[发明专利]一种模拟飞行员主观评价的飞行品质预测方法

摘要

本发明公开了一种模拟飞行员主观评价的飞行品质预测方法，属于飞行器设计领域。所述方法包括构建飞行品质预测评价对象、建立AOCM模型指标函数，确定AOCM模型参数、采用AOCM模型进行人机闭环时域仿真、将AOCM模型指标函数与飞行员主观评分建立联系，模拟飞行员进行飞行品质主观预测。本发明可以模拟飞行员主观评价进行飞行品质预测；可以在飞行器设计初期使用本方法进行飞行品质预测，使用成本低；本发明使用了自适应最优控制飞行员模型描述飞行员行为，与实际飞行员操纵行为更相符。

主权项

一种模拟飞行员主观评价的飞行品质预测方法，其特征在于：步骤一，构建飞行品质预测评价对象；采用带有延迟环节的飞机动力学增广矩阵构建待评价对象：$\left\{\begin{array}{c}{\stackrel{\&CenterDot;}{x}}_s=A_s{x}_s+B_s{u}_p+E_{s}w\\ y_s=C_s{x}_s+D_s{u}_p\end{array}\right.---\left(1\right)$其中，$A_s=\left[\begin{array}{cc}A& {\mathrm{BC}}_d\\ 0& A_d\end{array}\right],B_s=\left[\begin{array}{c}B\\ B_d\end{array}\right],E_s=\left[\begin{array}{c}E\\ 0\end{array}\right],C_s=\left[\begin{array}{cc}C& {\mathrm{DC}}_d\end{array}\right],D_s=D,x_s=\left[\begin{array}{c}x\\ x_d\end{array}\right],$x_d为带有时间延迟的状态向量，A_d、B_d、C_d分别为带有时间延迟的系数矩阵。A、B、C、D分别为飞机小扰动方程系数矩阵，E为外界扰动系数矩阵，x_s为带有延迟的增广状态向量，为带有延迟的增广状态向量时间导数，x为飞机运动状态向量，w为外界扰动向量，u_p为操纵向量，y_s为带有延迟的增广输出状态向量；步骤二，建立AOCM模型指标函数，确定AOCM模型参数；步骤三，采用AOCM模型进行人机闭环时域仿真；飞行员最优控制操纵量由下式计算得到：${\stackrel{\&CenterDot;}{u}}_p^{*}=-G_p\hat{X}=-\&lsqb;G_n,G_{n1}\&rsqb;\hat{X}=-f^{-1}{\left(B_o\right)}^{T}K\hat{X}---\left(3\right)$其中，是X的估计值，X是带有控制速率的增广状态向量，表达式为X＝[x x_d u_p]^T，G_p为飞行员最优控制反馈增益向量，B_o为带有控制速率的增广操纵系数矩阵，K是由下列Riccati方程确定的唯一解：0＝(A_o)^TK+KA_o+Q_o‑KB_of^‑1(B_o)^TK   (4)其中，A_o为带有控制速率的增广动力学系数矩阵，Q_o为带有控制速率的增广加权矩阵，$Q_o=\left[\begin{array}{cc}{\left(C_s\right)}^T{Q}_y{C}_s& {\left(C_s\right)}^T{Q}_y{D}_s\\ {\left(D_s\right)}^T{Q}_y{C}_s& {\left(D_s\right)}^T{Q}_y{D}_s+r_u\end{array}\right]---\left(5\right)$将(3)式转化为$T_n{\stackrel{\&CenterDot;}{u}}_p^{*}+I_p{\hat{x}}_s+u_p^{*}=0---\left(6\right)$其中，为飞行员最优控制操纵量，为带有延迟的增广状态向量x_s的估计值，I_p即为飞行员最优控制增益，表达式如下：$I_p=G_{n1}^{-1}{G}_n,$其中，G_n是调节器增益向量，是增益向量，采用时变噪声自适应滤波器进行状态估计，首先得到离散状态方程和操纵向量状态方程如下：$u_p^{*}\left(k\right)=-{\mathrm{\&Phi;}}_u{u}_p^{*}(k-1)+B_{udis}{u}_c(k-1)+E_{udis}{v}_u(k-1)---\left(8\right)$其中H、B_dis、D_dis是状态转移矩阵，E_dis是扰动向量离散系数矩阵，w是外界扰动向量，v是观测噪声向量，Ф_u和B_udis是操纵向量状态方程离散系数矩阵，E_udis是操纵噪声离散系数矩阵，v_u是操纵噪声向量，u_c是理想状态飞行员操纵指令，y是飞行员观测向量；公式中的k和k‑1分别表示离散k时刻和k‑1时刻，此时，引入时变噪声估值器如下：$\hat{q}\left(k\right)=\hat{q}(k-1)+d_{k-1}\hat{Q}(k-1)D_{dis}\mathrm{\&epsiv;}\left(k\right)---\left(9\right)$$\hat{Q}\left(k\right)=\hat{Q}\left(k-1\right)+d_{k-1}\hat{Q}\left(k-1\right)D_{dis}\&lsqb;\mathrm{\&epsiv;}\left(k\right){\mathrm{\&epsiv;}}^T\left(k\right)-HP\left(k|k-1\right)H^T-\hat{R}\left(k-1\right)\&rsqb;D_{dis}^T\hat{Q}\left(k-1\right)---\left(10\right)$$\hat{r}\left(k\right)=(1-d_{k-1})\hat{r}(k-1)+d_{k-1}\&lsqb;y\left(k\right)-H{\hat{x}}_s\left(k\right|k-1)-D_{dis}{u}_p\left(k\right)\&rsqb;---\left(11\right)$$\hat{R}\left(k\right)=(1-d_{k-1})\hat{R}(k-1)+d_{k-1}\{\&lsqb;I-HK\left(k\right)\&rsqb;\mathrm{\&epsiv;}\left(k\right){\mathrm{\&epsiv;}}^T\left(k\right)\&times;{\&lsqb;I-HK\left(k\right)\&rsqb;}^T+HP\left(k\right|k)H^T\}---\left(12\right)$其中是k时刻扰动噪声均值估计，是k‑1时刻扰动噪声均值估计，是k时刻扰动噪声协方差估计，是k‑1时刻扰动噪声协方差估计，ε(k)是k时刻新息，P(k|k)是纳入新息后，通过k及之前时刻预报的误差方差阵，P(k|k‑1)是通过k‑1及之前时刻预报的k时刻误差方差阵，是k‑1时刻观察噪声协方差估计，是k时刻观察噪声协方差估计，是k时刻观察噪声均值估计，是k‑1时刻观察噪声均值估计，y(k)是k时刻飞行员观察向量，是通过k‑1及之前时刻对状态向量x_s在k时刻的估计值，K(k)是k时刻滤波增益，d_k‑1是渐进遗忘系数，d_k‑1＝(1‑b)/(1‑b^k)，0<b<1，b为遗忘因子，D(k)是k时刻递推算子，表达式如下：$D\left(k\right)=E_{dis}^T{H}^T{\&lsqb;HP\left(k\right|k-1)H^T+R(k-1)\&rsqb;}^{-1}---\left(13\right)$引入改进的自适应卡尔曼滤波器为：$\mathrm{\&epsiv;}\left(k\right)=y\left(k\right)-H{\hat{x}}_s\left(k\right|k-1)-D_{dis}{u}_p\left(k\right)-\hat{r}(k-1)---\left(16\right)$$K\left(k\right)=P\left(k\right|k-1)H^T\&times;{\&lsqb;HP\left(k\right|k-1)H^T+\hat{R}(k-1)\&rsqb;}^{-1}---\left(17\right)$P(k|k)＝[I_n‑K(k)H]P(k|k‑1)  (18)${\hat{x}}_s\left(k\right|k)={\hat{x}}_s\left(k\right|k-1)+K\left(k\right)\mathrm{\&epsiv;}\left(k\right)---\left(19\right)$其中，是纳入新息后，通过k‑1及之前时刻估计值对状态向量在k‑1时刻的估计值；是纳入新息后，通过k及之前时刻估计值对状态向量在k时刻的估计值；u(k‑1)是k‑1时刻飞行员操纵量；P(k‑1|k‑1)是通过k‑1及之前时刻预报的k‑1时刻误差方差阵,y(k)是观察向量真实值，I_n是n阶单位阵，由此，飞行员操纵向量由(6)式求出；步骤四，将AOCM模型指标函数与飞行员主观评分建立联系，模拟飞行员进行飞行品质主观预测。