CN110612432A - 自主飞行器健康***和方法 - Google Patents

自主飞行器健康***和方法 Download PDF

Info

Publication number
CN110612432A
CN110612432A CN201880030961.3A CN201880030961A CN110612432A CN 110612432 A CN110612432 A CN 110612432A CN 201880030961 A CN201880030961 A CN 201880030961A CN 110612432 A CN110612432 A CN 110612432A
Authority
CN
China
Prior art keywords
aircraft
sensors
flight
processor
primary structure
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201880030961.3A
Other languages
English (en)
Inventor
J·T·查莫贝斯
N·巴尔塔耶夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aurora Flight Sciences Corp
Original Assignee
Aurora Flight Sciences Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Aurora Flight Sciences Corp filed Critical Aurora Flight Sciences Corp
Publication of CN110612432A publication Critical patent/CN110612432A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D45/00—Aircraft indicators or protectors not otherwise provided for
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
    • B64F5/60—Testing or inspecting aircraft components or systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C13/00—Control systems or transmitting systems for actuating flying-control surfaces, lift-increasing flaps, air brakes, or spoilers
    • B64C13/02—Initiating means
    • B64C13/16—Initiating means actuated automatically, e.g. responsive to gust detectors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U20/00—Constructional aspects of UAVs
    • B64U20/60—UAVs characterised by the material
    • B64U20/65—Composite materials
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D45/00—Aircraft indicators or protectors not otherwise provided for
    • B64D2045/0085—Devices for aircraft health monitoring, e.g. monitoring flutter or vibration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U10/00—Type of UAV
    • B64U10/25—Fixed-wing aircraft
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls
    • B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U30/00—Means for producing lift; Empennages; Arrangements thereof
    • B64U30/40—Empennages, e.g. V-tails
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U50/00—Propulsion; Power supply
    • B64U50/10—Propulsion
    • B64U50/13—Propulsion using external fans or propellers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U50/00—Propulsion; Power supply
    • B64U50/10—Propulsion
    • B64U50/19—Propulsion using electrically powered motors

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Transportation (AREA)
  • Chemical & Material Sciences (AREA)
  • Composite Materials (AREA)
  • Materials Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Feedback Control In General (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本公开涉及飞行器和飞行器飞行控制***、方法和设备。一种状况感知飞行器被配置为基于最新信息自主制定飞行中的决策，以在动态状况下执行任务，同时还向维护单位和站点提供原位反馈，以便协调所需和即将到来的维护。

Description

自主飞行器健康***和方法
政府利益的声明
本发明是在政府支持下以由美国空军小企业创新研究(SBIR)计划授予的合同第FA8501-15-C-0026号进行。政府拥有本发明的某些权利。
相关申请的交叉引用
本申请要求于2017年6月15日提交的标题为“Autonomous Aircraft HealthSystems and Methods(自主飞行器健康***和方法)”的美国临时专利申请序列第62/519,989号在35U.S.C.§ll9(e)下的权益，该申请的内容由此以引用方式并入。
技术领域
本公开涉及飞行器和飞行器飞行控制***、方法和设备的领域。
背景技术
许多生物(包括人类)都根据例如疼痛、能量水平、环境等采用反馈来调整其行为。例如，炎热天的跑步者会减速以免过度劳力和疲劳。膝盖酸痛的人会将重量转移到另一只腿上，以减轻膝盖的压力，直至其痊愈。如果意外的障碍物封闭了小径，则远足者将寻找替代路径。
同样有利的是提供一种状况感知飞行器，该飞行器能够使用传感器收集有关其自身及其周围环境的信息以进行智能响应。例如，飞行器可被配置为连续响应实时事件和劣化。因此，需要一种飞行器，其能够感测***异常，从而允许飞行器以其最大潜力运行，并在检测到异常时更自主地依靠健康***来安全地完成任务。
发明内容
本公开针对飞行器和飞行器飞行控制***、方法和设备；更具体地说，针对状况感知飞行器，其被配置为基于最新信息自主做出飞行中的决策，以在动态条件下执行任务，同时还向维护单位和站点提供原位反馈，以便协调所需和即将到来的维护。
根据第一方面，用于飞行器的健康监测***具有飞行控制***、主要结构和推进***，该监测***包括：多个传感器，其被配置为动态地监测主要结构和推进***的一个或多个参数；和处理器，其与飞行控制***、多个传感器和存储装置可操作地耦合，其中处理器被配置为：至少部分地基于一个或多个参数经由处理器生成主要结构的结构模型，其中结构模型反映主要结构的动态结构完整性；至少部分地基于一个或多个参数经由处理器生成推进***的推进器模型，其中推进器模型反映推进***的动态效能状况；至少部分地基于主要结构的动态结构完整性和推进***的动态效能状况，计算自我感知型性飞行器的飞行路径和机动性能；至少部分基于飞行路径和机动性能生成飞行命令；并将飞行命令传送给飞行控制***。
在某些方面中，多个传感器被配置为至少测量推进***的热力学参数和主要结构的机械参数。
在某些方面中，多个传感器包括嵌入在主要结构中的应变传感器或电阻传感器中的至少一个。
在某些方面中，多个传感器包括与推进***集成在一起的温度传感器或压力传感器中的至少一个。
在某些方面中，多个传感器中的至少一个被配置为经由无线发射器或无线收发器与处理器无线通信。
在某些方面中，处理器被配置为响应于多个传感器中的一个或多个在主要结构内检测到的结构变化而动态地生成更新的飞行命令。
在某些方面中，处理器被配置为将用于推进***部件的所计算效能与可用传感器信号进行比较，以便估计推进***部件的健康状态。
在某些方面中，处理器被配置成至少部分地基于扩展卡尔曼滤波器(EKF)理论经由推进器模型估计推进***的健康状态或剩余使用寿命。
根据第二方面，自我感知型飞行器，包括：主要结构；推进***；飞行控制***；多个传感器，其被配置为动态地监测主要结构和推进***的一个或多个参数；处理器，其可操作地与飞行控制***、多个传感器和存储装置耦合；结构子***模块，其被配置为至少部分地基于一个或多个参数生成主要结构的结构模型，其中结构模型反映主要结构的动态结构完整性；推进子***模块，其被配置为至少部分地基于所述一个或多个参数生成推进***的推进器模型，其中推进器模型反映推进***的动态效能状况；和运动计划器模块，其被配置为至少部分基于动态结构完整性和动态效能状况，在自我感知型飞行器的运行期间经由处理器生成飞行命令。
在某些方面中，主要结构包括复合材料，并且多个传感器中的至少一个嵌入复合材料中。
在某些方面中，多个传感器包括嵌入在主要结构中的应变传感器或电阻传感器中的至少一个。
在某些方面中，多个传感器包括与推进***集成在一起的温度传感器或压力传感器中的至少一个。
在某些方面中，结构子***模块、推进子***模块和运动计划器模块经由数据总线彼此通信地耦合并且耦合到飞行控制***。
在某些方面中，数据总线是数据分布服务(DDS)开放标准数据总线。
在某些方面中，数据总线经由一个或多个抽象层与多个传感器可操作地耦合。
在某些方面中，多个传感器中的至少一个被配置为监测自我感知型飞行器的周围环境，并且运动计划器模块生成用于解释周围环境的飞行命令。
在某些方面中，处理器被配置为向远程就位的维护单位提供原位反馈，以协调对自我感知型飞行器的维护。
根据第三方面，用于导航具有飞行控制***、主要结构和推进***的自我感知型飞行器的方法，该方法包括以下步骤：经由与处理器可操作地耦合的一个或多个传感器监测运行过程中主要结构和推进***的一个或多个参数；至少部分地基于一个或多个参数经由处理器生成主要结构的结构模型，其中结构模型反映主要结构的动态结构完整性；至少部分地基于一个或多个参数经由处理器生成推进***的推进器模型，其中推进器模型反映推进***的动态效能状况；至少部分地基于主要结构的动态结构完整性和推进***的动态效能状况，计算自我感知型飞行器的飞行路径和机动性能；至少部分地基于飞行路径和机动性能来生成飞行命令；和将飞行命令传送给飞行控制***。
在某些方面中，方法还包括监测自我感知型飞行器的周围环境的步骤，其中飞行命令解释周围环境。
在某些方面中，方法还包括以下步骤：向远程就位的维护单位提供原位反馈，以协调对自我感知型飞行器的维护。
在某些方面中，飞行控制命令至少包括俯仰命令和飞行速度命令。
附图说明
参考以下说明书和附图，可容易地理解本公开的这些和其他优点，其中：
图1a说明示例性固定翼状况感知飞行器。
图1b说明有利于状况感知飞行器中的自主飞行器健康***的示例飞行器控制***的框图。
图2说明飞行器的剩余强度随时间变化的图，以说明状况感知飞行的益处。
图3说明自主飞行器健康***的示例架构。
图4说明使用机械人操作***(ROS)过渡到数据分布服务(DDS)传输层的示例抽象方法。
图5说明使用自主飞行器健康***情况下具有劣化发动机的飞行器的燃料消耗节省。
图6说明劣化发动机的进气道涡轮温度。
图7说明涡轮风扇发动机的发动机模型示意图。
图8说明推进PHM模块的推进健康状态估计器的示意图。
图9说明示例发动机状态测量结果。
图10说明涡轮风扇发动机的示例劣化估计。
图11说明基于当前飞行器状况的预测与名义上预期预测的曲线图。
图12a至图12c说明有利于设计和有安全保证的机动的结构子***模块的子***。
图13说明运动计划器模块的***架构的示例示意图。
图14说明用于对飞行机动提供调整的示例方法。
图15说明自主飞行器健康***框架的示例实施方式。
具体实施方式
下面将参考附图描述本公开的优选实施例。在下面的描述中，由于公知的功能或构造可在不必要的细节上使本公开不清楚，因此不对其进行详细描述。对于本公开，以下术语和定义应适用。
如本文所利用的，术语“电路”和“电路***”是指物理电子部件(即，硬件)和可配置硬件、由硬件执行和/或以其他方式与硬件相关联的任何软件和/或固件(“代码”)。如本文所使用的，例如，特定处理器和存储器在执行一个或多个代码行的第一集合时可包括第一“电路”，并且在执行一个或多个代码行的第二集合时可包括第二“电路”。
如本文所用，“和/或”意指列表中由“和/或”连接的任何一个或多个项目。例如，“x和/或y”表示三元素集{(x)、(y)、(x，y)}中的任何元素。换句话说，“x和/或y”是指“x和y之一或两者”。作为另一个示例，“x，y和/或z”表示七元素集{(x)、(y)、(z)、(x，y)、(x，z)、(y，z)、(x，y，z)}中的任一元素。换句话说，“x，y和/或z”意指“x，y和z中的一个或多个”。
如本文所用，术语“示例性”意指用作非限制性示例、实例或图示，而术语“比如”和“例如”是列出一个或多个非限制性示例、实例或说明的列表。
如本文中所使用的，当用于修饰或描述一个值(或值的范围)时，词语“约”和“近似”意指合理地接近该值或值的范围。因此，本文描述的实施例不仅限于所列举的值和值的范围，而是应包括合理可行的偏差。
如本文所用，只要电路***或装置包括执行功能的必要硬件和代码(如果有必要)，不管该功能的执行是否被禁用或未被启用(例如，通过用户可配置的设置、出厂调整等)，电路***或装置“可操作”以执行该功能。
如本文所用，术语“航空运载工具”和“飞行器”是指能够飞行的机器(例如飞机、航天器等)，包括但不仅限于，传统跑道飞行器和垂直起降(“VTOL”)飞行器两者，并且还包括有人和无人航空运载工具(“UAV”)两者。VTOL飞行器可包括固定翼飞行器(例如，Harrierjets)、旋翼飞行器(例如，直升机、多旋翼飞行器等)和/或倾斜旋翼/倾斜翼飞行器。
如本文所使用，术语“传送(communicate/communicating)”是指(1)将数据从源传输或以其他方式传达到目的地，和/或(2)将数据传递到通信介质、***、信道、网络、装置、电线、电缆、光纤、电路和/或链路，以传达到目的地。
如本文所用的术语“复合材料”是指包括添加剂材料和基质材料的材料。例如，复合材料可包括纤维添加剂材料(例如，玻璃丝、玻璃纤维(“GF”)、碳纤维(“CF”)、芳族聚酰胺/对芳族聚酰胺合成纤维等)和基质材料(例如，环氧树脂、聚酰亚胺和氧化铝，包括但不限于，热塑性塑料、聚酯树脂、聚碳酸酯热塑性塑料、浇铸树脂、聚合物树脂、丙烯酸、化学树脂)。在某些方面中，复合材料可采用金属诸如铝和钛，以生产纤维金属层压板(FML)和玻璃层压铝增强环氧树脂(GLARE)。此外，复合材料可包括混合复合材料，其是通过将一些补充材料(例如，两种或更多种纤维材料)添加到基础纤维/环氧树脂基质中而实现的。
如本文所使用，术语“数据库”意指相关数据的经组织的主体，而与数据或其经组织的主体的呈现方式无关。例如，相关数据的经组织的主体的形式包括以下中的一个或多个：表、映射、网格、数据包、数据报、帧、文件、电子邮件、消息、文档、报告、列表或以其他任何形式呈现的数据。
如本文所使用的，术语“处理器”意指处理装置、设备、程序、电路、部件、***和子***，无论是以硬件、有形地体现的软件或两者来实现并且无论其是否可编程。本文所使用的术语“处理器”包括但不限于一个或多个计算装置、硬连线电路、信号修改装置和***，用于控制***的装置和机器、中央处理单元、可编程装置和***、可编程门阵列、专用集成电路、片上***、包括分立元件和/或电路的***、状态机、虚拟机、数据处理器、处理设备和前述任意项的组合。处理器可为例如任何类型的通用微处理器或微控制器、数字信号处理(DSP)处理器、专用集成电路(ASIC)。处理器可耦合到存储装置或与之集成。
如本文所使用的，术语“存储装置”是指用于存储信息以供处理器使用的计算机硬件或电路***。存储装置可为任何合适类型的计算机存储器或任何其他类型的电子存储介质，例如，只读存储器(ROM)、随机存取存储器(RAM)、高速缓存存储器、光盘只读存储器(CDROM)、电光存储器、磁光存储器、可编程只读存储器(PROM)、可擦可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM)、计算机可读介质等等。
飞行器的性能会在其整个生命周期内变化，因此可使用各种不同的工具来观察飞行器在其整个使用寿命中不同方面的性能。为此，本文公开自主飞行器健康***，其提供动态(例如，连续、实时或近实时)感知飞行器异常的性能，该性能使飞行器能够自主地调整其操作。例如，更加依赖剩余的健康***来安全地完成任务。自主飞行器健康***为不同的预测和健康管理(PHM)***提供给架构以彼此通信并与飞行器进行通信，以生成飞行器健康的完整图片，从而使飞行器能够以其最大当前性能运行。
与无法连接不同子***以生成与其他***相关的信息的现有PHM***不同，自主飞行器健康***在整个飞行器上采用各种PHM传感器来实现状况感知型载具，该载具可在其当前性能下飞行(例如，基于其当前健康状态)。实际上，相比之下，现有PHM***依赖于多个断开连接的子***。例如，在现有PHM***中，任务计划器将不能根据涡轮机械不同部分的劣化状态来考虑机翼中翼梁的健康情况(或发动机的燃油效率)。除了诊断飞行器的健康状态问题之外，自主健康***还使状况感知飞行器能够在任务期间(即中途任务)适应飞行器和飞行器子***的变化。因此，在保持***安全性的同时，状况感知飞行器可在其当前极限下运行。自主健康***还整合多学科物理型模型和PHM传感器套件，以相对于飞行器结构和推进性能而完全发挥飞行器的飞行环境的功能，这允许优化任务执行和基于状况的维护。
但是，状况感知飞行器可自主做出飞行中的决策，以在动态条件下执行任务，同时还可向维护单位和站点提供原位反馈，以协调所需的和即将到来的维护。飞行中的决策可(尤其)基于关于飞行器的健康状态的最新信息。下文讨论自主飞行器健康***的优势，这些优势说明自主飞行器健康***对意外劣化事件做出反应的性能。
图1a说明具有自主飞行器健康***300的示例状况感知飞行器100的透视图。状况感知飞行器100可为固定翼飞行器，其具有机身102、一个或多个推进器104、一个或多个翼板106(或其他提升表面)和/或尾翼108(或其他稳定或控制表面)。尽管图1a说明固定翼状况感知飞行器100，但本公开的内容不限于特定的飞行器配置，而可为VTOL飞行器、直升机、多旋翼飞行器等。
状况感知飞行器100的机体和主体面板可使用重量轻、比强度高、耐热、耐疲劳载荷、抗裂和/或耐腐蚀的材料制造。合适的材料包括例如复合材料和金属(例如，铝、钢、钛和金属合金)。状况感知飞行器100的大小和目的可确定所使用的材料的类型。例如，较小到中型的飞行器可仅由复合材料更容易制成，而较大的飞行器可需要金属。例如，部分机体可为金属，而主体面板可由复合材料和/或金属制成。金属配件可进一步用于联接或连结状况感知飞行器100的各种部件(无论是金属还是复合材料)。尽管状况感知飞行器100被示为具有不同于一个或多个机翼板106的机身102，但是可构想其他构造，诸如飞行机翼飞行器。
一个或多个推进器104可采用例如喷气推进(例如，喷气发动机、涡轮风扇发动机等)或螺旋桨驱动(例如，由发动机或电动马达轴向驱动的一个或多个螺旋桨)。在图7中说明合适的涡轮风扇发动机700。尽管状况感知飞行器100被示出为具有单个推进器104，但是应当理解，可提供附加的推进器104。例如，可在机翼板106的每一侧上设置一个或多个推进器104。
在螺旋桨驱动的实施例中，螺旋桨可由发动机或电动马达直接或间接地通过传动装置和相关联的齿轮装置来驱动。一个或多个发动机或电动马达可例如定位在机身102内、在机翼板106上或状况感知飞行器100上的其他位置。在某些方面中，单个电动马达可被配置成通过传动装置或其他齿轮装置配置来驱动多个螺旋桨；但是，如果需要，可为每个螺旋桨提供专用电动马达。推进器104可附接到机翼板106(例如，在肋部处)、机身102等。在使用电动马达的情况下，电动马达可为直流(“DC”)无刷马达，但是可使用其他马达类型以满足特定需求。
一个或多个推进器104可被配置为推动器配置(如图所示)或牵引机配置。在牵引机配置中，推进器104位于机身102的前方(前部)。在运行过程中，可对一个或多个推进器104进行节流(例如，在飞行员或飞行控制***的控制下)以生成沿推进器轴线作用的期望推力。
尾翼108可包括第一尾板和第二尾板，它们可被布置为倒V形配置(即，“∧”形配置)。但是，可调整第一尾板和第二尾板之间的角度。因此，可构想其他配置，包括“T-”、“Pi-”/“π-”、“X-”、“V-”和“∧-”布置。在某些方面中，一个或多个尾板可全部为移动式的和/或安装在机身或机翼上。实际上，尾翼108和机翼板106可装配有传统的空气动力学后缘控制面，例如副翼、弯度变化襟翼等。然而，鉴于本主题公开内容，本领域技术人员应理解，其他配置是可以的。例如，可省略尾翼108，而有利于向前安装的控制和稳定面(例如鸭翼)。状况感知飞行器100可包括情报、监测和侦察(“ISR”)有效载荷110，其可用于收集数据和/或监测区域。ISR有效载荷110可经由万向架***可旋转地并且枢转地联接至例如机身102(或另一种结构部件诸如机翼板106)的下侧表面，以使得ISR有效载荷110能够更容易地定向成监测下方和/或地面上的物体。
图1b说明示例飞行器控制***112的框图，该示例飞行器控制***112在具有自主飞行器健康***300的状况感知飞行器100中促进自主飞行器健康***300。与先前的PHM工作不同，传感器(例如，ISR有效载荷110和PHM传感器126)和处理器(例如，飞行器处理器116)中的许多通常处于现有飞行器上，从而减轻对用于实现自主飞行器健康***300的附加硬件的需求。然后，可在地面站(例如远程计算机130)上提供附加计算和联网硬件，以提供基于模型的故障预测和与物流基础设施的协调。
飞行器控制***112可操作以控制状况感知飞行器100的各种飞行器部件和功能，该飞行器控制***112可通过收集关于其自身及其周围环境的信息(例如，经由PHM传感器126和ISR有效载荷110的阵列)并且智能地响应(例如，经由自主飞行器健康***300)来动态地适应其执行给定任务的方式。实际上，状况感知使得飞行器能够对机载子***的现场变化和周围环境的动态变化做出智能反应。另外，状况感知还允许状况感知飞行器100以其当前最大性能飞行，即使当前性能指示其正常运行的衰减。
如图所说明，状况感知飞行器100包括与至少一个存储装置118、飞行控制***120、无线收发器122和导航***124通信耦合的一个或多个飞行器处理器116。飞行器处理器116可被配置成至少部分地基于指令(例如，软件)和存储到存储装置118(例如，硬盘驱动器、闪存等)的一个或多个数据库来执行一个或多个操作。
飞行器控制***112可包括无线收发器122，其与天线132耦合以在状况感知飞行器100和远程计算机130(例如，空中交通管制员、基站、甚至便携式电子装置，诸如智能手机、平板电脑和膝上型计算机)之间传送数据，和/或与状况感知飞行器100的子***耦合。状况感知飞行器100可通过网络128与远程计算机130传送数据(已处理数据、未处理数据等)。例如，在某些方面中，来自各种机载传感器(例如，PHM传感器126、ISR有效载荷110等)的未处理数据可经由无线收发器122从状况感知飞行器100作为用于远程处理的原始数据被传送。例如，状况感知飞行器100可经由无线收发器122将未处理的数据动态地传送到远程设备130，由此远程设备130可被配置为执行基于模型的故障预测。远程数据处理的优点是可减少状况感知飞行器100上所需的处理资源，从而减少状况感知飞行器100的重量、功耗和成本。在某些方面中，可配置无线收发器122使用一种或多种无线标准进行通信，诸如蓝牙(例如，从2.4到2.485GHz的工业、科学和医学(ISM)波段中的短波、超高频(UHF)无线电波)、近场通信(NFC)、Wi-Fi(例如，电气和电子工程师学会(IEEE)802.11标准)等。远程计算机130可有利于监测和/或控制状况感知飞行器100及其一个或多个有效载荷，包括ISR有效负载110。
飞行器处理器116可以可操作地耦合到飞行控制***(FCS)120，以响应于来自自主飞行器健康***300、操作员、自动驾驶仪、导航***124或其他***的命令(例如，经由无线收发器122)来控制各种致动器(例如，用于控制任何飞行控制面114的运动的那些)和/或推进器104的操作。在某些方面中，飞行器处理器116和飞行控制***120可集成到单个部件或电路***中。在运行时，飞行控制***120可在飞行的各个阶段(例如，起飞、巡航、降落)期间动态且独立地调整飞行控制面114和来自每个推进器104的推力，以控制状况感知飞行器100的速度、滚转、俯仰或偏转。
飞行器处理器116可以可操作地耦合到导航***124，导航***124可包括全球定位***(GPS)124a，全球定位***(GPS)124a与可包括一个或多个陀螺仪和加速度计的惯性导航***(INS)124b和/或惯性测量单元(IMU)124c通信地耦合。GPS 124a给出绝对的无漂移位置值，该值可用于重置INS解或可通过使用数学算法(诸如卡尔曼滤波器)与INS解混合。导航***124可尤其将惯性稳定数据传送给飞行器处理器116。
飞行器处理器116可以可操作地耦合到载具管理***(VMS)134，其可包括一个或多个传感器以生成(或收集)关于飞行器的运行状况信息，诸如位置、速度、环境和其他飞行状况。为此，VMS 134可直接地或经由飞行器处理器116与导航***124可操作地耦合。在某些方面中，VMS 134可与飞行控制***120集成在一起。
如上所述，状况感知飞行器100可进一步配备有ISR有效载荷110以收集数据和/或监测区域。ISR有效负载110可包括例如一个或多个相机110a(例如，用于记录或捕获图像和/或视频的光学仪器，包括光探测和测距(LIDAR)装置)、音频设备110b(例如，麦克风、回声定位传感器等)和其他传感器110c(例如温度传感器)以有利于ISR功能并提供ISR数据(例如照片、视频、音频、传感器测量等)。可将状况感知飞行器100收集的任何视频或其它数据以无线方式动态地传送到地面控制站(例如，远程计算机130)。状况感知飞行器100可进一步被装备成将所述视频和数据存储到机载数据存储装置118。ISR有效载荷110可操作地耦合到飞行器处理器116，以有利于ISR有效载荷110与飞行器处理器116之间的ISR数据的传送。ISR数据可经由无线收发器122通过网络128从状况感知飞行器100动态或周期性地传送到远程计算机130，或者存储到存储装置118以供以后访问或处理。在其他方面中，一个或多个有效载荷可包括作为通信中继器或路由器运行的硬件。例如，状况感知飞行器100可经由机载天线132从远程就位的装置(例如，卫星、通信塔或甚至另一飞行器)接收信号。状况感知飞行器100然后可将来自远程就位的装置的信息中继至靠近状况感知飞行器100的在地面上的最终用户。同样，为了有利于双向通信，状况感知飞行器100可从地面上的最终用户接收信息并将其中继到远程就位的装置。
飞行器处理器116可与分布在整个状况感知飞行器100中的PHM传感器126的阵列可操作地耦合。PHM传感器126可包括例如应变传感器126a、温度传感器126b、电阻传感器126c和其他传感器126d(例如，运动捕获传感器、无线电信标、红外传感器、声学传感器等)。PHM传感器126可包括嵌入在状况感知飞行器100的结构、发动机等中的原位传感器。尽管电线连接在安全性和可靠性方面提供许多优点，但是PHM传感器126的阵列中的一个或多个可配置成与飞行器处理器116无线通信。为此，PHM传感器的阵列126中的某些可设置有收发器(或单向发送器)以与通信地耦合到飞行器处理器116的无线收发器122或另一个收发器(或单向收发器)通信。
自主飞行器健康***300可经由一个或多个处理器(例如，飞行器处理器116)通过多个子***的架构来实现状况感知，其中多个子***与作为推理代理人程序运行的较高级***通信。当新情报和数据(例如，经由来自ISR有效载荷110和PHM传感器126的数据)可用时，自主飞行器健康***300动态地更新其对周围环境的理解。状况感知飞行器100适应内部变量(例如，子***)和外部变量(例如，飞行环境)变化的性能使得自主飞行器健康***300能够调整或重组其日常飞行，以最小化磨损、疲劳和/或环境劣化，这会延长使用寿命并减少维护适航性所需的维护。状况感知飞行器100还可自主地适应其机动以更严重地依赖于健康***以完成任务。实际上，状况感知飞行器100可将原位传感器与机载模型相结合以做出明智决策，其中推理代理人程序经由对飞行机动的原位调整来确定完成任务的最佳动作。自主飞行器健康***300还可用于基于机队能力或要求来优先维护，基于结构和发动机性能实现飞行优化，和以最小要求(例如，基于飞行器的健康状况，用于特定任务的最小燃料量)运行飞行器100。
因此，状况感知飞行器100在确保适航性的同时增加载具寿命并减少维护时间。实际上，状况感知飞行器100可在其最大性能下运行，从而执行超出其传统设计范围的任务。例如，状况感知飞行器100可在不改变状况感知飞行器100的其他特征的情况下以130％的设计效能和400％的更长时间运行。实际上，这可通过用机体的动态健康和性能评定来代替常规耐损坏设计来实现，这可扩展到整个状况感知飞行器100。
图2说明作为时间函数的飞行器剩余强度的图200，以说明状况感知飞行的益处。在状况感知飞行器100的使用寿命中机体的剩余强度(例如，使用复合材料制造的机体)定义效能增强的区域(即区域A)和超出标称设计寿命的延长寿命(即区域B)，标称设计寿命由矩形阴影区域(即区域C)指示。更具体地，最大利益点202表示状况感知飞行器100可运行以承载最大负载量的时间点(例如，当状况感知飞行器100是新的并且因此其剩余强度最大化时)，而基线设计点204表示状况感知飞行器100可常规操作承受极限载荷(例如，由飞行器制造商的规格规定的极限载荷)的最后时间点。使用自主飞行器健康***300，可使用损害感知算法来将状况感知飞行器100的寿命延长超出基线设计点204。可使用损坏感知算法线206表示状况感知飞行器100的延长寿命。
机体维护的现有在役故障预测主要集中在载荷测量方面，将已知周期性载荷与折旧图和疲劳曲线(在金属部件情况下)进行比较，而现有结构健康监测(SHM)和损坏状态感知功能忽略载荷，以利于直接部件监测。然而，自主飞行器健康***300考虑飞行器的健康状态(例如，材料健康状态)和当前(和计划的)负荷，以基于整体飞行器和和任务状况更准确地评定当前(和未来)的安全裕度。另外，自主飞行器健康***300还可采用多模型多保真度不确定性以提供测量与整体不确定性有关的个体源不确定性的方法。实际上，可使用更高保真度的模型来减少最大的不确定性来源，其中可组合结果以提高模型预测的准确性。
自主飞行器健康***300受益于可适应各种飞行器和任务的模块化的与平台无关的传感器套件和软件，从而有利于将开发的技术集成到现场***中。因此，自主飞行器健康***300可采用具有标准接口(诸如数据分布服务(DDS)、未来机载性能环境(FACE)和UAS控制段(UCS)标准)的模块化架构。自主飞行器健康***300可采用标准接口来传送来自自主飞行器健康***300的输出，以及***模块之间的数据交换，以通过数据总线(例如，DDS网络)进行分配。自主飞行器健康***300的架构采用硬件和操作***抽象层以有利于部件重新使用、服务(例如，即插即用)、与平台无关的功能和***部件与其他***之间的互操作性。它还允许将PHM模块326和传感器套件容易地集成到状况感知飞行器100中。
自主飞行器健康***300可结合多学科物理型模型和传感器套件，以使相对于状况感知飞行器100的结构和推进性能而充分发挥状况感知飞行器100的飞行环境的功能，这允许优化状况感知飞行器100的使用。自主飞行器健康***300(其可围绕开放架构开发以允许集成将来的功能/模块)在状况确定、剩余使用寿命(RUL)预测和决策制定方面提供若干协同益处。如可理解的，能够以其最大当前性能运行的飞行器要求了解飞行器的所有子***，和每个子***的性能在飞行器的使用寿命中如何变化。通过使用任务数据将RUL合并到当前方法中，将可以优化运行以便延长寿命(即，最大化RUL)并执行权衡研究，以确定利用状况感知飞行的先进故障预测性能的新型状况感知飞行器100的最佳使用方式。自主飞行器健康***300架构是模块化的，从而允许开发载具专用插件，以便将状况感知性能扩展到多架飞行器。
图3说明用于自主飞行器健康***300的示例架构。架构提供许多优点，包括：(1)开放架构层使得能够通过发布/订阅机制进行有效的数据交换；(2)在这种架构中，很容易替换平台/任务专用模块；(3)允许将不同的传感器套件和PHM模块326集成到***中；并且(4)开放式架构有利于部件的重新使用，实现即插即用服务。状况感知飞行器100经由自主飞行器健康***300进行感测和感觉的性能允许在任务执行和维护调度中的实时更新。
自主飞行器健康***300的架构被设计成使得可在以后的时刻开发和集成用于附加子***的PHM模块314。最初，PHM模块326可包括例如结构子***模块316、推进子***模块318和一个或多个其他子***模块320，以监测和/或估计飞行器部件(即，除机体和推进***之外的那些部件)的健康状况。自主飞行器健康***300能够将来自各种PHM模块326的载具数据与运动计划器模块322的集成，以在飞行期间提供各种功能，包括：实时监测；状态预测；和行动决定。
PHM模块314和运动计划器模块322中的每个可与数据总线302(例如，数据分布服务(DDS)开放标准数据总线)通信地耦合。数据总线302可与其他飞行器***诸如飞行控制***120和VMS 134通信地耦合。来自飞行控制***120和VMS 134的关于位置、速度、环境和状况的飞行器状态的信息与由相应PHM模块314和运动计划器模块322所需的特定传感器信号一起可经由数据总线302分配给PHM模块314，以评估子***健康状态。更新的健康状态效能参数和RUL估计值(其可基于当前可用最大推力和通过结构模型计算的最大负载系数)可传送给运动计划器模块322，其可相应地调整任务路径并传送更新的航路点到飞行控制***120。
自主飞行器健康***300可采用一个或多个抽象层来抽象掉数据总线302的具体内容。例如，各种模块(例如，PHM模块314、运动计划器模块322等)可经由例如操作***抽象层304、硬件抽象层306和硬件/驱动程序层308与飞行器硬件通信地耦合。例如，飞行器硬件可包括例如通信设备310(例如无线收发器122)、飞行器平台312、PHM传感器126等。操作***抽象层304可用于向抽象操作***提供应用程序编程接口(API)，从而使开发用于多个软件或硬件平台的代码更容易和快速。硬件抽象层306可用于仿真平台专用细节，从而通过向飞行器硬件提供标准操作***调用而消除开发与装置无关的高效能应用程序的需要。硬件/驱动程序层308提供操作或控制飞行器硬件所必需或有用的软件。
在操作中，飞行器处理器116与存储到存储装置118的决策制定软件一起可动态地从PHM传感器126接收传感器数据以提供实时监测。PHM传感器126可位于状况感知飞行器100上的机体、推进***和/或各种其他子***上(或嵌入其中)。处理器116通过动态监测实时传感器数据以检测与周围环境信息有关的变化或异常而执行自我评定，周围环境信息可从ISR有效负载110接收。处理器116还可使用实时传感器数据以使用存储到存储装置118的一种或多种预测算法来计算状态预测，该状态预测对各种子***(例如，机体和推进)的当前状态进行预测并以新载具水平状态更新航空电子设备。至少部分地基于状态预测和/或自我评定，传感器116可用于促进实时运动计划和控制(例如，经由运动计划器模块322和飞行控制***120)。例如，处理器116可做出关于状况感知飞行器100的更新运行包线的明智决策，可提供指示一个或多个负责任的子***的信息警报，并且可采取自主行动来优化新运行包线的任务效能。更新信息并将其传送到远程计算机130，以允许管理圈内的人员和维护人员做出明智决策。
开放式架构。自主飞行器健康***300经由其开放式架构而被设计为与平台无关。例如，可针对不同飞行器发动机修改推进模型，或者可使用新平台的主要结构的有限元方法(FEM)。可添加到自主飞行器健康***300的其他模块包括环境或威胁问题。实际上，开放式架构提供许多益处。首先，开放式架构的便携性使得自主飞行器健康***300能够对现有飞行器进行改装(这增加现有飞行器的自主水平)并且可在新飞行器设计中实现。第二，自主飞行器健康***300通过使得能够重复使用现有模块并简化新模块的开发和集成来减少开发时间。第三，自主飞行器健康***300通过实施可拓展、可扩展和可互操作的面向服务的模块来减少未来升级所需的成本和时间而实现较低的升级成本。最后，自主飞行器健康***300通过模块化、可拓展、便携式、可扩展和可互操作的***属性，提供满足当前和未来客户安全和运营需求的解决方案，具有更快的部署速度和更低的拥有成本。
例如，自主健康***300的开放式架构利用模块分区、硬件/软件抽象、功能模块的松耦合和中央标准化数据交换层等概念来创建开放可扩展的开发生态***。创建开放式架构的方法通过必要性(借助开放通信式接口来创建清晰的模块化分解的***部件的必要性)而为开放性的。模块化接口在不同的飞行器之间是便携式的，使得传统和新型平台都可利用自主飞行器健康***300。模块化接口可使用专有或公开可用的消息接发标准。例如，可实现发布-订阅中间件架构以交换数据以提供可互换的模块。在分布式***中，中间件是驻留在操作***和应用程序之间的软件层，以使得***的各个部件能够更轻松地通信和交换数据。中间件通过允许软件开发人员专注于其应用程序的特定用途，而不是专注于在应用程序和***之间传递信息的机制，而简化分布式***的开发。自主健康***300的中间件处理各种类型的数据流，包括：(1)传感器信号；(2)效能数据；(3)健康状态信息；(4)RUL信息；(5)任务计划器数据；和(6)飞行控制***信号。
自主健康***300的中间件允许多台联网计算机之间的无缝交互，其中透明集成的模块在不同处理器/计算机***上运行并且易于从一个***迁移到另一个***。可将模块配置为通过机载有线网络相互交互，其中有线网络上的任何模块都可发布消息并且相同有线网络上的任何模块都可订阅消息。尽管无线网络是可以的，但机上网络的封闭布线***可在飞行器上被以物理方式固定，这提供借助无线网络难以实现的一定水平的安全性和保护。在有线网络中，消息可通过TCP/IP或UDP/IP被未加密地发送。执行的默认检查是消息结构的初始md5sum，这是用于确保各部分就消息布局达成一致的机制。
自主健康***300的开放架构层可采用开源中间件，诸如机器人操作***(ROS)，它可充当主要通信机制，以实现可适应各种飞行器的模块化且与平台无关的***。尽管存在多个开源中间件选项，但是ROS开源中间件提供某些优势。首先，使用已记录的开源软件和详细的在线教程来实现ROS。其次，可在软件运行期间查询由ROS传递的所有消息，使得暴露出模块化部件的行为及其交互，包括任何未记录的消息或子模块。用于回送和记录消息的支持工具支持故障排除，这在由多个不同的协作实体开发的模块化***中很有用。
开源机器人基金会(OSRF)(其为开发和管理ROS的组织)已将对象管理组的数据分布服务(DDS)作为传输层ROS 2.0.8结合进来。DDS还是数据中心型连接的发布-订阅中间件协议和API标准，它为动态和嵌入式***提供安全的通信。DDS可用于配置访问、强制执行数据流路径和即时加密数据。RTI Connext9 DDS软件提供符合DDS安全规范的插件。RTIConnext9 DDS软件还可被配置为(1)提供验证、授权、机密性；(2)保护发现信息、元数据和数据；(3)防止未经授权的访问、篡改和重放；(4)与现有安全性基础设施和硬件加速整合，和(5)确保未修改的现有DDS应用程序。表1总结连接安全性能。
表格1图4说明使用ROS过渡到DDS传输层408的示例抽象方法400。为了保持ROS的界面外观(look and feel)，ROS客户端库404和典型用户都不需要直接访问DDS传输层408。而是，用户空间代码402可通过ROS中间件接口406(例如，指定为接口的API)访问DDS传输层408(例如，RTI Connext 408a、OpenSplice 408b、CoreDX 408c或其他产品408d)。这种布置还从用户提取DDS专用的所有信息。然而，如图4所说明，可为某些用户提供对DDS传输层408的可选直接访问。然而，可将ROS中间件接口406迁移到DDS传输层408，以便符合安全规范。
结构子***模块316。结构子***模块316可被配置为对飞行器的主要结构(例如，机身102、机翼板106等)建模，并使用一个或多个多保真度模型动态估算部件劣化时的新的强度，该强度然后可用于计算结构可安全承受的新的最大负载系数。快速评定结构内的瞬时变化的性能使得自主飞行器健康***300能够原位响应，以适应状况感知载具的当前结构性能。除了对结构内的变化做出反应之外，***还可建立这种变化对结构性能影响的置信水平。
高保真模型捕获结构的详细响应，从而在部件的当前状态中生成最高的置信水平。此高置信水平可最低程度地降低结构性能，从而使结构子***在保持安全性的同时以最大效用运行。然而，高保真模型在计算上是昂贵的，并且可需要超出飞行器上机载可用资源的资源。低保真模型需要最小的计算能力，从而允许模型在飞行器上原位运行和在飞行器上运行，并允许快速估计子***的当前状态。估计的置信度低，因此需要较大的性能减少以确保安全运行。集成多保真算法可最大化飞行器安全性和飞行器实用性，从而快速响应瞬时子***劣化并且随着更详细模型更新劣化的性能而更新子***的性能。
然而，离线/在线范例可用于提供飞行器上从传感器数据映射到性能状态所需要的计算效率，从而允许运动计划器模块322动态地起作用。结构子***模块316使用多保真方法，以在允许在飞行器上计算可行性的成本下利用基于物理模拟的大型集合。离线阶段采用高保真结构分析模型来建立从面板级别到飞行器级别的损坏库。这些损坏库用于构建替代模型，该模型利用损坏库中包含的大量基于物理的信息，同时允许使用车载传感器测量来快速估算结构状态，以支持状况感知载具的动态决策制定。
示例.通过说明和非限制的方式，给出将方法学潜在地扩展到其他机体部件和控制面的劣化对转弯半径的影响的示例。目的是将由于结构劣化而对飞行器控制面(例如，副翼和方向舵)造成的可能限制联系起来。这些飞行器控制面是升力面，并且因此，由于结构损坏而造成的承载极限可减少：(1)控制面的最大偏转，和/或(2)控制面的有效性，这进而与某些相关控制导数的值有关。为了量化这些现象，对于真正倾斜水平转弯，侧滑角β、方向舵偏转δr和副翼偏转δa的稳态值可使用以下等式：
其中ω是转弯角速率，φ是侧倾角，V是空速(假定为常数)，并且b是翼展。矩阵内的元素是通常的稳定性和控制导数。使用关系
其中R是转弯半径，我们可得出以下表达式：
其中
定义
使用上式，可得出δa和R之间的以下关系：
推进PHM模块318。推进子***模块318估计推进***(例如，推进器104)中的各个部件的健康状况。例如，推进子***模块318可在发动机状态下采用小的扰动，直到它们收敛到与来自状况感知飞行器100的传感器读数相匹配的结果为止。推进子***模块318负责估计推进***效能，并且确定其主要部件中是否存在劣化。推进健康状态估计器使用热力循环分析提供效能状况感知和低保真物理型模型，该模型能够在机上实时执行以对各种发动机子***的效能进行建模，从而允许涡轮机械部件和流量通道的劣化。
图5说明使用自主飞行器健康***300的具有劣化发动机的飞行器的燃料消耗节省，而图6说明劣化发动机的进气涡轮温度。模拟是在重达11,240磅，在60,000英尺和以267节巡航的飞行器上建模的。任务范围被指定为1,728海里。模拟仅包括任务的巡航部分，并且在航段开始时引起适度叶片劣化。使用0.94的叶片劣化系数，系数足够小以至于不会触发发动机保护逻辑，但大到足以影响燃油消耗。在图5和图6中示出在巡航段上的多余燃料消耗与由运动计划器模块322计算的原始配平状态504和修改后配平状态502的比较。修改的配平状态502在略低的254.3节的速度下节省22磅燃油，这大约是由于发动机劣化而导致的多余燃油消耗的7.3％。此外，修改的配平状态502产生较低的工作温度，这降低发动机故障的可能性。
图7说明涡轮风扇发动机700的发动机模型示意图。如图所说明，涡轮风扇发动机700通常包括进气道702、叶片704、高压压缩机(HPC)706、燃烧室708、高压涡轮(HPT)710、低压涡轮(LPT)712、混合器714、喷嘴716、旁路718和核心720。虽然控制输入和传感器信号可专用平台，但自主飞行器健康***300的底层运行对于其他类型的推进***(包括活塞发动机***和电动马达推进器)保持基本相同。
可在进气道702、叶片704、HPC 706、HPT 710和LPT 712的每个处确定劣化系数。可在整个涡轮风扇发动机700上提供PHM传感器126的阵列。例如，可在进气道702处提供多个传感器以测量高度(Alt)、速度(MACH)、环境温度(TAMB)和环境压力(PAMB)。为了测量沿着气流路径的温度(T1，T2)和压力(P1，P2)，可(1)在叶片704和HPC 706之间和(2)在HPC 706和燃烧室708之间设置温度和压力传感器。在HPT 710和LPT 712之间可设置附加的温度传感器，以测量涡轮级间温度(ITT)。可在叶片704处设置叶片速度传感器以测量第一叶片速度(NL)，并且在HPT 710处设置叶片速度传感器以测量第二叶片速度(NH)。最后，可设置传感器以监测流向燃烧室708的燃料流量(WF)。
图8说明推进PHM模块318的推进健康状态估计器800的示意图。如图所说明，推进健康状态估计器800包括控制器802、对象(plant)模型804和PHM模型806。推进子***模块318在控制器802处接收输入(例如，来自飞行控制***(FCS)120的油门命令)，来自飞行器的关于环境条件的输入和来自推进器104的传感器信号。例如，燃料流量(WF)和环境条件可用作PHM模型806的控制输入，而结合图7描述的各种传感器信号可作为测量结果提供。
对象模型804评估***的热力学和机械状态，并计算包括推力和燃料消耗在内的效能参数，以有效地充当实际推进***的“数字孪生”。对象模型804将所计算效能与可用传感器信号进行比较，以便估计主要推进***部件的健康状态。对象模型804的输出也可由运动计划器模块322使用来计算飞行路径和机动性能。对于涡轮风扇发动机，例如，对象模型804可基于用于双轴涡轮风扇发动机的布雷登(Brayton)循环分析。可使用涡轮机械特性图对叶片、压缩机和涡轮效能进行建模。可使用涡轮机械部件的绝热效率的劣化系数来对涡轮机械部件的健康状态进行建模，而可使用进气压力恢复的劣化系数来对发动机进气口的健康状态进行建模。
PHM模型806可用于估计健康状态和剩余使用寿命，这可基于扩展卡尔曼滤波器(EKF)理论。PHM模型806可采用传播和校正技术。例如，可通过PHM模型806使用小扰动方法来执行***雅可比矩阵(Jacobians)的评估，其中，模型以围绕其标称状态的小增量递增，并且使用中心差分方案来数值地获得偏导数。PHM模型806通过将传感器信号(例如，来自PHM传感器126的信号)与模型预测值进行比较来估计劣化系数，其中发动机状态由两个卷轴速度表示，并进一步用五个劣化系数来强化。一旦正确估计劣化系数，就可从发动机模型中获得劣化的推力和燃油消耗。图9a和图9b分别说明示例发动机状态测量结果(例如，NH、NL和WF)和劣化估计(例如，进气口、HPT、HPC、LPT和叶片)。
除健康估计器外，推进PHM模块还以确定主要发动机部件的剩余使用寿命的故障预测功能为特征。RUL估计可使用寿命延长分析和故障预测蛙(LEAP)算法来实现，LEAP是用于表征和预测***RUL的故障预测统计方法。LEAP-Frog方法使用回归来解决以下问题：在部件/***开始出现健康问题时，使用大数据集来跟踪总体数据趋势，并使用较小的数据集来快速响应加剧的劣化。LEAP-Frog算法的第一步是使用由EKF算法生成的先前劣化估计来构建线性回归模型，并且然后预测当前时间的劣化。然后将当前时间由LEAP-Frog算法预测的劣化与那时由EKF算法提供的劣化进行比较。如果当前健康状态估计值在LEAP-Frog预测的劣化的三个标准偏差之内，则使用线性回归生成的劣化模型被认为是有效的。如果不是，则减少用于构建线性回归模型的先前估计的劣化点(允许的窗口)的数量并且然后重新开始该过程。所允许窗口的长度是预定义的，并且在处理数据之前由用户指定。将发动机部件的RUL预测和劣化的推力和燃料消耗估算值传送给运动计划器模块322，使得在计划/重新计划任务时可考虑推进***的健康状态。
图11说明基于当前飞行器状况(预测1)相对于名义预期预测(预测2)的预测曲线图。如图所说明，可通过线性回归来估计故障时间，以预测作为当前时间(T0)的函数的长期劣化。如图所说明，基于当前飞行器状况的预测对飞行器过早劣化进行预测，其中预期的故障时间在时间T1和T3之间，其中故障的估计时间为T2。因此，预测故障时间是T0和T2之间的时间。如果线性回归和PHM劣化估计之间的误差大于3个标准偏差，则可使用较小的劣化数据子集来重新定义线性回归趋势。RUL数据可由运动计划器模块322使用，以及用于维护和修理调度。
运动计划器模块322。运动计划器模块322允许快速增量重新计划和/或低级控制调整以优化任务效能。路径计划算法的要求是，所得路径(航路点的顺序)应与飞行器的物理性能(诸如，在安全机体载荷极限下的最小转弯半径)相适应。
运动计划器模块322路径计划***可基于H成本运动计划技术(H-cost motion-planning techniques)，该技术可应用于将由载具动态行为引起的约束合并到基于工作区单元分解的几何路径计划算法中。换句话说，可将载具动力学约束映射到单元分解图中的连续边沿，该连续边沿被搜索以用于路径计划。为了确保航路点的序列可由轨迹计划器导航，可将称为提升曲线图的离散数学模型与有关影响飞行器可操纵性的飞行器性能的信息一起嵌入，该信息可从PHM模块314(例如，结构子***模块316和推进子***模块318)提供的数据中得出。数据可由飞行器处理器116分析以确定状态约束和输入约束以及性能包线(例如，最大可允许G力、最大推力等)。此分析可用于使所提议的路径计划***与PHM算法的内部细节脱钩，从而为高度便携式且独立于平台的自主飞行器健康***300铺平道路。
为了有利于人类操作员与运动计划器之间的接口，***能够以类似于自然语言的格式接受高级任务要求。为了实现这一点，路径计划***可生成满足线性时间逻辑(LTL)中所给出规范的计划。
图12a和图12b说明结构子***模块316的子***，其有利于设计和有安全保证的机动。参考图12a，设计***1204可使用载荷数据1202和允许数据1206来使用常规分析(例如，FEA)来对机翼进行尺寸调整，以生成基线设计点1208。载荷数据1202可包括例如空气动力学稳定性、结构稳定性和结构强度。允许数据1206可指示损坏的设计允许量。如图12b所说明，可根据命令的机动(例如，来自VMS 134)、损坏信息(例如，来自PHM传感器126)和环境数据(例如，来自ISR有效载荷110)诸如温度来确定最大机动。命令的机动用作载具状态模型1216的输入，而损坏信息和环境数据用作材料损坏模型1218的输入。载具状态模型1216将命令的机动1210转换为机体结构响应，其示例在图12c中说明。例如，基于命令的机动，飞行器处理器116可生成数据以准备在作用于机身的不同G力下机身上的应力热图。
材料损坏模型1218可用于基于状态确定飞行器的局部性能。例如，材料损坏模型1218可采用开孔损坏模型，以经由例如Whitney和Nuismer提出的两个应力断裂准则(已知为点压力标准和平均压力标准)来跟踪压缩载荷下开孔复合材料层压体的损坏进程。开孔周围的应力分布可经由以下等式评定：
而缺口强度比可经由以下等式评定：
设计允许量可包括基线设计，其基于开孔压缩(OHC)强度和无缺口压缩强度的峰值条件。机身兼容性模型1220至少部分地基于来自载具状态模型1216和材料损坏模型1218的输出来生成飞行器当前状态下的飞行器最大机动。
使用简化的UAV动力学模型并结合发动机的劣化状况来测试自主飞行器健康***300的各个部件的集成。状态是位置坐标x、y、z，空速v，航向角ψ和飞行路径角γ。输入为迎角α、侧倾角φ(升力矢量在yz平面中的方向)和发动机燃油流量σ。推力T被假定为发动机燃油流量σ和空速v的已知函数。生成的升力为L＝1/2ρv2SCLαα，并且阻力为D＝1/2ρv2S(CD0+KCLα 2α2)。运动方程如下：
自变量从时间t变化到长度参数s，其中v(t)＝ds/dt(t)。目的是以不同的速度曲线跟踪相同的几何轨迹。
注意：
表示：
x′(s)＝cosγ(s)cosψ(s)
y′(s)＝cosγ(s)sinψ(s)
z′＝-sinγ(s)
Tp(σ(s)、(s))和Tdσ(s)、v(s))分别表示由原始发动机和劣化发动机生成的推力。(xr，yr，zr，vr，γr，ψr)表示参考状态轨迹，并且(σr，αr，φr)表示参考输入。必须从参考值(Δv，Δσ，Δα和Δφ)中识别出较小的变化，以响应劣化发动机。
在原始状态下，
在发动机劣化的状况下，必须满足以下等式：
fγ(vr+Δv，σr+Δσ，αr+Δα，φr+Δφ)＝0，
fψ(vr+Δv，σr+Δσ，αr+Δα，φr+Δφ)＝0.。
使用一阶近似值：
注意：
术语Td(σr，vr)-Tp(σr，vr)是在基准燃料流量和空速下劣化发动机和原始发动机生成的推力之差。各种导数如下：
一阶等式(1)-(3)是在四个未知数(即Δv，Δσ，Δα和Δφ)中的三个等式的***。仅考虑纵向稳定性，该等式可简化为三个未知数的三个等式。
上面呈现的方法使得能够估计由飞行速度(V)、燃油名令(σ)和迎角(α)确定的飞行器配平状态，使得在发动机劣化情况下多余燃油消耗最小化。用配平状况周围的线性近似检验运动等式允许估算最小化燃油消耗需要的轻微控制调整(ΔV，Δσ，Δα)。这需要了解作为飞行速度和燃料流量的函数的原始状态和劣化状态下的发动机推力和偏导数。可使用对象模型804获得这些函数。可使用中心差分方案对推力导数进行数值评估。运动计划器模块322所需的其他输入包括飞行器模型808提供的升力和阻力。运动计划器模块322的***架构的示意图如图13所示。
图14说明用于提供对飞行机动的调整的示例方法1400。如图所说明，在1402生成结构的模型。在步骤1404，在运行期间监测飞行器的结构劣化。如果在步骤1404检测到结构的劣化，则在步骤1408基于飞行器当前结构状况为飞行器计算新的结构性能。类似地，在1412生成推进***的模型。在步骤1414在运行期间监测飞行器的推进***的劣化。如果在步骤1414检测到推进***的劣化，则在步骤1408，基于飞行器的推进***的当前状况，针对飞行器计算新的推进性能。在步骤1410，分别经由结构子***模块316和推进子***模块318将新结构性能和新推进性能发布到数据总线302。然后，在步骤1420，运动计划器模块322至少部分基于新结构性能和新推进性能来准备更新的飞行命令。在步骤1422，运动计划器模块322将修改后的飞行命令传送到飞行控制***120。
图15说明自主飞行器健康***框架的示例实施方式1500。如图所说明，自主飞行器健康***框架接收数据输入：原始飞行计划数据1502(例如，来自飞行控制***120)；和结构健康劣化信息1504(例如，来自结构子***模块316)；发动机健康劣化信息1506(例如，来自推进子***模块318)；和任何其他健康劣化信息1508(例如，来自一个或多个其他子***模块320)。
基于健康劣化信息，自主飞行器健康***在步骤1510确定由原始飞行计划数据1502指示的原始飞行计划是否仍然可行。如果确定严重劣化，则自主飞行器健康***确定原始飞行计划不可行，并且在步骤1512可实施增量重新计划(例如，快速增量重新计划算法)。如果确定无劣化或温和劣化(即，小于预定的劣化阈值)，则自主飞行器健康***确定原始飞行计划是可行的并且在存在劣化的情况下在步骤1514实施低水平控制调整。
该水平控制调整的目的是识别小的控制调整(例如，ΔV，Δσ，Δα)，以最小化过量的燃料消耗。使用原始配平状况附近的线性近似，可将劣化***的运动等式写为：
其中vr表示空速、σr表示燃油流量、αr表示迎角、φr表示侧倾角，r表示配平状态，并且d表示劣化状态。
评估偏导数需要了解以下方面的知识：(1)空气动力学性能(载具状态模型)和(2)在原始状态(发动机模型)和劣化状态(健康估计器)中作为燃料流量和空气速度的函数的推力，和参考配平状态下的偏导数。解决劣化***的运动等式还需要以下形式的成本函数：
最优结果的一阶必要条件：
r1Δv+r2Δσ＝0.。
尽管已经针对飞行器和航天器描述了上述内容，但是上述教导可类似地应用于其他载具，包括陆地载具(例如，汽车、卡车、火车等)和水上载具(例如，船、轮船、潜艇等)。以上引用的专利和专利出版物的全部内容通过引用并入本文。尽管已经参考零件、特征等的特定布置描述各种实施例，但是这些并不旨在穷尽所有可能的布置或特征，并且实际上许多其他实施例、修改和变化对于本领域技术人员而言是可确定的。因此，应当理解，因此可以不同于以上具体描述的方式实践本公开。

Claims (21)

1.一种导航具有飞行控制***、主要结构和推进***的自我感知型飞行器的方法，所述方法包括以下步骤：
在操作期间经由与处理器可操作地耦合的一个或多个传感器监测所述主要结构和所述推进***的一个或多个参数；
至少部分地基于所述一个或多个参数经由所述处理器生成所述主要结构的结构模型，其中所述结构模型反映所述主要结构的动态结构完整性；
至少部分地基于所述一个或多个参数经由所述处理器生成所述推进***的推进器模型，其中所述推进器模型反映所述推进***的动态效能状况；
至少部分地基于所述主要结构的所述动态结构完整性和所述推进***的所述动态效能状况，计算所述自我感知型飞行器的飞行路径和机动性能；
至少部分地基于所述飞行路径和机动性能来产生飞行命令；和
将所述飞行命令传送到所述飞行控制***。
2.根据权利要求2所述的方法，还包括以下步骤：监测所述自我感知型飞行器的周围环境，其中所述飞行命令解释周围环境。
3.根据权利要求2所述的方法，还包括以下步骤：向远程就位的维护单位提供原位反馈，以协调对所述自我感知型飞行器的维护。
4.根据权利要求2所述的方法，其中，所述飞行控制命令至少包括俯仰命令和飞行速度命令。
5.一种用于飞行器的健康监测***，所述飞行器具有飞行控制***、主要结构和推进***，所述监测***包括：
多个传感器，被配置为动态地监测所述主要结构和所述推进***的一个或多个参数；和
处理器，与所述飞行控制***、所述多个传感器和存储装置可操作地耦合，其中，所述处理器被配置为：
至少部分地基于所述一个或多个参数经由所述处理器生成所述主要结构的结构模型，其中，所述结构模型反映所述主要结构的动态结构完整性；
至少部分地基于所述一个或多个参数经由所述处理器生成所述推进***的推进器模型，其中，所述推进器模型反映所述推进***的动态效能状况；
至少部分地基于所述主要结构的所述动态结构完整性和所述推进***的所述动态效能状况，计算所述自我感知型飞行器的飞行路径和机动性能；
至少部分基于所述飞行路径和所述机动性能生成飞行命令；和
将所述飞行命令传送到所述飞行控制***。
6.根据权利要求5所述的健康监测***，其中，所述多个传感器被配置为至少测量所述推进***的热力学参数和所述主要结构的机械参数。
7.根据权利要求6所述的健康监测***，其中，所述多个传感器包括嵌入所述主要结构中的应变传感器或电阻传感器中的至少一个。
8.根据权利要求7所述的健康监测***，其中，所述多个传感器包括与所述推进***集成在一起的温度传感器或压力传感器中的至少一个。
9.根据权利要求5所述的健康监测***，其中，所述多个传感器中的至少一个被配置为经由无线发射器或无线收发器与所述处理器无线通信。
10.根据权利要求5所述的健康监测***，其中，所述处理器被配置为响应于由所述多个传感器中的一个或多个在所述主要结构内检测到的结构变化而动态地生成更新的飞行命令。
11.根据权利要求5所述的健康监测***，其中，所述处理器被配置为将针对推进***部件的所计算的效能与可用的传感器信号进行比较，以便估计所述推进***部件的健康状态。
12.根据权利要求5所述的健康监测***，其中，所述处理器被配置为至少部分地基于扩展卡尔曼滤波器(EKF)理论经由所述推进器模型估计所述推进***的健康状态或剩余使用寿命。
13.一种自我感知型飞行器，包括：
主要结构；
推进***；
飞行控制***；
多个传感器，被配置为动态地监测所述主要结构和所述推进***的一个或多个参数；
处理器，与所述飞行控制***、所述多个传感器和存储装置可操作地耦合；
结构子***模块，被配置为至少部分地基于所述一个或多个参数来生成所述主要结构的结构模型，其中，所述结构模型反映所述主要结构的动态结构完整性；
推进子***模块，被配置为至少部分地基于所述一个或多个参数来生成所述推进***的推进器模型，其中，所述推进器模型反映所述推进***的动态效能状况；和
运动计划器模块，被配置为至少部分地基于所述动态结构完整性和所述动态效能状况经由所述处理器在所述自我感知型飞行器的运行期间生成飞行命令。
14.根据权利要求13所述的自我感知型飞行器，其中，所述主要结构包括复合材料，并且所述多个传感器中的所述至少一个嵌入所述复合材料中。
15.根据权利要求13所述的自我感知型飞行器，其中，所述多个传感器包括嵌入所述主要结构中的应变传感器或电阻传感器中的至少一个。
16.根据权利要求14所述的自我感知型觉飞行器，其中，所述多个传感器包括与所述推进***集成在一起的温度传感器或压力传感器中的至少一个。
17.根据权利要求14所述的自我感知型飞行器，其中，所述结构子***模块、推进子***模块和运动计划器模块经由数据总线通信地耦合至彼此并且耦合至所述飞行控制***。
18.根据权利要求14所述的自我感知型飞行器，其中，所述数据总线是数据分布服务(DDS)开放标准数据总线。
19.根据权利要求14所述的自我感知型飞行器，其中，所述数据总线经由一个或多个抽象层与所述多个传感器可操作地耦合。
20.根据权利要求14所述的自我感知型飞行器，其中，所述多个传感器中的所述至少一个被配置为监测所述自我感知型飞行器的周围环境，并且所述运动计划器模块生成用于解释周围环境的所述飞行命令。
21.根据权利要求14所述的自我感知型飞行器，其中，所述处理器被配置为向远程就位的维护单位提供原位反馈，以协调所述自我感知型飞行器的维护。
CN201880030961.3A 2017-06-15 2018-06-14 自主飞行器健康***和方法 Pending CN110612432A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762519989P 2017-06-15 2017-06-15
US62/519,989 2017-06-15
PCT/US2018/037664 WO2018232196A1 (en) 2017-06-15 2018-06-14 Autonomuos aircraft health systems and methods

Publications (1)

Publication Number Publication Date
CN110612432A true CN110612432A (zh) 2019-12-24

Family

ID=64656731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880030961.3A Pending CN110612432A (zh) 2017-06-15 2018-06-14 自主飞行器健康***和方法

Country Status (10)

Country Link
US (1) US20180362190A1 (zh)
EP (1) EP3638980A4 (zh)
JP (1) JP2020523596A (zh)
KR (1) KR20200008550A (zh)
CN (1) CN110612432A (zh)
AU (1) AU2018285555A1 (zh)
CA (1) CA3058203A1 (zh)
IL (1) IL271208A (zh)
RU (1) RU2019129830A (zh)
WO (1) WO2018232196A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111950133A (zh) * 2020-07-24 2020-11-17 华东交通大学 一种基于数字孪生的发动机可靠寿命预测方法
CN113247302A (zh) * 2020-02-10 2021-08-13 沃科波特有限公司 用于监测vtol飞行器的状况的方法及***
CN113468724A (zh) * 2021-06-09 2021-10-01 中国民航大学 一种机场飞机降落引导的数字孪生***仿真方法及装置
CN113955087A (zh) * 2021-12-21 2022-01-21 山东欧龙电子科技有限公司 一种载人飞行器智能飞控***
CN113955131A (zh) * 2021-12-21 2022-01-21 山东欧龙电子科技有限公司 一种载人飞行器健康状态的数据智能监测处理平台
CN114547781A (zh) * 2022-03-04 2022-05-27 无锡豪丽坤自控设备有限公司 一种基于虚拟现实的船用桅杆性能评价方法及***
CN115617024A (zh) * 2022-12-15 2023-01-17 中国航空工业集团公司西安飞机设计研究所 一种基于face架构的机载phm***

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10589871B2 (en) * 2017-09-25 2020-03-17 Hamilton Sundstrand Corporation Prognostic health monitoring and jam detection for use with an aircraft
CN111356640B (zh) * 2017-11-14 2023-09-12 湾流航空航天公司 潜在航空器轨迹风影响计算
US11061414B2 (en) * 2017-12-20 2021-07-13 General Electric Company Fleet mission advisor
US11267555B2 (en) * 2018-01-08 2022-03-08 GEOSAT Aerospace & Technology Methods and unmanned aerial vehicles for longer duration flights
US11048277B1 (en) * 2018-01-24 2021-06-29 Skydio, Inc. Objective-based control of an autonomous unmanned aerial vehicle
JP6803352B2 (ja) * 2018-03-15 2020-12-23 株式会社Ｓｕｂａｒｕ 飛行制限設定システム、飛行制限設定方法及び飛行制限設定プログラム
US20190354644A1 (en) * 2018-05-18 2019-11-21 Honeywell International Inc. Apparatuses and methods for detecting anomalous aircraft behavior using machine learning applications
IT201800006499A1 (it) * 2018-06-20 2019-12-20 Procedimento per la diagnostica di una struttura sottoposta a carichi basato sulla misura di spostamenti, e sistema per l'attuazione di detto procedimento.
US10934010B2 (en) * 2018-08-07 2021-03-02 Rolls-Royce Corporation Distributed control and monitoring system for multiple platforms
US11034459B2 (en) 2018-08-07 2021-06-15 Rolls-Royce Corporation Distributed control and monitoring system for multiple platforms
US11027853B2 (en) 2018-08-07 2021-06-08 Rolls-Royce Corporation Distributed control and monitoring system for multiple platforms
US11361599B2 (en) * 2018-08-23 2022-06-14 Ford Global Technologies, Llc Vehicle damage detection
US11307584B2 (en) 2018-09-04 2022-04-19 Skydio, Inc. Applications and skills for an autonomous unmanned aerial vehicle
JP7121650B2 (ja) * 2018-12-18 2022-08-18 株式会社Subaru 荷重計算装置および航空機
US11396386B2 (en) * 2019-05-20 2022-07-26 The Boeing Company Supporting off-wing maintenance of an engine of an aircraft
RU2724908C1 (ru) * 2019-06-17 2020-06-26 Общество С Ограниченной Ответственностью "Скайлайн" Способ посадки бвс самолетного типа на взлетно-посадочную полосу с использованием оптических приборов различного диапазона
USD899344S1 (en) * 2019-07-22 2020-10-20 Chong Qing Liang Jiang Aircraft Design Institute, Ltd. Unmanned aerial vehicle
US11958183B2 (en) 2019-09-19 2024-04-16 The Research Foundation For The State University Of New York Negotiation-based human-robot collaboration via augmented reality
CN112623264A (zh) * 2019-10-08 2021-04-09 灵翼飞航（天津）科技有限公司 一种无人机机载动态测试***
US11149582B2 (en) * 2019-10-16 2021-10-19 Pratt & Whitney Canada Corp. Health monitoring for multi-channel pressure transducers
CN110703685B (zh) * 2019-11-08 2020-08-04 中国航空制造技术研究院 蒙皮镜像铣削加工刀具轨迹自适应调整方法及装置
CN111159484B (zh) * 2019-12-27 2023-07-28 中国科学院电工研究所 一种用于phm***的板载数据库
US10864996B1 (en) * 2020-02-21 2020-12-15 Husam J. Abdalwahid Apparatus and method of monitoring and securing aircraft
US11948466B2 (en) * 2020-09-28 2024-04-02 Rockwell Collins, Inc. Mission reasoner system and method
US11119485B1 (en) * 2020-10-07 2021-09-14 Accenture Global Solutions Limited Drone operational advisory engine
CN112918700A (zh) * 2021-02-06 2021-06-08 中国工程物理研究院总体工程研究所 一种无人机自动测试方法
KR102334150B1 (ko) * 2021-05-03 2021-12-02 한화시스템 주식회사 항공기 개조에 따른 감항 인증을 분석하는 통합 시스템 및 방법
US11694570B2 (en) 2021-06-16 2023-07-04 Beta Air, Llc Methods and systems for simulated operation of an electric vertical take-off and landing (EVTOL) aircraft
US20230061096A1 (en) * 2021-08-25 2023-03-02 The Boeing Company Component record processing for aircraft maintenance
GB2610200A (en) * 2021-08-25 2023-03-01 Rolls Royce Plc Computer-implemented methods of enabling optimisation of trajectory for a vehicle
US11804138B2 (en) * 2021-11-17 2023-10-31 Beta Air, Llc Systems and methods for automated fleet management for aerial vehicles
CN114925441B (zh) * 2022-01-30 2024-06-07 中国人民解放军空军工程大学 一种机载分布式phm计算建模方法
CN117874928B (zh) * 2024-03-11 2024-05-14 中国民用航空飞行学院 固定翼无人机v型尾翼轻量化设计方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060047403A1 (en) * 2004-08-26 2006-03-02 Volponi Allan J System for gas turbine health monitoring data fusion
US20110245999A1 (en) * 2010-03-30 2011-10-06 Aurora Flight Sciences Corporation Aircraft health monitoring and design for condition
US20140061391A1 (en) * 2010-02-05 2014-03-06 Insitu, Inc. Two-stroke, fuel injected internal combustion engines for unmanned aircraft and associated systems and methods
US20140249694A1 (en) * 2011-06-29 2014-09-04 Geoffrey Paul Cathcart Method of controlling operation of an unmanned aerial vehicle
US20160236794A1 (en) * 2015-02-13 2016-08-18 Bell Helicopter Textron Inc. Self-referencing sensors for aircraft monitoring
WO2017053262A1 (en) * 2015-09-25 2017-03-30 Sikorsky Aircraft Corporation System and method for load-based structural health monitoring of a dynamical system

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5564656A (en) * 1994-08-29 1996-10-15 Gilbert; Raymond D. Segmented spoilers

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060047403A1 (en) * 2004-08-26 2006-03-02 Volponi Allan J System for gas turbine health monitoring data fusion
US20140061391A1 (en) * 2010-02-05 2014-03-06 Insitu, Inc. Two-stroke, fuel injected internal combustion engines for unmanned aircraft and associated systems and methods
US20110245999A1 (en) * 2010-03-30 2011-10-06 Aurora Flight Sciences Corporation Aircraft health monitoring and design for condition
US20140249694A1 (en) * 2011-06-29 2014-09-04 Geoffrey Paul Cathcart Method of controlling operation of an unmanned aerial vehicle
US20160236794A1 (en) * 2015-02-13 2016-08-18 Bell Helicopter Textron Inc. Self-referencing sensors for aircraft monitoring
WO2017053262A1 (en) * 2015-09-25 2017-03-30 Sikorsky Aircraft Corporation System and method for load-based structural health monitoring of a dynamical system

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ALOISI, S: "Strain Measurement in Composite Materials Using Embedded Strain Gauges" *
JEFFREY CHAMBERS: "Real-Time Safety-Assured Autonomous Aircraft" *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113247302A (zh) * 2020-02-10 2021-08-13 沃科波特有限公司 用于监测vtol飞行器的状况的方法及***
CN113247302B (zh) * 2020-02-10 2023-12-01 沃科波特有限公司 用于监测vtol飞行器的状况的方法及***
US11866195B2 (en) 2020-02-10 2024-01-09 Volocopter Gmbh Method and system for monitoring a condition of a VTOL-aircraft
CN111950133A (zh) * 2020-07-24 2020-11-17 华东交通大学 一种基于数字孪生的发动机可靠寿命预测方法
CN111950133B (zh) * 2020-07-24 2022-04-26 华东交通大学 一种基于数字孪生的发动机可靠寿命预测方法
CN113468724A (zh) * 2021-06-09 2021-10-01 中国民航大学 一种机场飞机降落引导的数字孪生***仿真方法及装置
CN113955087A (zh) * 2021-12-21 2022-01-21 山东欧龙电子科技有限公司 一种载人飞行器智能飞控***
CN113955131A (zh) * 2021-12-21 2022-01-21 山东欧龙电子科技有限公司 一种载人飞行器健康状态的数据智能监测处理平台
CN113955087B (zh) * 2021-12-21 2022-06-07 山东欧龙电子科技有限公司 一种载人飞行器智能飞控***
CN114547781A (zh) * 2022-03-04 2022-05-27 无锡豪丽坤自控设备有限公司 一种基于虚拟现实的船用桅杆性能评价方法及***
CN114547781B (zh) * 2022-03-04 2023-08-25 无锡豪丽坤自控设备有限公司 一种基于虚拟现实的船用桅杆性能评价方法及***
CN115617024A (zh) * 2022-12-15 2023-01-17 中国航空工业集团公司西安飞机设计研究所 一种基于face架构的机载phm***

Also Published As

Publication number Publication date
US20180362190A1 (en) 2018-12-20
WO2018232196A1 (en) 2018-12-20
IL271208A (en) 2020-01-30
EP3638980A4 (en) 2021-03-17
JP2020523596A (ja) 2020-08-06
EP3638980A1 (en) 2020-04-22
RU2019129830A (ru) 2021-07-15
AU2018285555A1 (en) 2019-10-31
CA3058203A1 (en) 2018-12-20
KR20200008550A (ko) 2020-01-28

Similar Documents

Publication Publication Date Title
CN110612432A (zh) 自主飞行器健康***和方法
Beard et al. Autonomous vehicle technologies for small fixed-wing UAVs
Meier et al. PIXHAWK: A micro aerial vehicle design for autonomous flight using onboard computer vision
Zhu et al. Design and assessment of octocopter drones with improved aerodynamic efficiency and performance
Sebbane Smart autonomous aircraft: flight control and planning for UAV
Uragun Energy efficiency for unmanned aerial vehicles
Corbetta et al. Real-time uav trajectory prediction for safety monitoring in low-altitude airspace
Casau et al. Hybrid control strategy for the autonomous transition flight of a fixed-wing aircraft
Schierman et al. Runtime assurance for autonomous aerospace systems
Stepanyan et al. Loss-of-control mitigation via predictive cuing
Cotting Evolution of flying qualities analysis: Problems for a new generation of aircraft
Peddle Acceleration based manoeuvre flight control system for unmanned aerial vehicles
Gu et al. Avionics design for a sub-scale fault-tolerant flight control test-bed
Ding et al. The application of extended Kalman filtering to autonomous formation flight of small UAV system
Lu et al. Trajectory generation and tracking control for aggressive tail-sitter flights
Monaco et al. A retrofit architecture for model-based adaptive flight control
Vanek et al. Safety critical platform for mini UAS insertion into the common airspace
Dobrokhodov et al. Flight validation of metrics driven L1 adaptive control
Khamvilai et al. Avionics of aerial robots
Edwards et al. Flight evaluations of sliding mode fault tolerant controllers
Niemiec et al. Multirotor electric aerial vehicle model identification with flight data with corrections to physics-based models
Hu Attitude stability control of UAV gyroscope based on neutral statistics for smart cities
Khattab et al. Fault tolerant control of an octorotor UAV using sliding mode for applications in challenging environments
Giacomo Modeling, Simulation, and Flight Test for Automatic Flight Control of the Condor Hybrid-Electric Remote Piloted Aircraft
Raghappriya et al. Particle filter-based adaptive super-twisting sliding mode fault-tolerant control for helicopter systems

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191224