嵌入式大气数据测量系统技术研究进展

丁智坚，周 欢，吴东升，吴颖川，贺元元

(1. 中国空气动力研究与发展中心吸气式高超声速技术研究中心，绵阳 621000；2. 中国工程物理研究院总体工程研究所，绵阳 621900)

0 引 言

高超声速飞行器凭借速度优势成为了当下及未来航空航天技术领域的前沿技术，得到了全世界范围内的广泛关注。高精度的大气数据测量技术则是实现高超声速飞行器精确稳定控制的前提条件[1]，亦是吸气式冲压发动机稳定工作的重要保证[2]。与此同时，准确的大气数据是高超声速飞行试验鉴定与评估的重要数据。

依据测量手段不同，大气数据测量方法可分为直接法和间接法。直接法主要是指通过传感器(如空速管、攻角/侧滑角传感器等)对飞行环境中来流的总温、总压、静压、攻角和侧滑角等参数测量，经机载计算机解算、补偿和修正后，获得自然来流真空速、指示空速及马赫数等重要飞行参数信息。间接法主要是指通过机载导航系统(通常以惯性导航系统为主)获得飞行器位置及速度信息，并结合内置大气模型解算来流总压、静压、攻角、侧滑角、马赫数、飞行速度等大气数据[2]。相较而言，直接法受气流干扰较大，特别是在大攻角、高动态飞行条件下，测量精度难以保证；间接法受惯性导航系统(Inertial navigation system，INS)精度以及大气模型精度的影响较大，无法保证长航时飞行下的高精度测量。此外，由于采用了传感器外置的布局方案，传统大气数据测量(Air data sensing，ADS)系统在隐身性以及热防护方面难以满足高超声速飞行器任务需求[3]。

为弥补传统ADS系统的不足，美国国家航空航天局(National aeronautics and space administration，NASA)于20世纪60年代在X-15项目中提出将传感器内嵌于机体来测量大气数据的思想，并研发了相应的原理样机[4]。由于所设计的机械装置过于笨重且没有达到预期效果，该方案随X-15项目而终止，但这种思想为嵌入式大气数据测量(Flush air data sensing，FADS)系统的诞生和发展提供了宝贵的经验和发展方向。随后，NASA兰利研究中心在解决航天飞机再入后大气数据测量问题时，提出了在飞机头部布置大量压力传感器，通过测量压力来推算出大气数据的技术，即嵌入式大气数据测量技术。该技术主要利用分布在飞行器头部、机身等部位的测压孔，实时测量来流压力，通过机载计算机解算，获得总压、动压、马赫数、攻角及侧滑角等大气数据。经过多年的发展，目前FADS技术已经成功应用于多个型号的飞行器及飞行试验中，如美国X-15[4-5]、F-14[6]、航天飞机[7-8]、F-18[9-10]、X-31[11]、X-33[12]、X-38[13]、X-34[14-15]、X-43A[16]、日本HYFLEX[17]以及德国SHEFEX II[18]等。

本文通过对国内外高超声速飞行器FADS技术研究资料分析与研究，重点围绕研究背景、发展历程、关键技术以及FADS/INS组合测量算法等方面，对FADS技术进行了概括、分析和总结。最后，展望了FADS未来的发展方向及应用。

1 FADS技术需求分析及发展历程

1.1 FADS技术发展需求分析

高超声速飞行器具有气动与控制高度耦合的特性，特别是，对于以吸气式超燃冲压发动机技术为动力的高超声速飞行器而言，存在发动机与机体之间高度耦合、飞行姿态与发动机工作性能之间高度耦合等现象，使得高超声速飞行器对控制系统要求更高。而高精度大气数据则是实现高超声速飞行器精稳控制的重要保证[1]。

对于传统ADS系统(见图1)而言，当飞行器处于高超声速或大攻角飞行状态时，飞行器头部周围气流将受到黏性耗散效应和激波强烈压缩而产生高温环境，致使ADS系统面临被烧蚀的风险。此外，ADS系统中外露的传感器亦会增加雷达反射面积，降低飞行器的隐身性能和生存能力[3]。

图1 传统大气数据测量系统

随着航空航天技术的迅猛发展，传统大气数据测量系统难以满足新一代高性能飞行器的任务需求，特别是难以满足高超声速飞行和大攻角高机动飞行任务的需求，从而引发研究者对新的大气数据测量方法进行探索。

1.2 国外FADS技术发展历程

20世纪60年代，美国NASA针对超声速飞行器X-15(最大飞行速度为Ma5.3)研发了一套“Ball-nose”的大气数据测量系统(见图2)，以适应X-15超声速飞行时的高温及低动压飞行环境[4]。如图2所示，该系统外观为半球体，并嵌置于飞行器头部，通过机械结构令球体相对机体可以自由活动。球表面外露侧上有6个测压孔，其中一个位于正中位置，一个用于校准，剩余4个成十字型布局，上下两个用于攻角测量，左右两个用于侧滑角测量[4]。该系统通过压力传感器得到对应的压力信号，反馈到液压机构，利用机械装置保证攻角测压孔和侧滑角测压孔的压差始终为零，以此感受来流空气入射角。最后，通过测量球体与机体之间的相对姿态，确定飞行器当地攻角与侧滑角、马赫数、总压和静压等大气数据[5]。然而，飞行试验表明，这种采用复杂精密机械结构的方案在超声速飞行环境中测量大气数据时精度较差，特别是马赫数、静压和动压等大气数据的测量误差较大，且测量结果对飞行攻角和马赫数特别敏感[5]。因此，在X-15项目结束后，该方案即被抛弃。然而这种采用压力传感器阵列来获取大气数据的设计思路成为了后续FADS理论的先河。

图2 X-15 Ball-nose示意图[5]

1980年，NASA兰利研究中心在航天飞机再入大气数据测量系统(Shuttle entry air data system, SEADS)项目中，针对航天飞机再入后大气数据测量问题，提出了一种新的嵌入式大气数据测量方案[6]。该方案在飞机头部表面布置20个测压孔，所有的测压孔均由一个压力传感器来测量飞行器表面的压力分布，通过特定的算法，由机载计算机求解出大气数据。同“Ball-nose”系统相比，该方案去除了复杂繁琐的机械装置，首次利用飞行器表面气压分布直接测量大气数据，增强了FADS技术的可行性。

随后，兰利研究中心对该系统进行了多次的风洞试验，并于1981年在KC-135飞机上对FADS概念进行了试验研究[7]。不久，SEADS项目又在哥伦比亚号航天飞机STS- 61-C任务中进行了飞行试验[8]。这些研究证明了FADS技术在亚声速、跨声速和超声速时均能很好地工作。SEADS项目的研究为后续FADS技术的研究工作提供了大量宝贵的经验和数据，同时展示出FADS技术在不同速域的巨大潜力，拓展了FADS技术的应用背景。

1987年，美国通过F-14项目[6]，进一步论证了FADS的可行性和适用范围。该项目就飞行器表面测压孔位置与飞行大气数据之间的关系进行了深入的研究，分析了大气数据的解算精度对测压孔位置的敏感性。试验结果充分验证了FADS技术在跨声速和大攻角等各种复杂飞行环境中的适用性和良好的工作性能。

早期的研究重点是建立飞行器表面压力与大气数据之间的函数关系，以及验证FADS原理可行性，并没有获得一套FADS实时解算算法。

20世纪90年代初，针对F/A-18大攻角研究飞行器所面临的大攻角、高动态的飞行环境，NASA代顿实验室利用FADS技术，设计了一套HI-FADS(High angle-of-attack flush air data sensing)系统[9]。该系统在机头表面装置25个测压孔(如图3所示)，每个测压孔均与一个多传感器电子压强扫描模块相连，测量对应气压数据。该项目进一步验证了FADS技术在最大攻角为60°飞行环境中的适用性和可行性[10]。

图3 F-18 HI-FADS压力测孔布局图

1988年，Whitmore团队又在X-33项目[12]中进一步深入地研究了FADS大气数据实时解算算法，提出了另一种更简单有效的算法——三点法[11]和利用风洞试验数据的校准补偿算法，增强了算法的稳定性，提高了算法的精度水平，并围绕相关技术开展了大量的风洞试验和飞行试验。该项研究成果表明FADS在硬件和软件上均达到了能够在线应用的水准。但是该项目在开展飞行验证试验前撤销了。

随后，在X-38项目中[13]，FADS技术用于飞行器控制系统的反馈回路中，为飞行器控制和飞行时序编排提供了输入信息。该项技术在1996年到1998年亚声速飞行试验中得到了充分的验证[13]。

2003年前后，采用了FADS技术的X-31[11]和X-34[14]验证机的飞行试验成功和F- 4型飞机的最终定型，意味着FADS已达到可以实际型号应用的水平，标志着FADS技术已进入了成熟阶段(如图7所示)[15]。

2004年，NASA在爱德华空军基地的X- 43A超声速飞行项目中，首次验证了FADS/INS组合测量系统的性能[16]。该项技术充分利用了FADS在平稳至中等机动飞行时的高精确性和INS在大机动飞行时的高敏感特性，采用偏差滤波技术，实现对飞行大气数据的高精度测量。尽管此次试验存在马赫数小于4时测压点测量值与理论值偏差较大等问题，但试验结果充分验证了FADS与INS技术相结合的可能性和优势性。同时，该项目验证了FADS技术在具有尖楔前体气动外形高超声速飞行器的可行性，进一步展示了FADS在高超声速飞行中的稳定性及可靠性[16]。

截止目前，国外FADS技术已广泛地应用于各速域的高性能飞行器中，如美国X-15[4-5]、F-14[6]、航天飞机[7-8]、F-18[9-10]、X-31[11]、X-33[12]、X-38[13]、X-34[14-15]、X- 43A[16]、日本HYFLEX[17]以及德国SHEFEX II[18]等从亚声速到超声速再到高超声速的各类飞行器，甚至应用于火星探测项目中火星大气数据测量任务中[19-20]。

1.3 国内FADS技术发展历程

同国外FADS技术的研究相比，我国在该领域的研究起步较晚，差距较大。以南京航空航天大学和中国航天空气动力技术研究院为代表的部分高校及科研院所对FADS技术工作原理、气压孔布局、大气数据解算及补偿算法、系统故障检测与管理、基于INS组合测量系统算法等方面进行了相应的研究[21-26]。

宋秀毅[22]在三点法基础上，详细的研究了FADS解算算法及对应的补偿算法。沈国清[23]对气动导管延时误差、黏滞作用误差、热流逸误差、压力孔初始位置误差、机头热膨胀引起的压力孔位置误差、传感器截断误差、传感器测量误差以及传感器延时误差共八种误差的作用机理进行了详细的分析，并给出了部分误差的补偿措施。秦永明等[25]针对锥形头部超声速飞行器，开展了FADS标定试验研究，验证了攻角和侧滑角的解算算法。陈广强等[26]针对吸气式空空导弹，设计了FADS方案，研制了一套原理样机，并在超声速风洞中开展了相应的试验。试验结果表明：静压测量相对误差小于6.9%，马赫数测量误差小于0.1，攻角和侧滑角的测量误差均小于1°。

目前，国内关于FADS技术的研究大多数还停留在理论研究水平，少数研究团队开展过相应的风洞试验研究。从公开报道上看，我国FADS技术远未达到工程应用阶段。现阶段研究内容可为后续FADS应用奠定理论基础，也表明了FADS技术终将成为我国未来大气数据测量技术的发展方向。

2 FADS关键技术研究现状分析

同传统ADS相比，FADS具有适用于大攻角、高马赫数的飞行环境，集成度高，成本低，便于安装、调试和维护[27]等特点，已成功应用于高超声速飞行器、空天往返飞行器、高性能战斗机等各种型号的飞行器中。

如图4所示，FADS系统由飞行器表面测压孔列阵、测压设备(含引气管路和压敏器)、算法代码、计算机以及其他电气设备组成。其基本工作原理是：在飞行中，来流空气由飞行器表面嵌入的测压孔捕获，通过引气管路和压力传感器测量出飞行器表面不同位置压力，最后利用大气数据与飞行器表面压力之间的模型，通过算法解算，获得此时对应的飞行大气数据(包括静压、动压、马赫数、攻角和侧滑角)。

图4 FADS示意图

从FADS的工作原理中可以看出，FADS的关键技术包括测压孔列阵位置结构布局、大气数据解算算法以及由引气管路引起的测量延迟补偿等。

2.1 测压孔列阵位置结构布局研究现状

FADS的本质是通过对飞行器表面压力的测量从而解算出大气数据，因此测压孔的数量和位置结构布局将直接影响FADS的解算算法及工作性能。原则上，测压孔位置需选择压力和温度较为稳定且受外界干扰较小的区域。同时，测压孔之间分布尽量较大，增大不同位置的测压孔对攻角、侧滑角、总压和动压测量之间的差异有利于系统解算精度的提高。

目前，常见的测压孔分布形式有十字型、放射型和扇形等。其中十字型最简单，应用也最广泛(如航天飞机[7-8]、X-33[12]、X-34[14]、X- 43A[16]、HYF-LEX[17]和MEADS[19]等)。放射性(F-18[9])和扇形(X-31[11])主要用于有特殊机动需求的飞行器中。图5～7给出了典型FADS测压孔布局示意图。

图5 F-18测压孔布局示意图[9]

图6 X-31测压孔布局示意图[11]

图7 X-33测压孔布局示意图[12]

从数学角度而言，FADS需要对马赫数、攻角、侧滑角、来流静压及动压共5个未知变量解算，因此系统要求最少测压孔数量不少于5个。理论上，增加测压孔数目可提高系统测量精度，增强系统的鲁棒性。但随着测压孔数目的增加，系统结构复杂度增大，同时系统的解算量亦会增大。文献[13]研究了测压孔数目对系统性能的影响，指出当测压孔数量超过9个时，系统测量精度随测压孔数量的增加将变得不明显。此外，测压孔数目的增多，则会增大系统的体积和成本，加大系统维护的复杂性和系统解算的计算量。因此，在设计测压孔数量和布局时，需要在满足精度的条件下，提高系统的稳定性，减小系统的计算量。

通常，测压孔位置的确定是由灵敏度分析结果决定的，即测压孔位置应对飞行器表面压力变化最为敏感，而对噪声的敏感度较低。在X-34[14-15]和HYFLEX[17]飞行器FADS设计中，测压孔的位置均是基于系统灵敏度分析结果而选择的。从结果上看，这些测压孔均能确保FADS在飞行任务中具有良好的性能。X- 43A中FADS测压孔位置则是基于斜激波理论和工程经验确定的。此外，李清东等[28]基于系统可靠性和噪声抑制能力对几种典型测压孔布局类型进行了分析。王鹏等[29]分别针对钝头体和尖楔前体飞行器的FADS测压孔布局进行了研究，分析了测压孔布局对三点法求解精度的影响，给出了测压孔布局的原则。

表1给出了部分飞行器FADS中测压孔的数目及布局方式。从表1可以看出，十字型测压孔布局方式最为常见，此时测压孔在对称面内数目不少于4个，在两侧对称布局不少于2个。从三点法的解算算法上看，两侧对称布局的测压孔主要用于飞行器侧滑角的解算，而对称面内测压孔主要用于攻角解算。

2.2 FADS算法及比较

从FADS工作原理中可以看出，FADS对大气数据是间接测量的，即通过特定算法计算得到的。因此，解算的算法就显得尤为重要。目前，常见的FADS解算算法有最小二乘迭代法[22]、三点法[11,30]、神经网络法[33-35]、查表法[36]、Kriging法[37-38]以及Kalman滤波法[19]等。

从数学角度而言，FADS算法属于系统参数辨识问题，即利用观测量估计出系统参数的问题，其问题的核心在于系统建模和系统解算。其中系统模型至关重要，模型是否精准将直接影响算法的精度。目前，FADS系统模型主要是通过大量空气动力学研究的“三大试验”(风洞试验、CFD仿真以及飞行试验)数据建立的。然而，由于各飞行器气动布局迥异、FADS测孔位置的不同，导致系统模型不具备普适性。目前，大多数FADS解算算法的研究是针对钝头体布局飞行器展开的[13]，关于其他气动布局的FADS算法的研究较少。此外，任何一种方法是否有效，需要通过飞行试验的检验。而受制于飞行试验昂贵的成本和极高的不确定性，大多数FADS算法仍留在理论与仿真研究的水平。

表1 部分飞行器FADS测压孔数目及布局方式Table 1 The amount and configuration of pressure ports for some vehicles

对于FADS而言，系统算法精度、实时性以及技术成熟度等均是用户关心的重点。本文结合众多参考文献，从算法实时性、精度、稳定性、对测压孔位置要求、对验前信息要求以及应用现状等多个方面出发，对常见FADS算法的优劣性进行了总结归纳和比较(见表2)。从表2可以看出，除Kalman滤波法外，其余算法的实时性均会受到引压系统气动延迟的影响，其中最小二乘法、三点法均属于迭代算法，造成其实时性不如神经网络法、Kriging法和查表法，而Kalman滤波算法的实时性凭借着INS系统的辅助而得以提升。在精度方面，查表法精度最差，最小二乘算法不适用于高马赫飞行环境，除此以外其余算法的精度水平均较高。对于稳定性而言，只有神经网络法较好，其余算法(不含查表法和Kriging法)在实际计算中均需要迭代，因此对初值较为敏感，不合适的初值会引起系统的发散，在实际使用中，需认真对待。各种算法中，由于三点法是通过解析获得大气数据的解，故其对测压孔位置要求最高，同时也对测压孔位置较为敏感。此外，所有的FADS算法模型均依赖于前期大量的试验数据，尤其是神将网络法和Kriging法，对样本需求量更大，其精度也更依赖于样本的数目与水平。目前，最小二乘迭代法、三点法、神经网络法、Kalman滤波法均已应用于实际飞行器中，从应用效果与发展趋势看，神经网络法和Kalman滤波法将是未来FADS算法的重要发展和应用方向。

通过上述分析可知，各FADS算法均有各自的优势，在实际应用中，需结合用户需求与硬件水平，在满足精度要求的条件下，选择实时性强、稳定性较好的算法。

表2 FADS主要算法对比Table 2 Comparisons of FADS algorithms

2.3 气压测量延迟补偿技术研究现状

为避免突出结构在高超声速飞行环境中的烧蚀问题，FADS系统采取嵌入式物理结构，即在飞行器表面开有测压孔。每个测压孔通过引气管路与飞行器内压力传感器相连，将表面气压传递至压力传感器，以获得飞行器表面压力分布信息[11]。从数学角度看，引气管路相当于一个低通滤波器，其长度、直径以及传感器容腔体积均会影响气压测量的精度。此外，考虑到引气管路的存在和空气具有可压缩的特性，FADS在测量飞行器表面压力时存在一定时间上的迟滞，导致系统的实时性和精度受到很大程度的影响。近年来，研究者针对气压测量延迟问题开展了大量的研究。

宋秀毅等[39]在压力传感器动力学模型的基础上分析了压力传感器几何外形尺寸对测量性能的影响，并给出了高精度压力传感器的设计准则。高隆隆等[40]针对FADS引气管路的动态相应特性进行了分析，建立了压力传递模型并针对管路黏性损失、热传递效应等误差因素进行了仿真分析。李清东等[41]针对高空大气密度较低条件下压力传感器延迟时间过长问题进行了研究，提出了相位超前校正网络延迟补偿的方法。

此外，部分学者[16,23]利用INS系统大气数据解算实时性高的特点，通过信息融合方法，将FADS与INS系统互补，以此解决FADS测量延迟问题。

3 FADS/INS组合测量技术发展现状

对于飞行器而言，当飞行器处于大攻角飞行状态时，将会降低处于背风面的气压对攻角的灵敏度。此外，当飞行器处于高动态机动时，飞行自身的机动会扰乱原有来流流场，无形中增加了飞行器表面压力的测量误差。上述两点对基于飞行器表面压力测量的FADS技术是致命的打击，导致FADS在高动态机动(特别是飞行器大攻角或高频率角运动)或稀薄大气环境中精度大幅度地下降，甚至会发生错误。然而，当飞行器平稳飞行或处于中等机动时，FADS能够良好地工作，且具有较高的测量精度。

与FADS不同，INS通过敏感飞行器的加速度和角速度等运动信息，根据导航算法计算出飞行器速度、位置和姿态等信息，并根据大气模型获得大气数据。由于INS系统的信息源是飞行器的加速度和角速度，因此利用INS解算大气数据时不会受到飞行状态和飞行环境的限制。然而，由于INS自身存在导航误差随时间积累的缺陷问题，导致在长航时飞行条件下INS解算精度会大幅度下降。此外，INS解算大气数据时，还会受到大气模型不准确的干扰。

值得注意的是，FADS和INS关于飞行器相对速度的描述是不同的。前者描述的是飞行器相对大气的运动速度(又称为空速)，其中包含大气自身的运动；后者给出的是飞行器相对地面的速度(又称为地速)。在不考虑大气运动(含阵风)及其他干扰时，飞行器的空速与地速是一致的。值得注意的是，速度描述的不一致性导致了表征速度方向攻角和侧滑角也存在着一定的差异。

表3给出INS与FADS在测量大气数据方面的对比。从表3可以看出，FADS或INS各有所长，但均不能满足所有飞行环境条件下高精度大气数据的测量任务需求。因此，通过信息融合技术，充分利用二者特性进行优势互补，是提高大气数据测量水平的有效途径。

表3 FADS与INS解算大气数据方面的对比Table 3 Comparison of air data algorithm for FADS and INS

目前，国内外众多学者[42-50]对FADS与INS的信息融合技术开展了大量的研究。从公开的文献上看，FADS/INS组合测量系统的信息融合算法主要有两种：一种是基于互补滤波的信息融合算法，另一种是基于Kalman滤波的信息融合算法。

3.1 基于互补滤波的FADS/INS信息融合算法研究现状

基于互补滤波的FADS/INS信息融合算法主要利用了FADS在飞行器低频运动时的高精度特性和INS在飞行器高频运动的高精度特性，分别采用低通和高通滤波器对FADS与INS信号进行处理，最终获得高精度大气数据信息。图8为该算法的结构图。从图8可以看出，基于互补滤波的FADS/INS信息融合算法主要是利用低通滤波器和高通滤波器分别将FADS和INS计算获得的攻角和侧滑角进行滤波，再将滤波结果进行融合，最终获得高精度的攻角和侧滑角估计值。

图8 基于互补滤波的FADS/INS信息融合算法示意图

文献[43]基于互补滤波，设计了X-34飞行器中FADS/INS信息融合算法(文献中称为惯性增强滤波算法)。飞行试验结果表明，该算法与弹道计算结果基本一致。

国内学者杨胜江等[44]对嵌入式大气数据传感与惯性导航信息融合方法进行研究，分析了基于互补滤波的融合算法的性能，对其在X- 43A中的应用进行了概述与总结。

3.2 基于Kalman滤波的FADS/INS信息融合算法研究现状

由于相对速度测量的不一致，FADS与INS在解算攻角和侧滑角时存在一定的差异，这种差异主要是由大气运动即风速引起的。从测量原理上看，INS解算的攻角和侧滑角不包含风速，而FADS计算出的攻角和侧滑角中包含了来流的风速。利用二者之间的差异，采用一定的算法可估计出风速并加以补偿。文献[45]以INS与FADS攻角和侧滑角的测量误差为观测量，通过牛顿迭代，计算出航天飞机飞行环境中的风速。但是该方法会将测量误差特别是惯性器件误差引入估计结果中。此外，当飞行弹道倾角为零时，该方法会出现奇异。

为了进一步提高FADS与INS信息融合算法的性能，文献[20,46-49]研究了基于Kalman滤波技术的大气数据和风估计算法。文献[46]给出了利用Kalman滤波估计风速的方法，但状态量中没有包含大气数据。文献[47]提出了一种基于纵向风速估计的飞行控制方法。Karlgaard等[48]在火星探测任务中采用了基于Kalman滤波技术的FADS/INS大气数据估计算法。该方法以飞行器表面压力为测量值，选取大气密度、大气静压以及风速矢量为系统状态量，建立系统模型。通过Kalman滤波技术实现对大气数据的估计，文献[48-49]给出了该算法的详细过程。但这种算法实时性不足，仅能用于飞行试验后数据分析。随后，Karlgaard等[20]对该算法进行了改进，提高了算法的实时性。2012年，该算法在火星再入飞行试验任务中进行了应用，成功获得再入时大气数据及风场情况。然而，该算法对系统大气模型精度要求较高，且没有充分考虑到FADS测压存在延迟的问题。

国内学者杨雷等[50]也对该算法进行了研究和复现，并通过仿真算法校验了该方法的有效性。

4 结束语

同传统ADS相比，FADS能够很好地解决高超声速飞行和大攻角机动飞行中大气数据测量问题。同时，嵌入式结构布局一方面减少了雷达反射面积，提高了飞行器的隐身性能；另一方面减少了系统机械结构部件，减小了系统体积和重量。FADS的上述优势，满足未来飞行器的发展需求，特别是新一代战斗机等军用飞行器的任务需求。因此，从科学技术发展与应用的角度看，FADS势必会取代ADS成为军用及民用飞行器的大气数据测量设备，是未来大气数据测量技术发展的必然趋势。

现阶段FADS技术已取得了一系列重大研究成果，在其未来的发展中，以下几个方面的问题需特别值得关注：

1)高精度飞行器表面压力测量技术。目前，FADS主要通过嵌入式测压孔和引气管路对飞行器表面压力进行测量。正如前文所述，该方法存在测量延迟、高频信号丢失等问题。对应的解决思路有两种：一是从硬件角度出发，通过改变测压方法，提高测量精度；二是从软件角度出发，通过机载计算机对计算结果进行补偿。

2)高保真气动模型建立。FADS的本质是基于飞行器表面压力测量值反解大气数据。因此，准确的飞行器表面压力分布与大气数据之间的映射关系至关重要。高保真气动模型是获得高精度大气数据的前提条件，亦是提升FADS性能的重要基石。

3)FADS算法性能的提高。目前，三点法依然是使用最为广泛的算法，但其对系统测压孔位置布局及精度要求较高，在解算静压、动压和马赫数时，迭代算法的使用容易造成系统对迭代初值较为敏感。未来FADS算法必然朝着精度高、鲁棒性强、容错性好、实时性强等方向发展。

4)组合系统发展的趋势。目前，飞行器上常见的导航系统有INS、GPS等。而目前基于FADS和INS的组合测量系统，对INS的修正能力有限。未来，基于FADS、INS、GPS、气象预报等多源信息的融合技术，可充分利用各导航系统的优势，形成优势互补，提高大气数据和飞行参数的测量精度，必将成为未来FADS技术的发展方向。

FADS技术从诞生之初便展现出了巨大的发展潜力，已经成为国内外研究的热点。我国在FADS相关技术方面研究起步较晚，与国外研究成果差距较大，还有很多技术细节和工程问题亟需解决。为此，一方面需要对国外先进技术保持密切跟踪和学习，另一方面需要结合我国的国情开展相应的研究，通过学习与自主创新相结合手段，进一步推动我国大气数据测量技术的高速发展，为新一代高性能飞行器的研发提供技术支撑和重要保障。