劉升護 王 鵬 葉 冰
(中國飛行試驗研究院 陜西 西安 710089)
在飛行試驗中,實時監控是保證試飛安全的重要手段。隨著型號任務的增多以及實時監控技術的不斷發展,實時監控在保障試飛安全和提高試飛效率方面發揮的作用也愈加重要。例如,智能化安全監控通過設置試驗參數告警門限值及輔助決策信息,實現對影響試驗機安全的重要參數進行監控,保證在故障發生后能夠及時告警及彈出輔助決策信息供指揮員處置故障。但是,隨著飛行任務的不斷增多,安全監控已經不能滿足型號試飛需求,實現對試驗任務的智能監控是當前面臨的主要問題。
現有的對試驗任務實時監控方式主要是試飛工程師通過人工監測關鍵參數,依據個人知識和經驗進行分析、識別、判斷以及評價試驗點完成情況,存在周期長、效率不高等缺點。由于部分試驗機存在架次多、留空時間長、考核試驗點多等特點,給試飛工程師帶來了巨大的壓力和工作量,嚴重影響了型號試飛進度。因此需要研究一種面向試驗任務的智能化監控技術。本文通過研究試驗機各科目試驗點特征,研究判定試驗點識別的關鍵參數及其變化規律,建立基于試驗點的試驗機試飛知識數據庫[1],設計試飛實時監控試驗點自動識別算法,實現基于試驗點的智能化綜合監控,提升試驗機監控效率,保證型號試飛任務的快速推進。
試驗點作為飛行試驗任務的最小組成單元,明確了試驗機所要完成的任務及要求,是飛行效果評估的主要依據,主要包含科目名稱、動作名稱、試驗目的、測試參數、試飛方法、動作有效性判定、數據分析和處理流程、結果形式等內容。
在飛行試驗準備階段,試飛工程師將本次飛行中涉及到的試驗點一一列出,并制作成試飛任務單。在飛行過程中,飛行員根據試飛任務單中所規定的內容,完成各個試驗點的試驗任務。同時試飛工程師監控大廳實時關注飛機狀態,從各種數據中獲取試驗點執行情況,并根據相關計算方法,快速評價試驗點執行效果,并及時反饋給飛行員,從而有效地提升試飛效率。
人工識別試驗點存在諸多弊端,不能夠精準地識別試驗點的起始與結束,從而給后續試驗點的快速評估帶來了不確定性,特別是某些需要深度計算的試驗點,細微的差別即會產生巨大的計算結果差異,因此需要一種能夠自動識別試驗點的方法。試驗點的識別主要是對試驗點動作狀態及參數的識別,難點在于動作狀態識別。根據試驗點所涉及的動作特點,可將試驗點分為三類[2-4]:
1) 基礎動作:可使用幾個關鍵參數變化特征確定,如平飛、盤旋、爬升等動作。
2) 組合動作:幾個基礎動作依次組合而成,如滑跑起飛、平飛加減速等動作。
3) 復雜動作:過程比較復雜,難以找出固定規律,這類動作主要以隨機任務為導向,飛行員根據具體情況視情而定,如S形機動、回避區等試驗點。
從這三種分類可以看出,基礎動作和組合動作是可量化動作,可根據動作特征,提取關鍵參數及通用的變化規律,有利于試驗點的自動識別;復雜動作由于難以提取通用的變化規律,屬于不可量化試驗點。在實際飛行試驗中,所有試驗點涉及到的基礎動作和組合動作大約占到總試驗點的90%。由于本課題主要目的是減輕試飛工程師工作量,因此主要研究對基礎動作和組合動作的識別。由于組合動作是基礎動作的組合,因此對基礎動作的識別是本文研究的主要內容。
表1給出了某幾個常用的基礎動作,根據歸納、總結,可將這些動作的各個判定條件歸為以下幾類:
1) 在某一時間段內,參數偏差大于或小于給定值;
2) 在某一時間段內,參數值小于或大于給定值;
3) 在某一時間段內,參數偏差幅度小于給定值;
4) 在某一時間段內,參數值呈規律性變化,如逐漸增大或減小;
5) 在某一時間段內,參數為一定值。

表1 部分試驗動作識別條件
根據飛行的實際條件,存在的設計難點是實際飛行動作點條件的不確定性。傳統實時監控主要是對實時參數進行計算,同一參數當前數值和歷史數值沒有關聯。而要識別試驗點就需要將當前數據與歷史數據進行關聯分析,分析這些參數在一段時間內的變化規律。根據分析,總結出以下幾條規則:
1) 偏差不大于(數值);
2) 偏差不小于(數值);
3) 不大于;
4) 不小于;
5) 偏差不大于(百分比);
6) 偏差不小于(百分比);
7) 逐漸增大;
8) 逐漸變小;
9) 等于。
其中,3)、4)、9)可采用瞬時數據進行判斷,其他幾項均需要關聯歷史數據,才能確定是否成立。
在提取試驗點關鍵參數和規律后,需要對這些試驗知識進行有規則的管理,以便在后續試驗點識別與評價中使用。為此專門設計了試驗點知識數據庫,用于存儲試驗點識別與評價的相關知識。因此試驗點識別知識可分成若干條獨立的識別信息,每條信息按照參數名稱、參數符號、約束條件及約束值四個要素描述。表1所示的動作1試驗點的四條識別信息如表2所示。

表2 平飛識別條件
為了能夠在數據庫中存儲,可對這四個要素進行重新整合,整合后的表達方式為:
參數名:高度#表速#偏航角。
參數符號:HP#VI#PH。
限制條件:偏差不大于#偏差不大于#小于。
限制值:25#10#3。
可見重新整合后的表達方式能夠有效節省占用數據庫大小。
此外,對于多個動作組合的試驗點表達方式相對簡單些,如滑跑起飛可表示為“滑跑#起飛”,可清楚地表示出滑跑在前,起飛在后。
試驗點知識庫不僅要包含試驗點知識信息,還需要包含一些用于管理試驗點的其他信息,如任務單、型號、課題、監控參數等。如圖1所示,試驗點知識數據庫主要包括任務單表、型號表、課題表、監控參數表、試驗點表以及用戶表。

圖1 試驗點知識數據庫結構
任務單表用于儲存本次飛行的任務單信息,試飛任務單是試驗機執行任務的依據,規定了試驗機在每一次任務執行過程中的各項要求、限制和試驗點。每個任務單存在唯一的編號,并且對應特定的飛行架次,因此,我們使用試飛任務單作為試驗點知識信息與實時監控軟件的紐帶,和聯系知識數據庫與實時監控軟件的媒介。此外,由于同一型號的試驗機在整個試飛過程中涉及到的試驗點有成百上千個,而一個飛行架次涉及到的試驗點也就十來個,因此每次飛行前需要試飛工程師選擇本次飛行所需要識別的試驗點,以便提高系統效率,減少無效的運算,而試飛任務單能夠很好地實現這一功能。
型號表和課題表主要用于試驗點的管理。監控參數表用于保存該型號飛機所有試驗點所涉及到的所有監控參數,在監控系統中可獲取這些監控參數的數值。
試驗點表主要用于存儲試驗點的相關信息,如型號、機號、限制條件、參數名稱等信息。由于根據試飛工程師的個人經驗,對每個試驗點的識別與評價有著不一樣的識別與評價方法,給系統設計帶來了一定的難度,因此我們經過長時間的收集、討論,形成了標準試驗點。同時為了滿足一些特殊科目的需求,系統允許試飛工程師對標準試驗點進行修改,以生成個人私有試驗點,從而實現試驗點庫的多樣性。
用戶表主要包含用戶名和密碼,用于管理用戶賬戶信息。
系統采用C/S結構,服務器端為試驗點知識數據庫,用于保存試驗機的試驗點信息;客戶端為試驗點知識數據庫管理軟件和智能識別與評估軟件。通過連接知識數據庫,試驗點知識數據庫管理軟件可配置試驗點知識信息,智能識別與評估軟件可獲取試驗機該架次飛行所涉及的試驗點的識別信息和評估信息,并匹配實時數據,實現試驗點的智能識別[5-6]。系統架構如圖2所示。

圖2 系統工作流程
系統按照功能劃分可分為試驗點知識庫管理軟件和智能識別與評估軟件,各子軟件由多個功能模塊組成,系統組成如圖3所示。

圖3 系統組成框圖
試驗點知識庫管理軟件主要完成試驗機的各類數據的管理。包括對試驗機型號、課題、監控參數、識別條件等信息的管理,并使用數據庫存儲,為實時監控階段的試驗點智能識別與評估做好充分準備。該軟件由6個功能模塊組成,各模塊實現的功能如下:
1) 型號管理模塊:將各個試驗機以型號歸類,為后續各個模塊的管理奠定基礎。
2) 課題管理模塊:對各個型號所涉及的課題統一管理,課題信息包括:課題名稱、課題代號、課題開始結束日期、課題所涉及的試驗機等信息。
3) 任務單管理模塊:管理每個飛行架次的電子任務單,在后續試驗點智能識別與評估方面都必須通過加載任務單獲取相關信息。
4) 參數選擇模塊:從飛機遙測參數文件中選取需要監控的參數,該參數為機載采集遙測的原始數據,包含了后續試驗點智能識別與效果評估所需要的所有參數。
5) 識別條件編輯模塊:編輯各個試驗機動作狀態判定所需信息,包括動作名稱、動作設計參數名稱、參數符號、限制條件及限制參數值等。根據每個試驗即動作的識別條件不一致,用戶可自主編輯條件,相同參數可增加多個條件。軟件界面如圖4所示。

圖4 試驗點知識編輯界面
6) 評估模型編輯模塊:通過試驗點模型生成模板(VC動態庫程序)生成評價模型(dll文件),該文件包含了對試驗點動作識別之后的記錄數據進行的所有運算及結果,評估模型編輯模塊實現了對該評價模型及其相關參數的加載,為實時階段的任務評估奠定基礎。
智能識別與評估軟件主要完成實時監控階段試驗點智能識別和對試驗點進行快速評估,軟件界面如圖5所示,右半部分為安全監控模塊,左半部分為智能試驗點識別與評估模塊。

圖5 試驗點自動識別與評價軟件
該軟件由7個功能模塊組成,各模塊實現的功能如下:
1) 試驗點信息加載模塊:通過選擇相應的任務單,獲取本次飛行涉及到的試驗點、試驗信息、識別條件、監控參數及評估條件等。
2) 數據接收模塊:從數據分發軟件獲取本次飛行所要監控的關鍵參數值。
3) 跳點去除模塊:對接收到的實時數據進行有效性判斷、剔除由于遙測信號不好情況下的錯誤數據,為后續智能試驗點的智能識別奠定良好的基礎。
4) 動作手動識別模塊:在手動模式下,試飛工程師采用人為的方式記錄試驗點起始和結束時間。
5) 動作智能識別模塊:通過將實時數據與試驗點識別條件相匹配,智能判定出試驗點執行的起始和結束時間。
6) 數據記錄模塊:記錄識別到的試驗點起始和結束時間段內的數據,并將最終的有效數據備份至數據服務器。
7) 試驗點評估模塊:根據識別到的試驗點時間段及相應的記錄數據,結合數據評估條件,對試驗點的執行情況作出快速評估。
為了便于驗證基于知識識別飛行動作的有效性, 飛行動作識別推理機采用數據驅動策略的正向精確推理,如圖6所示[7-9]。

圖6 試驗點識別流程圖
推理步驟如下:
1) 訪問知識數據庫,獲取試驗點知識,逐幀讀入飛行數據;
2) 推理機對知識庫中的每一條規則進行匹配;
3) 匹配成功,將飛行動作的名稱、完成時間和相關的飛行參數輸出到計算機屏幕,并保存該段時間內的數據。
為確保試驗點的識別準確可靠,設立了一些匹配策略:
1) 連續匹配失敗N(N=采樣率/2)次,則判斷該動作已結束;
2) 遙測信號中斷3秒,則該動作判斷終止;
3) 組合動作之間間隔不超過15秒。
識別過程流程圖如圖7所示。

圖7 試驗點自動識別算法
主要步驟如下:
1) 開啟網絡。
2) 連接知識數據庫,獲取監控參數列表,知識規則。
3) 鏈接客戶端調度軟件(該軟件用于將監控參數列表中的參數以一定次序發送至監控軟件)。
4) 創建數據D[i][j],i為監控參數個數,j為緩存數據長度大小(以接收數據頻率為8 p/s為例,10分鐘內最多可緩存4 800點,即j的最大值為4 800)。
5) 接收實時數據,并保存至D[i][j]。
6)k為需要識別的試驗點序號,RealRiskNumber為需要識別的試驗點個數,k=0。
7) 判斷是否k≥RealRiskNumber。如果成立,則轉到步驟5;如果不成立,則轉到步驟8。
8) 判斷第k個試驗點的所有識別規則是否成立。如果成立,則轉到步驟9;如果不成立,則轉到步驟10。
9) 判斷是否首次觸發,如果成立,則記錄試驗點起始時間StartTime。k++,并跳轉到步驟7。
10) 計算第k個動作執行持續時間StableTime,判斷StableTime是否大于MinStableTime(MinStableTime為動作執行最小時間)。如果成立,則記錄動作起始與結束時間,并保存數據至本地;如果不成立,則丟棄結果。
11)k++,并跳轉到步驟7。
試驗點評估是通過對試驗點執行過程中的數據進行分析,依照試驗點執行標準,評價試驗點執行情況。實時階段的試驗點評估是快速了解試飛效果的重要手段,對提高試驗機試飛效率有著重要的作用。
試驗點的評估主要依靠二次計算和評價模型,傳統評估方式將二次計算和效果評價單獨進行,并且效果評估模式相對固定,如計算參數在均值附近的比例、參數狀態變化等。如果課題提出特殊評估方法,需要重新修改軟件,給系統維護和使用帶來了巨大的麻煩。因此,本系統采用開放式結構,以動態庫的形式實現試驗點二次計算和試驗點評估功能。試驗點評估流程如圖8所示。

圖8 試驗點評估流程
首先需要在任務準備階段編輯試驗點評估模型,該模型采用固定格式,包含各種試驗點評估的常規函數,用戶只需要根據具體情況稍作更改即可完成一個試驗點的評估。通常該模板主要包含以下幾個部分:
1) 輸入函數,用于指定該試驗點評估所需參數、數據源等。
2) 計算函數,用于計算評估試驗點所需要的計算公式。
3) 評估函數,用于實際計算結果與預期結果的比較及可能的比較結果信息;并根據實際需求,設置多級評價標準,評價試驗點執行結果。
4) 輸出函數,用于將關鍵的評估信息輸出至軟件界面及將詳細的評估結果保存在指定位置。
圖9展示了某型直升機懸停科目的對比評價過程,圖10展示了相關的詳細評價結果,該結果文件是根據評估模型生成的,詳細程度取決于評估模型。

圖9 試驗點評估結果

圖10 詳細評價信息
經實際測試,該系統除了在各項功能上滿足要求外,性能也達到了實時監控的要求。表3展示了該系統在某型直升機試飛過程中的部分動作識別效果。為保證測試結果的準確性,剔除了部分由于飛行員個人原因導致飛行動作嚴重變形,經試飛工程師確認沒有實用價值的動作,以及由于遙測信號問題而無法正常識別的動作。

表3 測試結果
從測試結果可以看出,該系統對于基礎動作的識別在99%以上,對組合動作的識別在95%以上。這主要是因為標準試驗點的參數門限相對放得比較寬,對于要求較為嚴格的試驗科目,可在評價函數中設置相應的更為嚴格的評價標準,即評價函數根據實際需求,可設置多級評價標準,以實現對試驗點執行優劣的評價。
本文通過研究試驗機試驗點的特征,總結了試驗機試驗點識別及評價方法,設計了試驗點知識數據管理軟件和試驗點自動識別與評價軟件,實現了基于試驗點自動識別的飛行試驗實時監控技術,顯著提高了型號試飛效率,為后續智能化專家監控系統的實現奠定了堅實的基礎。