非線性風切變信號處理與控制算法研究

劉小洋，曾孝平

（1. 重慶理工大學計算機科學與工程學院 重慶 巴南區 400054；2. 重慶大學信息與通信工程博士后流動站 重慶 巴南區 400030）

非線性風切變信號處理與控制算法研究

劉小洋1，2，曾孝平2

（1. 重慶理工大學計算機科學與工程學院 重慶 巴南區 400054；2. 重慶大學信息與通信工程博士后流動站 重慶 巴南區 400030）

針對微下擊暴流風切變會對飛行器造成嚴重危害的情況，分析了微下擊暴流風切變的成因和Vicroy數學模型，為了使飛機有效避開微下擊暴流風切變危險區，結合空氣動力學和飛行力學，提出了飛行控制算法，并與傳統的控制算法進行了對比分析；仿真結果表明，提出的控制算法能較好地實現路徑控制，并優于傳統的PID和SOFNN控制算法。

微下擊暴流； 路徑規劃； 風切變； 風速

風切變是指風速或風向在某一方向上突然變化的一種大氣現象，一般把高度低于600 m的風切變稱為低空風切變，其中微下暴流是低空風切變最主要的一種形式。低空風切變是空難事故的罪魁禍首。

2014年臺灣復興航空GE222航班失事的罪魁禍首就是低空風切變。僅在2014年，包括亞航在內的22起空難事故共造成992人死亡。這是自2005年死亡1 014人以來死亡人數最多的一年。造成飛機空難事故的原因或多或少都與風切變有關。

低空風切變尤其是微下擊暴流風切變對飛機的飛行安全造成嚴重的威脅，主要的表現形式是飛機的軌跡嚴重偏離預定軌跡，飛行高度急劇損失等。所以提高飛機的飛行安全就要克服上述困難，維持既定航跡和飛行高度，是飛機設計者必須考慮的實際問題。

文獻［1］研究了低空風切變的成因以及對飛行器產生的危害，但沒有對微下擊暴流風切變進行建模與分析；文獻［2-3］研究了起飛階段微下擊暴流對飛機的影響，沒有考慮降落階段微下擊暴流對飛機著陸軌跡的改變；文獻［4］研究了風切變下民用飛機起飛三維可視化仿真，對降落階段沒有進行仿真分析。

當飛行器（飛機等）遭遇微下擊暴流應該采取什么樣的控制方法來成功避開危險區才是問題關鍵所在。文獻［5-7］研究了飛機在降落過程中的控制算法，文獻［8-10］研究了飛機在自由狀態時候（即此時飛機不受飛行員的控制）的控制算法。

本文將深入分析起飛和著陸階段時微下擊暴流對飛機的影響，并研究相應的控制算法，使其避開微下擊暴流危險區。

1 運動方程與系統描述

飛機在起飛或降落過程中最容易遇到風切變，其在降落過程中遭遇微下擊暴流風切變的情形如圖1所示。

圖1 飛機遭遇微下擊暴流風切變

不失一般性，本文將飛行器假設成一個質點，其受力示意圖（假設該飛行器處在降落過程中）如圖2所示。

圖2 飛機受力示意圖

飛行器質心運動方程［11-15］為：

式中，V為飛行器空速；m為飛行器質量；g為重力加速度；P為發動機動力；D和L分別為飛行器的阻力和升力；x和h為飛行器在水平和垂直方向上的位移；α為飛行器迎角；θ為飛行器下滑的軌跡角。

飛行器空速V和航向角γ分別為：

飛行器升力L、阻力D以及飛機迎角α分別［14］為：

式中，ρ為空氣密度；S為機翼面積；CL和CD分別為飛行器的升力系數和阻力系數。

2 微下擊暴流風切變控制算法

2.1 傳統控制算法與數學模型

2.1.1 PID控制算法

圖3是比例積分微分控制（proportion integration differentiation， PID）的原理框圖，由比例、積分和微分3個部分［16-17］構成。

圖3 PID控制原理圖

圖3中， （r）t為定值， （e）t為控制偏差， （u）t是由 （r）t經過比例、積分、微分3個不同單元處理后的輸出量。

PID控制算法可以應用于飛機起飛過程中的控制模型非線性化處理，該傳統控制算法在一定程度上可以緩解飛機遭遇風切變時的危險性，但要在動態對象高度機動的情況下做出可靠的決策，PID還存在一定的不足。在飛機起飛階段，飛機自身的阻尼力矩因大氣密度變小而減小，從而阻尼不足導致飛機在遇到風切變時發生與理想軌跡相偏離的情形。

2.1.2 自組織模糊神經網絡控制算法

自組織模糊神經網絡（self-organizing fuzzy neural network， SOFNN）控制算法的主要原理框圖如圖4所示［18-19］。

圖4 模糊神經網絡控制算法模型圖

圖4中，Layer1為接收傳感器數據輸入層，Layer5為輸出控制信號O輸出層，Layer2～Layer4為自組織模糊神經網絡層。模糊神經網絡控制算法主要過程為：首先接受 x1、 x2、、 xn輸入量，再將輸入量根據隸屬函數進行模糊化，接著進行推理運算和相關模糊化處理，最后輸出推理的運算結果。

該控制算法可改善飛機在遇到風切變時的靜穩定性，飛機在遇到危險的大氣現象時，首先由敏感部件檢測飛機的飛行狀態，然后由綜合計算裝置根據預置命令進行比較計算，輸出控制信號給執行機構驅動操縱舵面，從而產生空氣動力和力矩來控制飛機的飛行狀態。

2.1.3 Vicroy數學模型

在Vicroy模型中，3個不同方向上的速度Wx、Wy、Wz可以分別表示為：

式中， dx、 dy、 dz是Vicroy坐標系中微下擊暴流的分量； uw、 vw、ww是x、y、z方向上的空速。Vicroy模型中比例因子λ為：

式中， c1、 c2為Vicroy常量；α為沖角； um為最大速度，其值可表示為為最大水平風速的半徑。

2.2 控制處理算法

當飛機遭遇微下擊暴流時，最好的方法是避開危險區，飛機逃避微下擊暴流低空風切變的軌跡如圖5所示。

圖5 飛機逃避軌跡

飛行器在遭遇微下擊暴流時需要機載氣象雷達提前對其進行檢測，以便留出足夠的時間供飛行員采取相應策略，避開危險區。一般情形下，若機載氣象雷達能夠提前30 s檢測到前方的微下擊暴流低空風切變危險區域，則飛機成功脫險的概率很大。建立高度z的數學表達式為：

式中，ww表示垂直風速的強度；r表示微下擊暴流半徑；λ為比例因子； zm表示水平風速。水平風速和垂直風速都是關于xy、 的函數。

考慮到飛行員要有足夠的時間反應以及控制算法系統保障統一化的要求，可以用該控制處理算法建立其預測模型；首先建立線性預測模型，然后借助非線性自組織方法對線性模型改進，以得到更準確的非線性模型。

3 仿真分析

微下擊暴流中心非對稱風場的大小取2.8 km×2.8 km×0.15 km的范圍，風場在載機地理坐標系中的起始坐標為（x，y）=（-4，5） km，非對稱風場中心位置坐標為（x，y）=（-0.4，2.6） km。圖6和圖7是在不同y值下的垂直風速與水平風速。

圖6 不同y值下的垂直風速

圖7 不同y值下的水平風速

從圖6和圖7可以看出，微下擊暴流中心處風速值最大，隨著y值的變化，其水平風速和垂直風速呈正弦波變化。其變化趨勢是和實際的微下擊暴流特性一致的。

圖8 起飛過程中飛機運動軌跡

圖8是飛機在起飛階段的運動軌跡和理想情形下的起飛運動軌跡的對比分析，可以看出，本文算法與理想軌跡相逼近。由于實際非對稱風場的因素，其運動軌跡會稍偏離理想軌跡。

圖9 降落過程中不同控制算法下軌跡對比

為了對比分析傳統的PID和SOFN算法與本文算法的性能，圖9仿真分析了在降落過程中不可控制算法的下降軌跡?？梢钥闯?，傳統的PID和SOFN算法與理想路徑控制算法在水平距離為4 000 m處波動較大，且與理想軌跡相差較大，而本文算法在0～7 000 m處的軌跡與理想路徑較吻合，波動較小。顯示出本文算法與理想軌跡較接近。

圖10 徑向速度與微下擊暴流高度變化關系

徑向速度在衡量飛行控制策略上是要考慮的一個主要因素。本文選取不同高度進行仿真分析。通過圖10可以看出，其徑向速度在不同的微下擊暴流高度上的變化趨勢，在300 m同一高度處，隨著微下擊暴流中心半徑的增大其徑向速度也逐漸增大，以便飛行員等采取相應的策略。

飛機在低空（一般是低于600 m）中遭遇微下擊暴流風切變是一個多因素綜合型問題，涉及到流體力學、動力學等因素。所以控制算法至關重要，可以為飛行員留出足夠的時間選擇策略逃避危險區。假設在上升過程中遭遇微下擊暴流風切變時，上升遇到風切變，不可盲目地提高速度，因為強行加大動力和沖角會使飛機失去重心從而導致機毀人亡。假設飛機在著陸過程中遭遇微下擊暴流風切變時（如圖9所示），下滑通道正好通過微下擊暴流風切變，那么飛機會突然地非正常下降，偏離原有的下滑軌跡，有可能高度過低造成危險。當飛機飛出微下擊暴流風切變氣流后，又進入了順風氣流，使飛機與氣流的相對速度突然降低，由于飛機在著陸過程中本來就在不斷減速，飛機的飛行速度必須大于最小速度才能保持其理想的軌跡，突然減速很可能使飛機進入失速狀態，飛行姿態不可控，故在著陸過程中不應該盲目減速，要根據其控制算法選擇合適的路徑逃避風切變區域。

4 結 論

微下擊暴流風切變的控制算法是飛機起飛或降落過程中遭遇低空風切變危險區最為關鍵的一個因素，在分析經典Vicroy微下擊暴流數學模型的基礎上提出了一種新的微下擊暴流風切變控制算法。再將提出的控制算法與傳統的PID和SOFNN控制算法進行對比分析。最后通過仿真分析，驗證了本文算法的可行性與有效性。

［1］ ZHANG Y， CHEN H， HU W， et al. Flicker mitigation by individual pitch control of wariable speed wind turbines with DFIG［J］. IEEE Transactions on Energy Conversion，2014， 29（1）： 20-28.

［2］ GIRSANG I P， DHUPIA J S， MUULJADI E， et al. Models to study dynamic effects of modern wind turbines［J］. IEEE Transactions on Industry Applications， 2014， 50（6）：3777-3786.

［3］ OZDEMIR A， SEILER P， BALAS G J. Design tradeoffs of wind turbine preview control［J］. IEEE Transactions on Control Systems Technology， 2013， 21（4）： 1143-1154.

［4］ 劉時杰， 徐浩軍， 薛源， 等. 具有湍流效應的不規則微下擊暴流構建方法研究［J］. 飛行力學， 2014， 32（4）： 303-307. LIU Shi-jie， XU Hao-jun， XUE Yuan， et al. Construction-method of irregular microburst with turbulence effect［J］. Flight Dynamics， 2014， 32（4）： 303-307.

［5］ 蔣立輝， 陳紅， 莊子波， 等. 小波不變矩的低空風切變識別［J］. 紅外與激光工程， 2014， 43（11）： 3783-3787. JIANG Li-hui， CHEN Hong， ZHUANG Zi-bo， et al. Recognition on low-level wind shear of wavelet invariant moments［J］. Infrared and Laser Engineering， 2014， 43（11）：3783-3787.

［6］ ELSAYED A E， JULIE E M， XING M. Empirical models for predicting unsteady-state downburst wind speeds［J］. Journal of Wind Engineering and Industrial Aerodynamics，2014， 129： 49-63.

［7］ 武虎子， 耿建中， 羅振誼， 等. 大型飛機在風切變環境中飛行安全尺度分析［J］. 飛行力學， 2013， 31（4）： 305-308. WU Hu-zi， GENG Jian-zhong， LUO Zhen-yi， et al. Analysis of flight safety scale in windshear for large aircraft［J］. Flight Dynamics， 2013， 31（4）： 305-308.

［8］ HANDLER R A， QI ZHANG. Direct numerical simulations of a sheared interface at low wind speeds with applications to infrared remote sensing［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2013， 6（3）： 1086-1091.

［9］ AN Zhen-yu， SHI Zhen-wei， TENG Xi-chao， et al. An automated airplane detection system for large panchromatic image with high spatial resolution［J］. International Journal for Light and Electron Optics， 2014， 125（12）： 2768-2775.

［10］ SEID H P， KIANI M， HASSANPOUR A. Optimal trajectory planning for flight through microburst wind shears［J］. Aerospace Science and Technology， 2011， （15）：567-576.

［11］ 陶楊， 韓維， 吳亮. 虛擬時變微下擊暴流的數值仿真方法［J］. 應用力學學報， 2014， 31（6）： 847-853. TAO Yang， HAN Wei， WU Liang. The numerical simulation method of the microburst under the virtual time-varying［J］. Chinese Journal of Applied Mechanics，2014， 31（6）： 847-853.

［12］ YAN Z， PARTHA S， HUI H. An experimental study on wind loads acting on a high-rise building model induced by microburst-like winds［J］. Journal of Fluids and Structures，2014， 50： 547-564.

［13］ TAKASHI N. Nonlinear-map model for the control of an airplane schedule［J］. Physica A： Statistical Mechanics and its Applications， 2013， 392（24）： 6545-6553.

［14］ 吳仁彪， 韓雁飛， 李海. 基于壓縮感知的低空風切變風速估計方法［J］. 電子與信息學報， 2013， 35（10）：2512-2517. WU Ren-biao， HAN Yan-fei， LI Hai. Wind speed estimation for low-attitude wind shear via compressive sensing［J］. Journal of Electronics & Information Technology， 2013， 35（10）： 2512-2517.

［15］ YAN Z， HUI H， PARTHA P S. Comparison of microburst-wind loads on low-rise structures of various geometric shapes［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2014， 133： 181-190.

［16］ BOCHAO C， PARTHA P S. Numerical simulation of dynamic response of a long-span bridge to assess its vulnerability to non-synoptic wind［J］. Engineering Structures， 2015， 84（1）： 67-75.

［17］ 吳揚， 姜守達. 基于嵌套粒子群算法的多渦環微下擊暴流模型參數選擇方法［J］. 電子學報， 2012， 40（1）：204-208. WU Yang， JIANG Shou-da. Parameters selection method of multiple vortex-ring microburst model based on nested particle swarm optimization［J］. Acta Electronica Sinica，2012， 40（1）： 204-208.

［18］ 羅琪楠， 段海濱， 嚴林芳. 風切變下民用飛機起飛三維可視化仿真［J］. 智能系統學報， 2014， 9（1）： 19-25. LUO Qi-nan， DUAN Hai-bin， YAN Lin-fang. Threedimensional visual simulation of civil aircraft taking off in wind shear［J］. CAAI Transactions on Intelligent Systems，2014， 9（1）： 19-25.

［19］ HAITHAM A， GIRMA B， ASHRAF D. Turbulence characterization of downbursts using LES［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2015， 136：44-61.

編 輯 稅 紅

The Research of NonlCinoenatrr Wol iAnldg oSrhiethamr Signal Processing and

LIU Xiao-yang1，2and ZENG Xiao-ping2
（1. School of Computer Science and Engineering， Chongqing University of Technology Banan Chongqing 400054；2. Postdoctoral Research Station of Information and Communication Engineering， Chongqing University Banan Chongqing 400030）

The microburst wind shear can be dangerous to aircraft， particularly causing fatal crash. In this paper， the cause of microburst wind shear and Vicroy mathematical model are analyzed and a new flight control algorithm is proposed by combining aerodynamics and flight mechanics to avoid the danger area of the microburst wind shear. The simulation results show that the proposed control algorithm can achieve a better path control than better than the traditional PID and SOFNN control algorithm.

microburst； path programming； wind shear； wind velocity

TN921； TP391

A

10.3969/j.issn.1001-0548.2016.02.002

2015 - 03 - 16；

2015 - 11 - 25

國家自然科學基金重大研究計劃（91438104）；重慶市科委基礎與前沿研究計劃項目（cstc2014jcyjA40007）；重慶市教委科學技術研究項目（KJ1500926）；重慶市博士后研究人員科研項目特別資助（Xm2015029）

劉小洋（1980 - ），男，博士，副教授，主要從事雷達信號處理、無線通信精確定位方面的研究.