基于自适应驾驶员最优控制模型的飞行品质预测

2016-10-27刘嘉向锦武韩维高永

飞行力学 2016年5期

刘嘉, 向锦武, 韩维, 高永

(1.海军航空工程学院接改装训练大队, 山东烟台 264001;2.北京航空航天大学航空科学与工程学院, 北京 100191;3.海军航空工程学院飞行器工程系, 山东烟台 264001)

刘嘉1, 向锦武2, 韩维3, 高永3

传统飞机驾驶员最优控制模型采用卡尔曼滤波,无法反映飞行员对未知环境的适应能力,在飞行试验中有时存在与飞行员实际评分不一致的现象。为此,采用自适应状态估计理论对传统驾驶员最优控制模型进行了修正,提出了基于自适应飞机驾驶员最优控制模型的飞行品质评估方法。通过对比飞行试验和模型仿真结果表明了这一评估方法的可行性,所采用的修正加权系数得到的评分结果精度更高。研究结果表明,飞行员评分与指标函数加权系数比值相关,采用变化加权系数比值得到的评估结果与飞行员实际评分更为吻合。随着飞机动态特性的变差,这一比值将不断增大,飞行员将投入更多精力进行飞行状态监测,进而导致飞行员降低对飞行品质的主观评价。

人机系统; 飞行品质; 驾驶员模型; 最优控制; 驾驶员评分

0　引言

随着飞行控制系统的发展和电传操纵系统的广泛使用,现代飞机明显呈现高阶动力学特性,传统区分模态进行飞行品质评估的方法已不能完全满足要求,必须综合考虑飞机驾驶员因素,合理设计飞行控制系统、人感系统,才能充分发挥人机系统效能,满足现代飞机设计的需要[1]。

目前评估人机系统飞行品质的方法主要有CAP准则、带宽准则、Gibson准则、Neal-Smith准则等。这些准则的评估结果在与飞行员评价对比时,有时过于敏感,有时又不够灵敏[2]。因此,美国军用标准中规定,在飞机设计时应尽量综合运用上述准则[3]。除上述评估准则外,在飞行试验或模拟飞行中,依靠Cooper-Harper(C-H)准则进行飞行员评价也是主要方法之一。但这一方法主要有以下缺陷:必须根据飞机技术参数和控制系统设计制造飞行模拟器或样机[4],以供飞行员试飞,研制成本和周期较长;飞行员因熟练水平、心理状态等个体差异在评分上会出现一定分散性。尽管飞行员评分存在这些缺陷,但无疑是唯一一种以人为核心,可以作为最终参照标准的人机系统评价方法。

针对通过数学模型对飞行员模拟进行飞行品质评估问题,学者们探索了多种飞行员模型及人机系统飞行品质评估方法[5-6]。其中20世纪80年代出现的“Paper Pilot”技术[7]和基于驾驶员最优控制模型(Optimal Control Pilot Model,OCM)的飞行品质评估技术[8]可以直接和飞行员C-H评分建立联系,因此得到了广泛应用。但传统OCM模型由于采用Kalman滤波器作为估计器[9],无法体现飞行员在时间序列上的递推分析过程,无法反映飞行员在未知环境下的渐进适应的飞行操纵能力,因此,传统模型无法用于实际飞行中飞行员在未知环境下的操纵行为预测。当然在评估飞行品质时,在飞行员是完美的和有经验的前提下,如果外界扰动统计特性恒定,且飞行时间足够长，使飞行员可以正确评估飞机本体特性和外界扰动特性,那么上述缺点可能并不影响飞机飞行品质评估,但有时可能难以在飞行试验中同时满足。正因为如此,在之前的研究中出现了部分模型评分和实际飞行员C-H评分不一致的情况[8-9],其中部分原因是实际飞行中出现了未知扰动,而数学模型并没有将其纳入考虑。虽然采用模型仿真模拟驾驶员评分始终无法替代飞行员的真实评价,但尝试对传统OCM评估方法进行改进,获得更为准确的飞行品质预测,无疑对节省研制成本、缩短研制周期、促进飞行品质研究具有重要意义。

本文采用自适应状态估计飞机驾驶员最优控制模型(Modified Optimal Control Pilot Model Based on Adaptive State Estimation, MOCM-AE),对传统评估方法进行改进,通过对比试验数据和OCM评分,证明了本文飞行品质评估方法的合理性和优越性。

1　飞行品质评估模型

在OCM模型基础上,MOCM-AE模型采用新的噪声模型,并引入自适应状态估计理论对传统模型进行了改进。新的噪声模型的优点在于:一是避免了多重迭代计算求解;二是在物理意义上避免了飞行员根据还未发生的未来评估噪声,这与实际情况更为相符。引入自适应状态估计的好处是:对于外界环境未知时变扰动,模型依旧适用,这对描述驾驶员在实际试验中的驾驶行为尤为重要[10]。

基于MCOM-AE模型的飞行品质评估算法实现分为以下步骤:

(1)构建飞行品质预测评价对象;(2)建立指标函数,确定MOCM-AE模型参数;(3)采用MCOM-AE模型进行人机闭环时域仿真;(4)将MCOM-AE模型指标函数与飞行员主观评价建立联系,计算指标函数并按下式计算驾驶员评分[8]:

(1)

式中:J为模型指标函数,通常采用二次指标函数表达,它表征了飞行员对飞行驾驶的体力负荷及部分脑力负荷;σc为任务驱动函数幅值均方误差;ωw为任务驱动函数带宽。

2　算例与分析

2.1研究对象

以1993年美国空军飞行员Darcy Granley在Calspan LearⅡ型飞机上获取的试验数据为比照对象[9]进行评估方法验证。试验飞机俯仰轴传递函数为:

(2)

式中:θ为飞机俯仰角响应;δes为驾驶杆偏移量;ζsp为短周期阻尼比;τD为操纵延迟时间。

根据ζsp和τD的取值构建4种研究对象,如表1所示。

表1　研究对象模态参数

飞行试验任务为俯仰姿态跟踪。姿态跟踪任务指令由白噪声建模得到,驱动函数为:

(3)

式中:θc为姿态目标指令;w为白噪声。

飞行试验任务执行情况如表2所示。表中:tp为实测飞行员反应延迟时间;PR为飞行员实际评分[9]。为避免不同飞行员由于反应时间差异造成的评分分散性,在文献[9]中选择同一飞行员进行评估验证。

表2　飞行员模型参数

由表2可见,在研究对象3中出现了评分差异,这也证明了本文对于评分差异可能是由于未知扰动产生假设的正确性。

2.2飞行员操纵时域仿真

采用MOCM-AE模型进行人机闭环飞行仿真,其中飞行员模型参数如表3所示。

表3　飞行员模型参数

闭环仿真后,得到表1中4种研究对象的姿态角跟踪响应如图1所示。由图1可见,在MOCM-AE飞行员模型下,可以实现飞机俯仰姿态跟踪。

2.3人机系统飞行品质评估

按本文评估方法,对4种研究对象进行人机系统飞行品质评估。进行100次时长150 s的蒙特卡洛仿真,得到的计算结果如表4所示。表中:JM为指标函数均值;JRMS为指标函数均方误差;RM为评分预测均值;RRMS为评分预测均方误差。

表4　MOCM-AE评估飞行品质计算结果

图2为飞行员实际评价和模型预测结果的比较。由图2可见,计算结果未能与试验结果良好吻合,这可能是加权矩阵选取不当导致的,为此下面就加权系数选择问题进行讨论。

图2　评分预测结果比较Fig.2　Rating prediction results comparison

2.4加权系数选择

在文献[9]中,指标函数加权矩阵Qy和R为常值矩阵,矩阵中的元素为对应向量的最大允许偏差平方的倒数,即:

Qy=diag[q1,…,qn], R=diag[r1,…,rn]

表5　MOCM-AE评估飞行品质计算结果

因此,对不同比例加权系数矩阵进行评分预测,得到的结果如图3所示。

图3　指标函数加权系数比值对评分的影响Fig.3　Influence of the index function weighting 　coefficient on rating prediction

由图中趋势可见,随加权系数比例Qy/R的增加,评分值呈递增趋势。这意味着在对驾驶杆投入精力不变的情况下,随着在飞行状态监控上投入精力的增加,飞行员对飞行品质评价逐渐降低。

进一步结合本文算例,可以发现,当Qy与R比例取值如表6所示时,预测评分均值与试验结果最接近。这也许预示着随着被控对象动态特性的不同,飞行员对飞行状态观察和对驾驶杆操纵的重视程度将发生变化。从本文算例趋势上看,随着飞机动态特性的变差,飞行员将额外投入更多精力进行飞行姿态监控,这将引起飞行员工作负担和脑力负荷的增加,也许正是这一原因造成飞行员对飞行品质主观评价的变差。但由于现有实验手段很难测量并比较飞行员在视觉监测和驾驶操纵上投入的精力比[11],因此这一推断仍有待进一步研究和验证。

表6　加权系数修正后飞行品质预测比较

加权系数修正后得到的本文方法评估结果和试验结果如图4所示。由图4可见,采用本文模型并采用修正后的加权系数比值,预测结果明显优于传统OCM模型,与飞行员实际评分更为吻合。

图4　指标函数加权系数比值对评分的影响Fig.4　Influence of the index function weighting 　coefficient ratio on rating prediction

3　结束语

采用自适应状态估计理论对传统OCM模型进行修正,提出了基于自适应最优控制模型的人机系统飞行品质评估方法。仿真结果表明,与传统OCM模型相比,采用本文方法及修正加权系数,评估精度明显提高。同时,研究发现,评分结果主要与加权系

数比值相关,而加权系数比值又与飞机动态特性相关。随着飞机动态特性的变差,观察加权系数比值应不断增大才能与飞行员实际评分吻合,这从侧面揭示了飞行员对飞行品质主观评价降低的原因,即驾驶中脑力负荷和精力投入的增加将直接影响飞行品质评价。因此,在飞机气动外形、控制系统、人机界面设计中应尽量采取合理措施,降低飞行员脑力负荷,进而提高飞行员飞行品质主观评价,促进人机系统效能的发挥。

[1]Tan Wenqian,Efremov A V,Qu Xiangju.A criterion based on closed-loop pilot-aircraft systems for predicting flying qualities[J].Chinese Journal of Aeronautics,2010,23(5):511-517.

[2]Damveld H J,Van Paassen M M,Mulder M.Cybernetic approach to assess aircraft handling qualities[J].Journal of Guidance,Control,and Dynamics,2011,34(6):1886-1898.

[3]高金源,李陆豫,冯亚昌.飞机飞行品质[M].北京:国防工业出版社,2003:55-56.

[4]田涌,邵山,张雷.飞行品质模拟器设计[J].电光与控制,2010,17(6):89-91.

[5]Nieuwenhuizen F M,Mulder M,Van Paassen M M,et al.Influences of simulator motion system characteristics on pilot control behavior[J].Journal of Guidance,Control,and Dynamics,2013,36(3):667-676.

[6]韩晓宁,赵欣凯.用飞行员模型进行飞行品质自动评估技术研究[J].飞行力学,2013,31(4):293-296.

[7]Teper G L.An assessment of the "paper pilot":an analytical approach to the specification and evaluation of flying qualities[R].AFFDL-TR-71-174,1972.

[8]Edkins C R.The prediction of pilot opinion ratings using optimal and sub-optimal pilot models[R].AD-A278629,1994.

[9]Edkins C R.Human pilot response during single and multi-axis tracking tasks[R].AFFTC-TLR-93-41,1993.

[10]刘嘉,向锦武,张颖,等.自适应飞机驾驶员最优控制模型研究及应用[J].航空学报,2016,37(4):1127-1138.

[11]柳忠起,袁修干,刘伟,等.飞行员注意力分配的定量测量方法[J].北京航空航天大学学报,2006,32(5):518-520.

(编辑：崔立峰)

Flying quality prediction based on adaptive optimal control pilot model

LIU Jia1, XIANG Jin-wu2, HAN Wei3, GAO Yong3

(1.Equipment Receiving and Training Group, NAAU, Yantai 264001, China;2.School of Aeronautic Science and Engineering, BUAA,Beijing 100191, China;3.Department of Airborne Vehicle Engineering, NAAU, Yantai 264001, China)

A modified optimal control pilot model based on adaptive state estimation (MOCM-AE) is developed to deal with the accuracy decrease in rating prediction by the traditional optimal control pilot model (OCM) with Kalman filter. By comparison of the pilot rating in the flight test, the feasibility and correctness of the MOCM-AE were tested. With the MOCM-AE and the modified weighting matrixes, more accurate rating predictions were achieved. The results show the rating prediction depends on the weighting ratios obviously. The varying weighting ratios will produce more accurate rating prediction. As the dynamic character degraded, higher weighting rations are recommended. It indicates that the pilot should pay more attention in the aircraft status monitoring, and the increasing workload may degrade the rating prediction.

man-machine system; flying quality; pilot model; optimal control; pilot rating

2015-12-18;

2016-04-19; 网络出版时间:2016-05-18 13:49

国家自然科学基金资助(51505493,91116019)；国家重点基础研究发展计划(973计划)资助(2011CB707002)

刘嘉(1982-)，男，吉林省吉林市人，讲师，博士研究生，研究方向为飞行器设计、飞行品质和人机工程。

V212.1

1002-0853(2016)05-0082-04