除了数字电传操纵控制技术降低了商用飞机的运营成本之外,NASA 德莱顿飞行研究中心还启动了推进控制飞机 (PCA) 技术的开发,主要目标是在 20 年内将飞机事故率降低 10 倍。PCA 是一种计算机辅助发动机控制系统,当飞机的正常控制面失效时,它可使飞行员安全着陆。PCA 技术于 1995 年首次在客机上成功演示。尽管该技术已经得到验证,但尚未纳入未来的飞机设计中。DFBW 飞行控制系统的进一步扩展是实现能够补偿飞行过程中飞机损坏和故障的功能,例如自动使用发动机推力和其他航空电子设备来补偿严重故障——液压故障、方向舵故障、副翼故障或发动机故障。这种新一代DFBW飞行控制系统被称为智能飞行控制系统(IFCS)。
本文追溯了 Kuechemann 创办《航空航天科学进展》杂志 50 年来远程喷气式运输机的发展历程。本文特别关注跨音速空气动力学。在 Kuechemann 的一生中,人们对跨音速流动和后掠翼设计有了很好的定性理解,但跨音速流动仍然难以定量预测。在过去的 50 年里,随着复杂数值算法的引入和可用计算能力的惊人提升,这种情况已经完全改变,结果是空气动力学设计现在主要通过计算机模拟进行。此外,基于控制理论的气动形状优化的发展使得只需两次模拟就可以设计出具有竞争力的后掠翼,如本文所示。虽然远程喷气式飞机的外观没有太大变化,但信息技术的进步实际上已经通过计算机辅助设计 (CAD)、计算结构力学 (CSM) 和多学科优化 (MDO) 的同步进步改变了整个设计和制造过程。他们还通过采用数字电传操纵和先进的导航技术改变了飞机的运行。& 2011 Elsevier Ltd. 保留所有权利。
摘要:小型飞机类别(例如小型空中运输(SAT)、城市空中交通(UAM)、无人机系统(UAS))、现代航空电子解决方案(例如电传操纵(FBW))和减小的飞机(A/C)尺寸的异质性需要更紧凑、集成、数字化和模块化的空气数据系统(ADS),能够测量来自外部环境的数据。在 Clean Sky 2 计划的框架内资助的 MIDAS 项目旨在通过经过商业应用认证的 ADS 满足这些最新要求。主要支柱在于 COTS 解决方案和分析传感器(专利技术)之间的智能融合,以识别空气动力学角度。识别涉及飞行动态关系和基于神经技术的数据驱动状态观察器,一旦训练完成,它们就是确定性的。由于该项目将首次将分析传感器作为冗余系统的一部分安装在民用飞机上,因此本工作中记录的设计活动特别关注适航认证方面。在此成熟度级别,使用模拟数据,下一阶段将使用真实飞行测试数据。描述了训练和测试方面的数据收集。训练操作旨在激发所有动态模式,而测试操作旨在独立于训练集和所有自动驾驶仪配置验证结果。结果表明,替代解决方案
A320 系列经过不断演变,已形成了四种主要机型:A318、A319、A320 和 A321。这些机型采用通用的机身设计,均采用标准的六排经济舱配置,长度不同,可容纳 107 至 185 个座位。座位尺寸范围与 737NG 系列相似,不过 A321 比 737-900ER 多出五个座位。该机身以乘客舒适度著称,座椅比其 737/757 竞争对手宽 1 英寸。不过,A320 系列的主要特点是:电传操纵 (FBW) 飞行控制系统;通用驾驶舱和单飞行员等级;以及在两种或多种机型中使用通用的发动机类型和可旋转部件。这些特点提供了高度的通用性,从而降低了与机组人员和维护相关的运营成本。FBW 飞行控制系统和通用驾驶舱不仅允许四种机型之间的单一类型评级,而且还允许与具有 FBW 系统和相同或类似驾驶舱的其他空客机型进行跨机组资格认证。这些技术特点和广泛的
自 31 年前推出空客电传操纵飞机以来,仅发生过 2 起 AOA 保护不当启动事件。第一次发生在 2012 年 11 月,当时一架 A330 飞机引入了锥形 AOA 盖板。事件发生后,所有锥形板均立即被拆除,并重新安装原始的平面盖板设计类型。第二起事件发生在 2 年后,一架配备初始 AOA 平面盖板设计的 A321 飞机上。这是此配置下唯一一次 AOA 保护不当启动的案例,该配置已累计超过 3 亿飞行小时。然而,当时已发布了 A320 系列的 OEB48 和 A330/A340 系列的 OEB49,以涵盖在多个 AOA 阻塞持续处于高值的情况下 AOA 保护不当启动的风险。这些 OEB 要求机组人员只保持一个 ADR 开启,并关闭其他两个 ADR。这迫使恢复备用规则,这将禁用飞行包线保护,从而防止不适当激活大迎角保护。
这是一本关于计算机在飞机上的应用的书。它主要面向具有计算机科学背景并希望了解更多有关此计算机相关应用领域的人士。对于希望了解该领域其他学科的新手,它也可能很有用,以便了解与之相关的思想和词汇。本书适合航空电子系统专业本科最后一年的课程或研究生一年级的课程,或作为进入航空电子领域的工程师的参考书。术语“航空电子”是航空电子的缩写,数字航空电子是航空电子领域中涉及数字(通常是计算机化)技术的部分。这是一个重要的领域,因为现代飞机广泛使用数字航空电子设备进行各种应用。例如,现代自动驾驶仪是非常先进的设备,能够大大减少飞行员的工作量。除少数例外,自动驾驶仪完全计算机化。实际上,大多数驾驶舱功能都是计算机化的。这是近年来发生的转变的结果,其中较旧的机电技术已被计算机时代的技术所取代。飞机驾驶舱中的显示器过去主要是机械表盘和机械图形。这些机械系统正在被所谓的玻璃驾驶舱迅速取代,其中的显示器显示在与个人计算机上的显示器类似的显示器上。计算机技术的影响不仅限于驾驶舱显示器;航空电子学一词也适用于飞机结构中的计算机使用。在老式飞机中,发动机和控制面(例如襟翼和方向舵)的控制是通过机械和液压连接实现的。所有不同机械元件的建造成本、维护成本和运行重量使它们成为用数字技术替代的目标,这导致了电传操纵控制的引入。电传操纵通常是指通过数字数据总线传输控制信号与飞机结构内的计算机使用这些信号来调整控制面和发动机设置的组合。随着飞机成为飞行计算机系统,航空电子设备在其开发和生产中发挥着越来越重要的作用。所有这些工程师不可能都熟悉系统的复杂目标和操作原理。航空电子系统的构建需要来自各种学科的大型工程师团队,包括计算机工程和软件工程。不过,如果他们都大致了解航空电子系统的用途及其工作原理,那将大有裨益。正是考虑到这一点,编辑和作者编写了这本书。我们将本书分为三个部分。第一部分提供有关飞机和空中交通的背景材料,这些材料对于理解本书中讨论的计算系统的要求是必要的。第二部分描述了一系列航空电子组件,讨论了它们的具体要求和
图 1:航空电子结构的简单分解,重点介绍选定的导航系统 航空电子(航空和电子相结合的术语)应用由于其操作环境而具有非常苛刻和严格的要求。飞机航空电子组件的故障可能会立即危及生命。因此,必须密切监控和测量航空电子设备的各个方面,以发现安装和维修缺陷。如图 1 所示,航空电子设备大致分为导航、通信、传感器、显示器和数据记录器等类别。除电传操纵电子控制飞行系统外,上述分类对大多数现代飞机(包括民用和军用飞机)仍然有效。本应用说明的重点是重点介绍罗德与施瓦茨针对航空无线电导航信号的各种测试解决方案。此类信号包括甚高频全向无线电测距 (VOR)、仪表着陆系统 - 下滑道 (ILS-GS)、仪表着陆系统 - 定位器 (ILS-LOC) 和标记信标 (MB)。民用测距设备 (DME) 和军用战术空中导航 (TACAN) 已在应用说明 1GP74 中介绍,因此本文不再深入探讨。讨论了生成和分析测量解决方案;特别是,哪种解决方案最能满足不同航空客户(无论是校准实验室、机场当局、生产还是研发)的需求。
摘要:小型飞机类别(例如小型空中运输(SAT)、城市空中交通(UAM)、无人机系统(UAS))、现代航空电子解决方案(例如电传操纵(FBW))和减小的飞机(A/C)尺寸的异质性需要更紧凑、集成、数字化和模块化的空中数据系统(ADS),该系统能够测量来自外部环境的数据。在 Clean Sky 2 计划的框架内资助的 MIDAS 项目旨在通过经过商业应用认证的 ADS 满足这些最新要求。主要支柱在于 COTS 解决方案和分析传感器(专利技术)之间的智能融合,以识别气动角度。识别涉及飞行动态关系和基于神经技术的数据驱动状态观察器,一旦训练完成,它们就是确定性的。由于该项目将首次将分析传感器作为冗余系统的一部分安装在民用飞机上,因此本工作中记录的设计活动特别关注适航认证方面。在此成熟度级别,使用模拟数据,下一阶段将使用真实飞行测试数据。描述了训练和测试方面的数据收集。训练操作旨在激发所有动态模式,而测试操作旨在独立于训练集和所有自动驾驶仪配置验证结果。结果表明,替代解决方案是可能的,可以大大节省计算工作量和代码行数,但同时也表明,更好的训练策略可能有利于应对新的神经网络架构。
摘要:小型飞机类别(例如小型空中运输(SAT)、城市空中交通(UAM)、无人机系统(UAS))、现代航空电子解决方案(例如电传操纵(FBW))和减小的飞机(A/C)尺寸的异质性需要更紧凑、集成、数字化和模块化的空中数据系统(ADS),该系统能够测量来自外部环境的数据。在 Clean Sky 2 计划的框架内资助的 MIDAS 项目旨在通过经过商业应用认证的 ADS 满足这些最新要求。主要支柱在于 COTS 解决方案和分析传感器(专利技术)之间的智能融合,以识别气动角度。识别涉及飞行动态关系和基于神经技术的数据驱动状态观察器,一旦训练完成,它们就是确定性的。由于该项目将首次将分析传感器作为冗余系统的一部分安装在民用飞机上,因此本工作中记录的设计活动特别关注适航认证方面。在此成熟度级别,使用模拟数据,下一阶段将使用真实飞行测试数据。描述了训练和测试方面的数据收集。训练操作旨在激发所有动态模式,而测试操作旨在独立于训练集和所有自动驾驶仪配置验证结果。结果表明,替代解决方案是可能的,可以大大节省计算工作量和代码行数,但同时也表明,更好的训练策略可能有利于应对新的神经网络架构。
近年来,自主系统迅速扩张,催生出了许多前所未有的新服务和业务。然而,随之而来的是计算上极具挑战性的任务和安全关键应用场景。当今先进的信息物理系统和系统的系统具有巨大的复杂性和异质性,而使用前卫计算架构在系统中采用基于人工智能的自主性,则使这种复杂性和异质性成倍增加。诸如成群的自主机器人车辆之类的设置已经出现,需要采用新颖的智能方法来确保可靠性,而可靠性通常是新产品或新技术进入市场的关键因素。这一成功得益于物联网研究领域正在开发的连接解决方案,该领域也在朝着增强联网智能事物的自主性的方向发展 [1]。人们对可靠性的期望非常广泛,自主系统也多种多样。后者由以下许多杀手级应用驱动: 就资金和最近投入的研究工作而言,汽车领域的自动驾驶汽车是主要应用,包括具有 3 至 5 级自动驾驶 (AD) 的汽车; 具有不同自主程度的飞机,例如采用可靠性关键型“电传操纵”系统; 无人驾驶飞行器(UAV),通常称为无人机,包括固定翼和旋翼(四轴飞行器),