人工神經(jīng)網(wǎng)絡(luò)在飛機(jī)下沉速度控制中的應(yīng)用

摘 要：下沉速度是指飛機(jī)著陸接地時刻其重心的垂向速度，它直接關(guān)系到飛機(jī)起落裝置在接地時所受到的載荷大小。在考核飛機(jī)起落架強(qiáng)度、剛度的著陸試驗(yàn)中，國軍標(biāo)對飛機(jī)的下沉速度有具體的要求，但在實(shí)際操作中，由于各種外部因素的干擾，飛行員很難利用現(xiàn)有的手段精準(zhǔn)操縱飛機(jī)達(dá)到標(biāo)準(zhǔn)要求的下沉速度。本文通過合理分析，選取了幾個影響陸基飛機(jī)下降速度的飛行參數(shù)，并將這些參數(shù)的實(shí)測飛行數(shù)據(jù)作為 MATLAB人工神經(jīng)網(wǎng)絡(luò)模型的輸入與輸出，得到了較好的預(yù)測結(jié)果，探索了控制陸基飛機(jī)下沉速度的新思路與新方法。

關(guān)鍵詞：著陸試驗(yàn)； 飛機(jī)下沉速度； 著陸飛行控制方法； 人工神經(jīng)網(wǎng)絡(luò)

中圖分類號：V217+.32 文獻(xiàn)標(biāo)識碼：A DOI：10.19452/j.issn1007-5453.2024.04.012

飛機(jī)的起落裝置是飛機(jī)結(jié)構(gòu)中的易損部件，也是飛機(jī)在著陸階段最關(guān)鍵的飛機(jī)系統(tǒng)之一，在整個飛機(jī)著陸過程中起落裝置主要起到了著陸緩沖和滑跑滑行以及剎車減速等作用，它的性能直接關(guān)系到飛機(jī)與機(jī)組人員的安全，而下沉速度是決定起落架接地所受載荷大小的最核心的重要參數(shù)[1-2]。

飛機(jī)著陸試驗(yàn)是考核軍用飛機(jī)起落裝置的結(jié)構(gòu)強(qiáng)度與剛度是否符合設(shè)計要求的關(guān)鍵試驗(yàn)，在試驗(yàn)中，飛機(jī)要以要求的著陸重量（質(zhì)量）、下沉速度以及姿態(tài)進(jìn)行著陸。《軍用飛機(jī)結(jié)構(gòu)強(qiáng)度規(guī)范第4部分：地面載荷》（GJB 67.4A—2008）[3] 規(guī)定：飛機(jī)在機(jī)體和起落架設(shè)計中飛機(jī)重心最大著陸下沉速度應(yīng)不小于表1中的規(guī)定值。

在陸基飛機(jī)正常使用中，飛行員會盡量控制飛機(jī)以較小的下沉速度著陸，以減輕著陸載荷對飛機(jī)起落架和機(jī)體的沖擊，而軍機(jī)鑒定或民機(jī)審定中的著陸試驗(yàn)則要求飛行員操縱飛機(jī)以較大的下沉速度進(jìn)行著陸，所以飛機(jī)的下沉速度控制的精準(zhǔn)與否，直接關(guān)系到試驗(yàn)的成敗。若下沉速度過小，飛機(jī)未達(dá)到要求的下沉速度，則無法滿足考核起落裝置強(qiáng)度、剛度的目的，造成資源浪費(fèi)；若飛機(jī)過多地超出最大限制使用下沉速度，則會對起落架和機(jī)體造成損壞，甚至造成嚴(yán)重的飛行事故。

雖然飛機(jī)上安裝有基于大氣測量原理的升降速度傳感器，但在著陸階段飛機(jī)附近的大氣流場復(fù)雜，傳感器測得的數(shù)據(jù)誤差較大，所以目前在著陸撞擊試驗(yàn)中，飛行員主要還是依靠目視及飛行經(jīng)驗(yàn)來操縱飛機(jī)盡量地靠近試驗(yàn)要求的下沉速度。在駕駛飛機(jī)著陸的過程中，飛行員會受到許多客觀因素（如能見度、側(cè)風(fēng)、地效等），以及主觀因素（主要是飛行員的心理因素）的影響，因此目前在陸基飛機(jī)著陸試驗(yàn)中，飛行員并不能保證每個架次都能使飛機(jī)達(dá)到試驗(yàn)要求的下沉速度。

對于這一問題，國內(nèi)一些專家學(xué)者也做了相關(guān)的飛行研究。蔣啟登[4]通過研究分析提出了直線下滑接地與平飛飄落接地等著陸操縱技術(shù)，并對多次著陸試驗(yàn)訓(xùn)練的實(shí)測數(shù)據(jù)進(jìn)行研究，總結(jié)了幾種下滑接地形式的飛行試驗(yàn)方法。運(yùn)用該方法在某型陸基飛機(jī)著陸試驗(yàn)中，最大下沉速度達(dá)2.47m/s，滿足相關(guān)要求，從而實(shí)現(xiàn)了該型飛機(jī)著陸沖擊條件下的起落架結(jié)構(gòu)強(qiáng)度考核。汪文君等[5]研究了利用飛機(jī)速度與下沉速度之間的關(guān)系，從而給出間接控制飛機(jī)下沉速度的方法。該方法能使飛行員較為準(zhǔn)確地通過平顯數(shù)據(jù)間接量化判斷下沉速度大小，實(shí)現(xiàn)了讓飛行員控制下沉速度從經(jīng)驗(yàn)到初步量化關(guān)系式的轉(zhuǎn)變，提高了下沉速度的控制精度，降低了試驗(yàn)風(fēng)險。

上述研究從利用屏顯數(shù)據(jù)和實(shí)際操作兩個方面對著陸試驗(yàn)中的下沉速度控制進(jìn)行了一定程度的研究，但仍存在局限性與不足，如對地效側(cè)風(fēng)等的影響只能考慮最簡單的理想情況。本文將在之前的研究基礎(chǔ)上，利用人工神經(jīng)網(wǎng)絡(luò)方法對下沉速度的控制進(jìn)行進(jìn)一步的探索。

1 陸基飛機(jī)著陸階段分析

1.1 飛機(jī)下沉速度影響因素

進(jìn)行對稱著陸的飛機(jī)通常有三種著陸接地方式，分別是平飛飄落接地、直線下滑接地與拉飄接地。三種著陸接地方式軌跡圖如圖1所示[6]。

圖1（a）與圖1（c）為陸基飛機(jī)常用的著陸方式[7]，而圖1（b）多為艦載機(jī)所采用[8]。陸基飛機(jī)正常使用中多采用圖1（c）拉飄接地的方式，使飛機(jī)以較小的下沉速度著陸，減小起落架所受沖擊；而在著陸試驗(yàn)中，多采用圖1（a）平飛飄落接地以使飛機(jī)實(shí)現(xiàn)大下沉速度的著陸[9]。

飛機(jī)平飛飄落接地示意圖如圖2所示。圖2中，飛機(jī)平飛飄落分為三個階段，分別是A點(diǎn)前的下滑階段、平飛階段和飄落接地階段，最后飛機(jī)在B點(diǎn)接地。飛機(jī)經(jīng)過下滑飛行到達(dá)某一高度H，其后飛行員拉平飛機(jī)，目的是減小下滑階段過大的下沉率并調(diào)整飛機(jī)著陸姿態(tài)，飛機(jī)拉平后飛行員對操縱桿進(jìn)行調(diào)整，使飛機(jī)平飛一小段時間，期間飛機(jī)的空速減小，升力隨之減小，飛機(jī)開始飄落，在接地前飛行員進(jìn)行推拉桿操作，使飛機(jī)按照試驗(yàn)要求的著陸姿態(tài)以一定的下沉速度接地。

式中，V為飛機(jī)的速度，γ為飛機(jī)的下滑角且γ=α-θ，α為飛機(jī)的迎角，θ為飛機(jī)的俯仰角。根據(jù)式（1），要控制飛機(jī)的下沉速度則需要控制飛機(jī)的速度V、迎角α以及俯仰角θ，而V、α以及θ又受到多種因素同時影響。

飛行員操控飛機(jī)著陸時，飛機(jī)狀態(tài)變化過程可由圖3所示。由圖3可知，要控制γ和V的變化需要經(jīng)過多個步驟，而每個步驟都可能存在著諸多影響因素，如氣象、地效、飛行員的操縱等。所以即便是經(jīng)驗(yàn)豐富的飛行員，靠現(xiàn)有的手段也難以控制飛機(jī)達(dá)到理想的下沉速度。

但是隨著計算機(jī)技術(shù)的發(fā)展，出現(xiàn)了如人工神經(jīng)網(wǎng)絡(luò)等新型分析建模工具，利用其“ 黑盒子”的特點(diǎn)，無須過多關(guān)注飛機(jī)著陸過程中各參數(shù)之間的聯(lián)系規(guī)律，只需將相關(guān)參數(shù)的實(shí)測數(shù)據(jù)作為輸入輸出模型，進(jìn)行模型的自學(xué)習(xí)，就可以對研究對象做出合理預(yù)測，這就為下沉速度量化控制方面的研究提供了一種新的思路：考慮到著陸試驗(yàn)的目的性與試飛安全性，可選擇在氣象條件較為理想的天氣進(jìn)行著陸試驗(yàn)，則在圖2中從A點(diǎn)到B點(diǎn)的著陸過程，可假設(shè)機(jī)場地面附近無側(cè)風(fēng)，飛機(jī)不會出現(xiàn)側(cè)滑或者滾轉(zhuǎn)，且飛機(jī)油門保持慢車狀態(tài)，飛行員的操作僅有飛機(jī)的俯仰操縱量，那么可考慮將飛行員的俯仰操縱量作為模型輸出量，將飛機(jī)的下沉率和與下沉率相關(guān)的飛行參數(shù)作為神經(jīng)網(wǎng)絡(luò)模型的輸入量，如此模型訓(xùn)練結(jié)束后進(jìn)行預(yù)測得到的便是飛行員的直接操縱量，經(jīng)過必要的處理后可以用于指導(dǎo)飛行員的操作，從而達(dá)到控制下沉速度的目的。

圖4為某一典型的平飛飄落飛行架次中，飛機(jī)接地前10s飛行員俯仰操縱量、飛機(jī)高度以及飛機(jī)下沉速度的變化趨勢圖。

由圖4可知，在5s前飛行員的駕駛桿基本保持不變，對應(yīng)的下沉速度較為穩(wěn)定，飛機(jī)的軌跡保持直線下滑；5～7s飛行員拉桿，對應(yīng)下沉速度開始減小，飛機(jī)從下滑狀態(tài)逐漸改為平飛；7～8.5s飛行員推桿，飛機(jī)下沉速度從減小變?yōu)楸３制椒€(wěn)，繼而又開始增大，飛機(jī)飄落。

從分析可知，飛行員的俯仰操縱對飛機(jī)下沉速度的影響確實(shí)存在一定可循的規(guī)律，這也一定程度上印證了利用人工神經(jīng)網(wǎng)絡(luò)來指導(dǎo)飛行員的操作是可行的。

1.2 與下沉速度相關(guān)的飛行參數(shù)選取

通過上文分析，對于人工神經(jīng)網(wǎng)絡(luò)的輸入量，需選擇與飛機(jī)下沉率相關(guān)的飛行參數(shù)，對于剛體飛機(jī)，著陸過程應(yīng)滿足一般情況下的剛體飛機(jī)運(yùn)動學(xué)方程[10]

2 MATLAB神經(jīng)網(wǎng)絡(luò)工具在下沉速度控制中的應(yīng)用

2.1 神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用思路

在MATLAB神經(jīng)網(wǎng)絡(luò)模塊里選取適合本研究的模型，選取某機(jī)型的著陸階段飛行數(shù)據(jù)，將著陸過程中飛行員的俯仰操縱量de作為模型的輸出，下降速度與其余參數(shù)作為模型的輸入，訓(xùn)練該模型。再選取同一機(jī)型不同架次同一飛行階段的其他數(shù)據(jù)，使用訓(xùn)練好的模型進(jìn)行預(yù)測。將模型預(yù)測的操縱量與真實(shí)飛行數(shù)據(jù)中實(shí)測的操縱量相比較，若方差能落在一定的區(qū)間內(nèi)，則認(rèn)為該模型可以在一定程度上對飛行員著陸操縱具有指導(dǎo)意義。根據(jù)前文分析，將神經(jīng)網(wǎng)絡(luò)模型的輸入與輸出量統(tǒng)計見表2。

2.3 飛行數(shù)據(jù)的處理

選取某型號飛機(jī)10個架次的飛行數(shù)據(jù)用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，該10個架次是在不同氣象條件下，由不同飛行員，用不同著陸接地方式采集的飛行數(shù)據(jù)，基本涵蓋各種情況，可以滿足模型訓(xùn)練的條件。

對于這10個飛行架次的數(shù)據(jù)進(jìn)行參數(shù)篩選統(tǒng)計并進(jìn)行歸一化，用于后文模型訓(xùn)練的輸入與輸出。

每架次有10s的數(shù)據(jù)，采樣率為64，故每架次有640個采樣點(diǎn)，數(shù)據(jù)量過大對提高網(wǎng)絡(luò)的訓(xùn)練精度起到的作用不大，但會增加網(wǎng)絡(luò)訓(xùn)練的運(yùn)算時間，在對網(wǎng)絡(luò)進(jìn)行訓(xùn)練前，可對數(shù)據(jù)進(jìn)行適當(dāng)重新采樣，每秒平均取16個點(diǎn)作為訓(xùn)練網(wǎng)絡(luò)的輸入。

2.4 NARX網(wǎng)絡(luò)模型的訓(xùn)練與測試

NARX網(wǎng)絡(luò)模型結(jié)構(gòu)如圖5所示。圖5中w為神經(jīng)元的權(quán)重、b為偏置、d為網(wǎng)絡(luò)的時滯、 f （x）為激活函數(shù)、g（x）為線性函數(shù)。

在MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中選擇神經(jīng)網(wǎng)絡(luò)時間序列模塊的NARX網(wǎng)絡(luò)，并將處理好的數(shù)據(jù)導(dǎo)入網(wǎng)絡(luò)中，將8個架次的飛行數(shù)據(jù)用于網(wǎng)絡(luò)訓(xùn)練，其余2個架次的數(shù)據(jù)用于測試訓(xùn)練好的網(wǎng)絡(luò)。網(wǎng)絡(luò)可供設(shè)置的參數(shù)包括訓(xùn)練數(shù)據(jù)百分比、驗(yàn)證數(shù)據(jù)百分比、測試數(shù)據(jù)百分比、隱含層數(shù)量、時滯以及算法。

該網(wǎng)絡(luò)提供了三種算法：Levenberg-Marquardt法、貝葉斯正則化法以及量化共軛梯度法。對神經(jīng)網(wǎng)絡(luò)對應(yīng)三種算法分別設(shè)置隱含層數(shù)為5、10、15、20層，訓(xùn)練數(shù)據(jù)百分比取70%、驗(yàn)證數(shù)據(jù)百分比取15%、測試數(shù)據(jù)百分比取15%、時滯取5，并進(jìn)行訓(xùn)練，結(jié)果見表3。由表3可知，在隱含層為5時，貝葉斯正則化算法精度較高，量化共軛梯度法精度較低；在隱含層達(dá)到15層后，L-M算法與貝葉斯正則化算法精度差距不明顯，量化共軛梯度法精度較前兩者較低；隱含層20層與15層相比，L-M算法與貝葉斯正則化算的訓(xùn)練精度提升并不大，但會增加運(yùn)算時間；L-M算法較貝葉斯算法運(yùn)算速度快，故選擇L-M算法，隱含層取15，時滯5。見表4。按照表4設(shè)置好網(wǎng)絡(luò)參數(shù)后，將歸一化的10個飛行架次的飛行數(shù)據(jù)導(dǎo)入網(wǎng)絡(luò)的輸入與輸出中，并進(jìn)行網(wǎng)絡(luò)訓(xùn)練，訓(xùn)練結(jié)果見表5。訓(xùn)練的性能如圖6所示。

將剩余的兩個架次飛行數(shù)據(jù)輸入設(shè)置好并訓(xùn)練完成的網(wǎng)絡(luò)中進(jìn)行測試結(jié)果見表6。

圖7是訓(xùn)練完成的網(wǎng)絡(luò)對給出的新的輸入做出的預(yù)測輸出與實(shí)測的數(shù)據(jù)進(jìn)行對比得到的圖。

比較圖7中模型預(yù)測輸出的飛行員縱向操縱量的值（歸一化后）與黃色線段表示的同一時刻實(shí)測值與預(yù)測值的差值。可以看出兩個架次預(yù)測結(jié)果的誤差基本在10%以內(nèi)。

2.5 預(yù)測結(jié)果及應(yīng)用

由上述預(yù)測結(jié)果可知，用于測試的兩個架次數(shù)據(jù)中模型預(yù)測出的飛行員俯仰操縱量整體趨勢與實(shí)測數(shù)據(jù)的整體趨勢基本一致，預(yù)測值與實(shí)測值的均方誤差均落在合理區(qū)間內(nèi)，可以得出，在著陸階段，該方法預(yù)測出的飛行員的俯仰操縱量有一定的參考價值，再經(jīng)過進(jìn)一步處理后可用于指導(dǎo)飛行員的操作，從而達(dá)到控制下沉速度的目的。

但2.4節(jié)中最后預(yù)測得到的著陸階段飛行員俯仰操縱量de是一個瞬時變化的量，不能直接用以指導(dǎo)飛行員的操作，還需進(jìn)行進(jìn)一步的處理。考慮將預(yù)測結(jié)果按時間分段，并取均值或利用二次曲線進(jìn)行擬合，再在曲線兩側(cè)取一定的帶寬以便給飛行員的操縱量一個期望值與可接受的波動范圍，示意圖如圖8所示。

圖8中的擬合曲線為操縱量按時間分段后每段的擬合曲線，虛線為可接受的波動范圍；在應(yīng)用時，要求飛行員在圖2中的A點(diǎn)達(dá)到一定的前提條件后，便可以根據(jù)預(yù)測指示的范圍，操作操縱桿使飛機(jī)俯仰操縱量始終位于粗線附近，并不超過粗線兩側(cè)虛線所劃范圍，以使飛機(jī)達(dá)到試驗(yàn)要求的下沉速度。

3 結(jié)束語

在考核飛機(jī)起落架強(qiáng)度剛度的著陸試驗(yàn)中，下沉速度作為一項(xiàng)關(guān)鍵的參數(shù)指標(biāo)，它的變化受到多種復(fù)雜因素的影響，其精準(zhǔn)控制在傳統(tǒng)手段上十分困難。

本文將人工神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于飛機(jī)下沉速度的控制中，通過合理的簡化飛機(jī)著陸過程的物理模型，分配模型的輸入量與輸出量，實(shí)現(xiàn)了對飛機(jī)著陸階段飛行員主要操縱量的預(yù)測。該預(yù)測結(jié)果與實(shí)測飛行數(shù)據(jù)一致性較好，達(dá)到了預(yù)期目的，并對預(yù)測結(jié)果提出了一種工程運(yùn)營的處理思路，便于指導(dǎo)飛行員的實(shí)際操縱，為飛機(jī)下沉速度的飛行試驗(yàn)與控制研究提供了一種新的思路與方法。

參考文獻(xiàn)

[1]胡銳，劉小川，白春玉，等. 艦載飛機(jī)起降裝置動力學(xué)試驗(yàn)研究進(jìn)展[J]. 航空科學(xué)技術(shù)，2022，33（1）：10-19. Hu Rui， Liu Xiaochuan， Bai Chunyu， et al. Research progress on dynamics experiment of carrier-based aircraft take-off and landing device[J]. Aeronautical Science Technology， 2022， 33（1）： 10-19.（in Chinese）

[2]劉小川，張宇.作戰(zhàn)飛機(jī)關(guān)鍵結(jié)構(gòu)易損性評估方法研究進(jìn)展與展望[J]. 航空科學(xué)技術(shù)， 2021， 32（12）： 42-56. Liu Xiaochuan， Zhang Yu. Research progress and prospect of vulnerability assessment method of key structure of combat aircraft[J]. Aeronautical Science Technology， 2021， 32（12）： 42-56.（in Chinese）

[3]GJB67.4A—2008 軍用飛機(jī)結(jié)構(gòu)強(qiáng)度規(guī)范：地面載荷[S].中國人民解放軍總裝備部，2008. GJB67.4A—2008 Structural strength specification for mili‐tary aircraft： ground load[S]. General Armament Department of the Chinese People’s Liberation Army，2008.（in Chinese）

[4]蔣啟登.陸基飛機(jī)大下沉速度對稱著陸試驗(yàn)方法[J].北京航空航天大學(xué)學(xué)報，2013，39（11）：1421-1425. Jiang Qideng. Symmetrical landing test method of large sinking velocity of land-based aircraft[J]. Journal of Beijng University of Aeronautics and Astronautics， 2013， 39（11）：1421-1425.（in Chinese）

[5]汪文君，蔣啟登，楊全偉.飛機(jī)著陸下沉速度的間接控制方法[J]. 航空科學(xué)技術(shù)，2018，29（9）：22-26. Wang Wenjun， Jiang Qideng， Yang Quanwei. Indirect control method of aircraft landing sinking speed[J]. Aeronautical Science Technology， 2018， 29（9）： 22-26.（in Chinese）

[6]GJB1015A—2008 軍用飛機(jī)驗(yàn)證要求[S].中國人民解放軍總裝備部，2008. GJB1015A—2008 Military aircraft verification requirements[S]. General Armament Department of the Chinese People’s Liberation Army，2008.（in Chinese）

[7]吳文海.飛行綜合控制系統(tǒng)[M].北京：航空工業(yè)出版社， 2007. Wu Wenhai. Integrated flight control system[M]. Beijing： Aviation Industry Press， 2007.（in Chinese）

[8]Collinso R P G.飛行綜合駕駛系統(tǒng)導(dǎo)論[M].吳文海，譯.北京：航空工業(yè)出版社，2009. Collinson R P G. Introduction to integrated flight piloting system[M]. Wu Wenhai，translated.Beijing：Aviation Industry Press，2009.（in Chinese）

[9]宋立廷，劉保果，吳文海.飛機(jī)著艦與著陸比較研究[C].第8屆中國航空學(xué)會青年科技論壇， 2018. Song Liting， Liu Baoguo， Wu Wenhai. Comparative study of aircraft landing and landing[C]. 8th Youth Science and Technology Forum of Chinese Society of Aeronautics and Astronautics，2018.（in Chinese）

[10]方振平.飛機(jī)飛行動力學(xué)[M].北京： 北京航空航天大學(xué)出版社， 2005. Fang Zhenping. Aircraft flight dynamics[M]. Beijing：Beihang University Press，2005.（in Chinese）

Application of Artificial Neural Network in Aircraft Sinking Speed Control

Xie Feng’an， Shu Chenghui， Jiang Qideng

China Flight Test Establishment， Xi’an 710089， China

Abstract： The sinking speed refers to the vertical speed of the center of gravity of the aircraft at the time of landing and grounding， which is directly related to the load of the aircraft landing device when grounding. In the landing test to assess the strength and rigidity of the aircraft landing gear， the national military standard has specific requirements for the sinking speed of the aircraft， but in actual operation， due to the interference of various external factors， it is difficult for pilots to use existing means to accurately control the aircraft to achieve the sinking speed required by the standard. Through reasonable analysis， several flight parameters affecting the descent speed of land-based aircraft are selected， and the measured flight data of these parameters are used as the input and output of MATLAB artificial neural network model， and good prediction results are obtained， and new ideas and methods for controlling the sinking speed of land-based aircraft are explored.

Key Words： landing test； aircraft sinking speed； landing flight control methods； artificial neural networks