本发明属于航空飞行器数据监测领域，特别涉及了一种大气数据估计与状态监测方法。
背景技术：
攻角、侧滑角、真空速是非常重要的大气参数，由此可得到其他大气信息。大气参数表征飞行器的受力、受热情况，是空天飞行器飞行控制系统的指令信息，其测量精度和可靠性直接关系到飞行器控制等系统的正常工作及性能发挥。
随着航空产业的高速发展，应用于航空中的数据系统的安全性、可靠性变得越来越重要。为了航空飞行器的飞行安全，保障攻角和侧滑角的精准测量，在飞行器中需要为攻角和侧滑角配置异常监测系统。
航空飞行器有时需要做大范围高速机动或者在恶劣条件下飞行，因此大气数据系统存在着失效的可能性。出于安全性和可靠性的考虑，航空飞行器必须拥有大气参数异常监测功能。在飞行器中，通常会采用硬件冗余、传感器冗余和表决模块等方式来进行数据异常的监测，从而确保数据信息的准确性。但是考虑到设备价格等因素的影响，需要在一套ins/gnss/ads设备中实现大气数据的异常监测。因此常用的三种异常监测方式无法使用，故需要寻找新的方法实现通用航空飞行器数据异常监测的功能。
技术实现要素：
为了解决上述背景技术提到的技术问题，本发明提出了一种融合导航数据的大气数据估计与状态监测方法。
为了实现上述技术目的，本发明的技术方案为：
一种融合导航数据的大气数据估计与状态监测方法，包括以下步骤：
(1)采集大气数据和惯导数据，分析大气数据与惯导数据之间的关系；
(2)建立虚拟大气数据系统模型，计算融合攻角和融合侧滑角；
(3)当大气数据系统正常工作时，计算出融合攻角与测量攻角之间差值的均值
进一步地，在步骤(1)中，所述大气数据与惯导数据之间的关系如下：
上式中，m为飞行器飞行的马赫数；ts为开尔文温度；vt为飞行器相对于空气的速度，即真空速；
进一步地，在步骤(2)中，基于建立的虚拟大气数据系统模型，考虑到飞行器在做角运动时，受到杆臂效应的影响，机头、右翼和机身上方的速度与飞机质心点的速度不同，得到融合攻角α和融合侧滑角β的计算式：
上式中，
进一步地：
上式中，θ,γ,ψ为姿态角，
进一步地，在步骤(3)中，选用飞行器飞行的多个时段，将融合攻角与测量攻角作差，对数据进行统计，得到均值和均方差统计量；在不同的时段采用不同的异常阈值，设融合攻角与测量攻角差值中的最大值和最小值分别为xmax和xmin，令ε＝max{|xmax|,|xmin|}，则系数
进一步地，在步骤(3)中，δt＝2s。
采用上述技术方案带来的有益效果：
本发明采用融合导航数据的虚拟大气数据系统对大气数据进行了估计和状态的监测，能够及时有效地监测出数据异常，有助于增强航空飞行器的安全性和可靠性。
附图说明
图1是本发明的虚拟大气数据系统框图；
图2是本发明的异常监测算法图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
本发明设计了一种融合导航数据的大气数据估计与状态监测方法，步骤如下：
步骤1：采集大气数据和惯导数据，分析大气数据与惯导数据之间的关系；
步骤2：建立虚拟大气数据系统模型，计算融合攻角和融合侧滑角；
步骤3：当大气数据系统正常工作时，计算出融合攻角与测量攻角之间差值的均值
在本实施例中，在步骤1中，采集的大气数据包括攻角、侧滑角、马赫数和真空速等，采集的惯导数据包括姿态角、姿态角速率和东北天向速度等。
大气数据与惯导数据之间的关系如下：
上式中，m为飞行器飞行的马赫数；ts为开尔文温度；vt为飞行器相对于空气的速度，即真空速；
在本实施例中，在步骤2中，建立的虚拟大气数据系统模型如图1所示。如图2所示，由上一时刻的真空速和地速计算出风速，根据风速短时间不变原理，由此时刻的地速和上一时刻的风速得到此时刻的融合真空速
飞机在做角运动时，由于杆臂效应的影响，机头、右翼和机身上方的速度与飞机质心点的速度不同，所以需要通过下式消除杆臂效应的影响：
上式中，
由于惯性导航系统输出的是地理系下的姿态角速度
在上式的基础上，考虑杆臂效应的影响，得到下式：
通过上式，虚拟大气数据系统的模型已经建立完毕，可以获得更加精确的融合攻角和融合侧滑角。
在本实施例中，在步骤3中，考虑到使用某一时刻的差值做阈值判断会产生误警和漏警的情况，影响大气数据异常监测方法的准确性，采用一段时间内差值的方差进行异常阈值判断。因为系统发生故障后，2s内需要监测出故障，所以将采用2s内差值的方差进行阈值判断。
选用飞行器飞行的多个时段，将融合攻角与测量攻角作差，对数据进行统计，得到均值和均方差统计量；在不同的时段采用不同的异常阈值，设融合攻角与测量攻角差值中的最大值和最小值分别为xmax和xmin，令ε＝max{|xmax|,|xmin|}，则系数
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
1.一种融合导航数据的大气数据估计与状态监测方法，其特征在于，包括以下步骤：
(1)采集大气数据和惯导数据，分析大气数据与惯导数据之间的关系；
(2)建立虚拟大气数据系统模型，计算融合攻角和融合侧滑角；
(3)当大气数据系统正常工作时，计算出融合攻角与测量攻角之间差值的均值
2.根据权利要求1所述融合导航数据的大气数据估计与状态监测方法，其特征在于，在步骤(1)中，所述大气数据与惯导数据之间的关系如下：
上式中，m为飞行器飞行的马赫数；ts为开尔文温度；vt为飞行器相对于空气的速度，即真空速；
3.根据权利要求2所述融合导航数据的大气数据估计与状态监测方法，其特征在于，在步骤(2)中，基于建立的虚拟大气数据系统模型，考虑到飞行器在做角运动时，受到杆臂效应的影响，机头、右翼和机身上方的速度与飞机质心点的速度不同，得到融合攻角α和融合侧滑角β的计算式：
上式中，
4.根据权利要求3所述融合导航数据的大气数据估计与状态监测方法，其特征在于：
上式中，上式中，θ,γ,ψ为姿态角，
5.根据权利要求1所述融合导航数据的大气数据估计与状态监测方法，其特征在于，在步骤(3)中，选用飞行器飞行的多个时段，将融合攻角与测量攻角作差，对数据进行统计，得到均值和均方差统计量；在不同的时段采用不同的异常阈值，设融合攻角与测量攻角差值中的最大值和最小值分别为xmax和xmin，令ε＝max{|xmax|,|xmin|}，则系数
6.根据权利要求1所述融合导航数据的大气数据估计与状态监测方法，其特征在于，在步骤(3)中，δt＝2s。
技术总结