针对一种用于尖锥前体飞行器的嵌入式大气数据传感(Flush Air Data Sensing,FADS)系统的解算模型及精度进行研究。针对尖锥外形特征,首先基于钝头体FADS系统的理论模型确定其测压孔配置;然后对确定的测压孔进行典型状态的风洞试验测试,...针对一种用于尖锥前体飞行器的嵌入式大气数据传感(Flush Air Data Sensing,FADS)系统的解算模型及精度进行研究。针对尖锥外形特征,首先基于钝头体FADS系统的理论模型确定其测压孔配置;然后对确定的测压孔进行典型状态的风洞试验测试,并比对了数值计算数据与风洞试验数据;最后基于人工神经网络建模技术构建了FADS系统的网络解算模型及算法。结果表明:针对尖锥外形测压孔配置特征,基于人工神经网络建模技术的算法解算精度较好,迎角、侧滑角、静压、马赫数的网络输出值与试验值吻合较好,输出的测试误差(绝对值)分别小于0.1°、0.1°、50.0 Pa及0.01;同时也证实了人工神经网络算法在FADS系统中有进一步发展的空间。展开更多
为解决一种先进的新型机载传感器——嵌入式大气数据传感器(flush air data sensing,FADS)的故障诊断问题,提出了一种新的方法。基于CFD软件和空气动力学知识获得数据库并建立高精度FADS模型。以系统数学模型为基础,经过严格的公式推导...为解决一种先进的新型机载传感器——嵌入式大气数据传感器(flush air data sensing,FADS)的故障诊断问题,提出了一种新的方法。基于CFD软件和空气动力学知识获得数据库并建立高精度FADS模型。以系统数学模型为基础,经过严格的公式推导得到故障情况下各组信号的分布特点。为了降低虚警率,基于统计学知识设计了告警次数阈值。为了验证新提出方法的有效性,在不同方差的测量噪声情况下分别将所提方法与以往该领域中被广泛采纳的基于奇偶方程和卡方χ2分布的2种传统方法进行了对比与分析。结果表明,与以往FADS系统的故障诊断方法相比,新提出方法具有更高的诊断精度和更强的抗干扰性。展开更多
为了提升一种先进的新型机载传感器——嵌入式大气数据传感器(flush air data sensing,FADS)的测量精度,以正态云模型和多目标规划(multi-objective programming,MOP)为出发点,在原有的“三点法”基础上提出一种新的改进方法。基于CFD...为了提升一种先进的新型机载传感器——嵌入式大气数据传感器(flush air data sensing,FADS)的测量精度,以正态云模型和多目标规划(multi-objective programming,MOP)为出发点,在原有的“三点法”基础上提出一种新的改进方法。基于CFD软件得到的数据库和亚音速及超音速情况下的空气动力学知识建立高精度FADS系统模型,利用正态云模型对测量信号的不确定性和随机性进行量化分析,在对系统冗余信号的融合过程中,基于多目标规划中的松弛变量法和拉格朗日乘子法提出一种新的计算客观权重方法。仿真结果表明,与传统方法相比,新提出的基于云模型和多目标规划的方法可将测量精度提升3.2%,测量数据的离散程度降低68.88%。展开更多
文摘针对一种用于尖锥前体飞行器的嵌入式大气数据传感(Flush Air Data Sensing,FADS)系统的解算模型及精度进行研究。针对尖锥外形特征,首先基于钝头体FADS系统的理论模型确定其测压孔配置;然后对确定的测压孔进行典型状态的风洞试验测试,并比对了数值计算数据与风洞试验数据;最后基于人工神经网络建模技术构建了FADS系统的网络解算模型及算法。结果表明:针对尖锥外形测压孔配置特征,基于人工神经网络建模技术的算法解算精度较好,迎角、侧滑角、静压、马赫数的网络输出值与试验值吻合较好,输出的测试误差(绝对值)分别小于0.1°、0.1°、50.0 Pa及0.01;同时也证实了人工神经网络算法在FADS系统中有进一步发展的空间。
文摘为解决一种先进的新型机载传感器——嵌入式大气数据传感器(flush air data sensing,FADS)的故障诊断问题,提出了一种新的方法。基于CFD软件和空气动力学知识获得数据库并建立高精度FADS模型。以系统数学模型为基础,经过严格的公式推导得到故障情况下各组信号的分布特点。为了降低虚警率,基于统计学知识设计了告警次数阈值。为了验证新提出方法的有效性,在不同方差的测量噪声情况下分别将所提方法与以往该领域中被广泛采纳的基于奇偶方程和卡方χ2分布的2种传统方法进行了对比与分析。结果表明,与以往FADS系统的故障诊断方法相比,新提出方法具有更高的诊断精度和更强的抗干扰性。
文摘为了提升一种先进的新型机载传感器——嵌入式大气数据传感器(flush air data sensing,FADS)的测量精度,以正态云模型和多目标规划(multi-objective programming,MOP)为出发点,在原有的“三点法”基础上提出一种新的改进方法。基于CFD软件得到的数据库和亚音速及超音速情况下的空气动力学知识建立高精度FADS系统模型,利用正态云模型对测量信号的不确定性和随机性进行量化分析,在对系统冗余信号的融合过程中,基于多目标规划中的松弛变量法和拉格朗日乘子法提出一种新的计算客观权重方法。仿真结果表明,与传统方法相比,新提出的基于云模型和多目标规划的方法可将测量精度提升3.2%,测量数据的离散程度降低68.88%。
