端的压力传感器阵列来测量飞行器表面的压力,并由压力分布间接获得飞行参数,但由于该系统获得大气参数存在一定延时,所以它在飞行器机动时,测量精度有所下降。不能满足实际飞行要求。

本文研究了借助导航信息和飞机的非线性动力学方程,利用扩展卡尔曼滤波来估计迎角和侧滑角的方法,并且仿真验证了该方法。结果表明,该方法具有估计精度高,实时性好,抗干扰能力强的特点。

1 扩展卡尔曼滤波

将期望和方差线性化的卡尔曼滤波器称作扩展卡尔曼滤波器(Extended Kalman Filter),简称EKF[2]。同泰勒级数类似,面对非线性关系时,可以通过求过程和量测方程的偏导来线性化,并计算当前估计。

1.1 非线性状态模型

非线性方程描述如下[2]:

$\begin{array}{l} \dot{x} (t) = f (x (t), u (t), t) + G w (t) \\ z (t) = h (x (t), u (t), t) + v (t) \end{array} (1)$

式中:x∈Rnx是状态向量;u∈Rnu是控制输入向量;w∈Rnr是随机驱动噪声;协方差矩阵为Q;z∈Rnz是量测向量;v∈Rnz是随机量测噪声;协方差矩阵为R;G∈Rnx×nw为转移矩阵;w,v为均值为零的白噪声。

f(·)和h(·)的雅克比矩阵如下:

估计误差协方差矩阵P的微分形式如下:

1.2 扩展卡尔曼滤波算法

时间更新方程:

状态更新方程:

2 基于飞行器的非线性模型

2.1 飞机非线性动力学方程

在飞机的非线性动力学方程中,状态向量 $\hat{x}$ 被分为纵向和横向两部分,具体如下:

式中: $\hat{V}$ 为真空速; $\hat{α}$ 为迎角; $\hat{β}$ 为侧滑角; $\hat{φ}$ 为滚转角; $\hat{θ}$ 为俯仰角; $\hat{p}$ , $\hat{q}$ , $\hat{r}$ 分别为三个姿态角速率。

非线性动力学方程如下[5]:

式中:气动力(D,Y,L)分别为阻力、侧力、升力;T为发动机推力,这里假设发动机推力偏角αT=βT=0;气动力矩为(L,M,N);g为重力加速度;m为飞机质量。其中:

所以,由式(6)～式(12)就构成了状态向量 $\hat{x}$ 与控制输入向量 $u = [\begin{matrix} δ_{e} & δ_{a} & δ_{r} & δ_{Τ} \end{matrix}]^{Τ}$ 的非线性函数关系。δe,δa,δr,δT分别为升降舵偏角、方向舵偏角、副翼偏角、油门杆偏量,fDYL,fLMN,fT由相应的气动导数组成。

2.2 基于导航信息的量测方程

由导航系统提供的量测向量如下[6]:

$z_{k} = [\begin{matrix} θ & φ & p & q & r & f_{x} & f_{y} & f_{z} \end{matrix}] (13)$

式中:θ为俯仰角,φ为横滚角,θ,φ直接为导航系统输出;p为横滚角速率,q为俯仰角速率,r为航向角速率,p,q,r由导航系统中的陀螺提供;fx为机体x轴比力,fy为机体y轴比力,fz为机体z轴比力,fx,fy,fz为导航系统中加速计输出的比力信息。除以上量测信息外,大气数据系统还提供了动压 $\bar{q}$ 作为量测,ρ为空气密度。量测量与状态向量的非线性关系如下:

由此,根据以上状态方程和量测方程,利用扩展卡尔曼滤波就可以估算出迎角α和侧滑角β。

综述上文可以知道,该算法分为四个模块,即动力学方程、飞行控制系统(主要提供δe,δa,δr,δT)、导航系统及大气数据系统,如图1所示。

3 仿真验证

仿真采用某型飞机的几何、质量和空气动力特性。由导航系统和大气数据系统的相关性能指标可以得到量测精度如表1所示。这里取陀螺漂移为0.01/h。

系统噪声协方差阵Q由飞机的固有特性及其非线性模型决定;量测噪声协方差阵R由导航器件和大气数据系统的特性及周围环境所决定。取ρ=0.412 7 kg/m3,高度H=1 000 m,马赫数M=0.881。仿真中,飞机处于大机动状态,利用飞机动力学模型即式(7)～式(11)构造各参数真值,将EKF估计的结果与其对比,由于通常侧滑角非常小,可以看作0,这里只给出迎角的仿真结果,图2,图3给出了迎角的相关曲线。

从仿真曲线图2,图3可以看出,飞机处于大机动状态下,EKF估计误差存在一定的波动,但是仍然具有很好的估计效果,不仅EKF估计曲线与真值曲线趋势上完全一致, 而且该方法有着较高的估计精度,估计误差在0.4°以内,能够满足实际飞行要求。这也说明该方法有着很好的鲁棒性。同时,该估计过程是在实时的仿真环境下进行,所以该方法又有着很好的实时性。

4 结论

综上所述,本文提出的方法不需要传感器,仅仅借助惯导信息和飞机的非线性动力学模型(模型准确性足够高),利用EKF就可以估计迎角和侧滑角。从仿真结果可以看出,该方法有着较高的估计精度,很好的鲁棒性和实时性,且结构简单,易于工程实现。

参考文献

[1]宋述杰.虚拟传感器研究[D].西安:西北工业大学,2004.

[2]秦永元,张洪钺,汪叔华.卡尔曼滤波与组合导航原理[M].西安:西北工业大学出版社,1998.

[3]JOSEPH E,ZEIS J R.Angle of attack and sideslip estima-tion using an inertial reference platform,AIAA-1988-4351[R].USA:AIAA,1998.

[4]COLGREN R D.The Feasibility of using an INS for contrlsystem feedback,AIAA-98-43045[R].USA:AIAA,1998.

[5]吴森堂,费玉华.飞行控制系统[M].北京:北京航空航天大学出版社,2005.

失速保护系统迎角零向跳变研究篇3

飞机机动迎角过大或遇到紊流的情况下, 流过机翼表面的气流出现分离, 导致飞机出现失速现象, 严重失速将导致机毁人亡。为满足飞机适航要求, 必须对飞机进行失速保护。失速保护系统必须工作正常, 才能对飞机提供有效保护, 如果失速保护系统出现故障, 如迎角传感器故障, 可能导致系统丧失失速保护作用, 进而对飞机产生不利的影响。本文对某型飞机失速保护系统的迎角零向跳变故障进行了研究, 利用故障树分析了故障原因。

1 迎角零向跳变现象及影响

某型飞机采用左右对称的失速保护系统配置对飞机提供失速保护。在失速保护系统研发试飞中, 发现在大迎角情况下, 右侧局部迎角接近失速迎角阈值时, 右侧局部迎角出现零向跳变。

飞机迎角达到失速告警迎角后, 继续增大并达到失速迎角时, 失速保护系统将产生推杆指令给推杆保护装置, 使飞机低头增速, 从而改出失速状态。在两侧失速保护系统均发出推杆信号后, 推杆保护装置才能驱动驾驶杆使飞机低头。如果迎角零向跳变出现在两侧均产生推杆信号的过程中, 则推杆告警信号将中断, 导致推杆保护装置暂停工作, 飞机迎角有可能继续增大, 极端情况下, 飞机将进入深失速。

2 迎角跳变故障分析与定位

失速保护计算机将迎角传感器原始角度输出, 经过滤波修正等计算后得到局部迎角, 再通过校线转换得到机身迎角。迎角传感器出现硬件故障或失速保护计算机软件存在缺陷均有可能导致失速保护系统迎角出现跳变, 在对失速保护系统硬件和软件深入分析后, 建立简化故障树图, 如图1所示。

根据故障树简图, 通过排除法对迎角跳变故障进行以下定性分析:

1) 飞机机动

飞行迎角随着飞机机动情况而变化, 剧烈的机动使得采集迎角出现相应剧烈变化。根据图1分析, 迎角出现跳变时, 飞机的侧向加速度和法向加速度比较平稳, 没有瞬间剧烈的机动动作。飞行过程中, 飞行迎角变化是一个连续渐变的过程, 但图1中迎角跳变比较突然, 不符合正常飞行时迎角变化规律, 可以排除飞机机动引起的迎角传感器跳变。

2) 迎角传感器硬件故障

迎角传感器风标测量部分出现机械故障, 如电位计接触不可靠, 或迎角信号数字采集接口存在虚焊等硬件故障, 均有可能引起迎角信号不稳定, 出现跳变现象。经分析, 迎角传感器硬件故障可归为设备故障, 当更换新的迎角传感器后, 故障应该消失;但对风标传感器更换后, 通过转动风标模拟飞行试验时, 故障依然存在, 因此迎角传感器存在硬件故障的可能性被排除。

3) 迎角数据处理缺陷

根据试验数据分析, 局部迎角存在迎角零向跳变现象, 但转换得到的机身迎角并没有相应的跳变。可以判断得到:原始迎角信号从采集前端传输到迎角数据处理模块之间一直是正常的, 至此排除数据处理模块存在软件缺陷的可能性。

4) 输出接口程序缺陷

失速保护系统输出接口程序包含三个通道的数据传输:SPC-1、Cross Side和SPC-2通道。SPC-1通道用于将局部迎角、机身迎角和失速告警等数据输出给机上系统;Cross Side实现左右两套失速保护系统之间的数据传输备份, 提高系统安全性;SPC-2通道主要输出失速推杆信号给推杆保护装置。由迎角零向跳变均在局部迎角快接近失速迎角才出现的试验分析结果, 可以判定失速保护计算机输出接口程序存在一定的缺陷, 如接口程序在处理3个通道的数据传输请求时可能发生了时序紊乱, 从而导致了迎角跳变故障的发生。

3 迎角零向跳变机理

ARINC 429通信总线标准具有很强的抗干扰能力、数据传输效率高等优点, 在民用飞机和军机中得到了广泛应用。

为了提高资源利用率, 输出接口程序通过共享4个8bit寄存器来处理3个通道数据输出请求。当处理SPC-1和Cross Side两个通道数据传输请求时, 采用软件定时方法实现;为了给飞机提供实时失速保护功能, 接口处理程序采用硬件定时中断来处理SPC-2通道数据传输请求。当飞机迎角接近失速保护迎角时, SPC-2通道激活, 并启动硬件定时器每10ms发送一次数据。研究发现, 当出现迎角零向跳变现象时, 接口处理程序在响应硬件定时器中断请求, 正在将SPC-2通道待发送数据写入共享寄存器。当写入完成并启动ARINC 429发送模块将数据传输至429输出总线后, 输出接口处理程序继续响应SPC-1或Cross Side通道被定时器中断打断前未执行完的数据发送请求, 但此时共享寄存器中的数据已经发生变化, SPC-1或Cross Side通道之前写入到寄存器中的数据被SPC-2通道数据覆盖, 数据完整性丢失, 从而导致SPC-1或Cross Side通道局部迎角发生零向跳变。

4 解决方案

在准确捕捉迎角零向跳变机理的基础上, 本文提出了一种基于响应优先的故障解决方案, 即当接口处理程序在响应SPC-1或Cross Side通道请求前, 关闭硬件定时器中断, 响应完SPC-1或Cross Side通道请求后, 再打开硬件定时器中断。经实验室测试, 以及实际试飞验证, 本文提出的解决方案是切实可靠的。

5 结论

本文针对某机型失速保护系统研发工程实践中出现的迎角输出跳变故障, 建立了故障树;依据故障树, 采用排除法, 定位故障原因, 并捕捉故障点;进而提出了一种基于响应优先权的故障解决方案。系统测试和研发试飞结果表明该方案正确可行。本文提出的基于故障树的故障定位及捕捉方法在工程实践中具有一定的参考价值。

参考文献

[1]杨保全.BAe-146型飞机的失速保护系统及其故障[J].民航经济与技术, 1994, 150:46-47.

[2]涂远欣, 郭晓华, 王秋霞.格斗导弹迎角传感器故障解析[J].弹箭与制导学报, 2011, 31 (6) :31-33.

[3]贾雪峰.故障树分析法在门式起重机维修中的应用[J].机电工程技术, 2012, 41 (1) :72-74.

【迎角传感器】推荐阅读：

传感器06-06

生物传感器07-15

液位传感器10-14

无线传感器05-15

传感器节点05-20