无人机具有提高操作灵活性和降低任务成本的良好能力,我们正在利用固定翼无人机实现的自动航母着陆性能改进。为了展示这种潜力,本文研究了两个关键指标,即基于 F/A-18 大攻角 (HARV) 模型的无人机飞行路径控制性能和降低进近速度。着陆控制架构由自动油门、稳定增强系统、下滑道和进近航迹控制器组成。使用蒙特卡洛模拟在一系列环境不确定性下测试控制模型的性能,包括由风切变、离散和连续阵风以及航母尾流组成的大气湍流。考虑了真实的甲板运动,其中使用了海军研究办公室 (ONR) 发布的海军环境系统表征 (SCONE) 计划下的标准甲板运动时间变化曲线。我们通过数字方式演示了允许成功着陆航母的限制进近条件以及影响其性能的因素。
附录 A – 了解飞机超跑和下冲 简介 ACRP 4-01 项目的目标是调查飞机超跑和下冲事件,以评估跑道安全区提供的保护。了解超跑和下冲事件如何发生对于机场运营商和监管机构识别与运营相关的危险并管理其设施中与此类事件相关的风险至关重要。此外,他们将更好地理解安全区如何提供一定程度的保护,并可能找到替代方案来减轻此类事件的后果。跑道安全区 (RSA) 有助于减轻下冲和超跑事件的后果。它们在跑道周围提供额外的平滑表面,飞机可以利用这些表面停下来或继续着陆。要了解超跑和下冲是如何发生的,有必要了解飞行员在飞行的着陆和起飞阶段使用的程序和可用的资源。此外,有必要了解天气条件、跑道条件和人为错误如何对运营产生负面影响并导致超跑或下冲。着陆 大型运输机的空速和姿态需要调整以适应着陆。空速保持在失速速度以上加上安全裕度,并保持恒定的下降速度。在着陆前,下降速度降低到每分钟几英尺,从而实现轻触地。着陆
Beaver 中包含的 KAP 140 自动驾驶仪系统是一种基于速率的数字自动驾驶仪系统,可提供平稳的性能和仅在更昂贵的自动驾驶仪中发现的增强功能。该系统是霍尼韦尔开发的首款此类系统,将数字技术和可靠性带入轻型飞机驾驶舱。KAP 140 滚转轴功能包括机翼调平器、航向选择和 VOR/LOC 拦截和跟踪。KAP 140 还可以耦合到 GPS 和 RNAV 接收器。滚转速率信息来自转弯协调器。俯仰轴功能包括垂直速度、下滑道和高度保持以及高度预选选项。俯仰信息来自压力传感器和加速度计。KAP 140 自动驾驶系统独立于飞机的人工地平线运行。因此,如果真空系统发生故障,自动驾驶仪将保留侧倾稳定性和所有垂直模式。Beaver 版本中的 KAP 140 功能
飞机于 05:16 1ST(23:46:50 UTC)开始下降进入香港。它对跑道 07L 进行了 ILS 进近。它在 2000 英尺(气压高度)处建立了 ILS(LOC 和 GS)。飞机在 ILS(LOC 和 GS)上建立后,没有观察到与 DFDR 数据的显着偏差。飞机从 1000 英尺无线电高度下降,配置为襟翼 30 着陆,减速板处于准备状态,正在接近跑道 07L。自动驾驶仪在 05:53:47 1ST 时(00:23:47UTC)处于下滑道 (G/S) 和定位器 (LOC) 模式,自动油门接合速度 (SPD) 模式。自动驾驶仪在 5:54:03 1ST 时(00:24:03 UTS)在 843 英尺 RA 处解除,而自动油门保持接合直到接地后,参考着陆速度 (VREF) 记录为 140 节,在进近过程中,计算空速保持在大约 145 节 (VREF+5)。进近过程中下降率保持在平均 800 英尺/分钟。
先进空中机动 (AAM) 飞机需要感知系统,以便在城市、郊区、农村和区域环境中实现精确进近和着陆系统 (PALS)。目前批准用于自动进近和着陆的最先进的方法将难以用于支持 AAM 操作概念。但是,来自其他应用和低 TRL 研究的技术和系统使用视觉、红外、雷达和 GPS 方法为 AAM 飞机进近和着陆提供基线感知和传感要求。本文重点介绍基于视觉的 PAL,以演示闭环基线控制器,同时遵守联邦航空管理局的要求和规定。共面算法确定姿势估计,并将其输入到扩展卡尔曼滤波器中。将 IMU 与视觉相结合,为 GPS 拒绝的环境创建传感器融合导航解决方案。状态估计会导致下滑道和定位器误差计算,这对于设计和推导 AAM PALS 的制导律和控制律至关重要。 IMU 和视觉导航解决方案为 AAM PALS 提供了有希望的模拟结果,更高保真度的模拟将包括计算机图形渲染和特征对应。
本文提出了一种两级数据驱动的数字孪生概念,用于飞机的自主着陆,并给出了一些假设。它具有一个用于模型预测控制的数字孪生实例;以及一个用于流体结构相互作用和飞行动力学的创新实时数字孪生原型。后者的数字孪生基于对高保真、粘性、非线性飞行动力学计算模型的预先设计的下滑道轨迹的线性化;并将其投影到低维近似子空间,以实现实时性能,同时保持准确性。其主要目的是实时预测飞行过程中飞机的状态以及作用于飞机的空气动力和力矩。与基于稳态风洞数据的静态查找表或基于回归的替代模型不同,上述实时数字孪生原型允许模型预测控制的数字孪生实例由真正动态的飞行模型而不是一组不太准确的稳态气动力和力矩数据点来告知。本文详细描述了所提出的两级数字孪生概念的构建及其通过数值模拟的验证。它还报告了其在斯坦福大学现成的无人机在自主模式下的初步飞行验证。
AFIS 模拟飞行仪表系统(新西兰航空公司用来区分‘传统’和‘玻璃’驾驶舱的通用术语) AFDS 自动驾驶仪飞行指引系统 AGL 地平面以上 A/P 自动驾驶仪 APP 自动飞行系统进近模式 AQD 航空质量数据库 ARINC 航空无线电公司 ASA 自动着陆状态信号器 A/T 自动油门 ATC 空中交通管制 CAANZ 新西兰民航局 Capt 机长 类别 CRM 机组资源管理 CDU 控制显示单元 CFIT 可控飞行撞地 CSB 载波加边带 CVR 驾驶舱语音记录器 DDM 调制深度差 DME 测距设备 EADI 电子姿态指示器 EFI 电子飞行仪表 EFIS 电子飞行仪表系统 EGPWS 增强型近地警告系统 EHSI 电子水平状况指示器 ETA 预计到达时间 ETD 预计离场时间 FA Faleolo VOR FAF 最后进近定位点 FAP 最后进近点FCC 飞行控制计算机 FCTM 飞行机组训练手册 FD 飞行指引器 FDR 飞行数据记录器 FMC 飞行管理计算机 FMCS 飞行管理计算机系统 F/O 副驾驶 FOQA 飞行运行质量保证 GPWS 近地警告系统 GP 下滑道(通常参考地面发射器时使用) G/S 下滑道(通常参考飞机仪表、接收器或机组程序时使用)
1. 事实信息.................... ... 1 1.2 人员伤害....................................................................................................................................................................................................................................................................................................................................................................................................9 1.3 飞机损坏....................................................................................................................................................................................................................................................................................................................................................................................................................9 1.4 其他损害。 ................. ... ................. ... ................. ... . ...
(参考编号:IJME686,DOI 编号:10.5750/ijme.v163iA3.803)MP Mathew 1、SN Singh 1、SS Sinha 1 和 R Vijayakumar 2 1 印度理工学院德里分校应用力学系,印度新德里 2 印度理工学院马德拉斯分校海洋工程系,印度钦奈。 关键日期:提交:30/11/20;最终接受:12/08/21;发布日期 16/11/21 摘要 研究航空母舰的外部空气动力学对于确保飞机和飞行员在起飞和恢复过程中的安全至关重要。前进方向的速度不足和下洗流共同作用,使飞机沿下滑道路径产生下沉效应,在海军航空术语中称为“涡流”。这种现象是导致飞行员接近航空母舰时工作量可能增加的主要原因。在公开领域,关于减轻扰流效应的方法和手段的文献很少。与汽车行业的情况不同,汽车行业有通用的“Ahmed 车身”,护卫舰/驱逐舰有简化护卫舰 (SFS),世界各地的研究人员可以通过 CFD 对其进行实验和验证,但目前还没有通用的航空母舰模型来开展 CFD 代码的实验和验证。本研究的目的是定义印度理工学院德里分校开发的通用航空母舰模型 (GAC),并对 GA 进行数值研究
2009 年 2 月 25 日上午,TK1951,一架波音 737-800 被引导至航向道,在 AMS 2000 英尺处以 ILS 方式进近 18R 跑道,距离跑道入口不到 5.5 海里(海里)。这促使机组人员使用垂直速度模式从上方捕捉下滑道(这是必要的,因为在保持在 2000 英尺时需要近距离导航)。当时空中交通管制员的工作量不断增加,进近航段将在 TK1951 之后不久分割。副驾驶(F/O)是一名新聘用的 42 岁飞行员(拥有 4000 小时空军飞行经验),正在接受航线训练,担任飞行员飞行(PF)。已选择开启正确的自动驾驶仪(称为自动驾驶仪 B 或 CMD B),并且正确的飞行控制计算机(称为 FCC B)正在为其提供所有输入。当机组人员选择垂直速度模式并离开 2000 英尺时,737 的自动油门 (A/T) 减速至怠速,这与机组人员的期望(以及他们所知道的)他们对自动化的指令一致。接近新的襟翼设置时,飞机必须同时减速并下降,此时需要怠速功率。在接下来的 70 秒内,自动化系统的表现与机组人员的预期完全一致。然而,自动油门却以一种在这种情况下不正常的模式(所谓的减速闪光模式)自动且隐蔽地减速,但这是由于离开 2000 英尺后左侧雷达高度计 (RA) 和其他飞行参数的错误雷达高度读数触发的。驾驶舱内没有自动油门指示来唯一标记减速闪光模式。RA 异常没有报告给机组人员,驾驶舱内也没有故障标志、警告、灯光或任何其他直接通告。本质上,由于错误的雷达高度计输入,自动油门决定是时候降落了。它不再跟踪选定的速度,也不提供所谓的飞行包线保护。然而,自动驾驶仪仍然