王 鵬 金 鑫

(中國航天空氣動力技術(shù)研究院，北京 100074)

嵌入式大氣數(shù)據(jù)傳感 (flush air data sensing，F(xiàn)ADS) 系統(tǒng)作為一種先進的飛行參數(shù)傳感系統(tǒng)，經(jīng)過不斷發(fā)展及完善，目前國外技術(shù)已比較成熟，特別是針對用于鈍頭飛行器的FADS 系統(tǒng)，建立了相對完善的故障診斷及冗余配置方法，F(xiàn)ADS 系統(tǒng)已成功產(chǎn)業(yè)化并已被廣泛試驗及應(yīng)用于F-14，X-31，X-33，X-34，X-38 等[1-5]各型飛行器中。而針對尖楔前體用FADS 系統(tǒng)，關(guān)鍵技術(shù)尚未突破[6-8]。

鑒于尖楔前體飛行器外形各異，到目前為止尚未發(fā)展出一套成熟且通用的FADS 系統(tǒng)求解算法[9]。同時該類型飛行器目前大多正處于試驗論證階段，對于FADS 系統(tǒng)模型及算法的通用性實現(xiàn)困難極大。因此，對于FADS 系統(tǒng)的求解算法并不是非常成熟與完善。前期的相關(guān)研究表明，針對FADS 系統(tǒng)建立的神經(jīng)網(wǎng)絡(luò)算法已成功用于配備有昂貴裝備的大型、快速飛行器中，且系統(tǒng)的精度較高[10-12]。但針對神經(jīng)網(wǎng)絡(luò)方法用于具有尖楔前緣飛行器用FADS 系統(tǒng)的分析研究工作較少，且采用的網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)點數(shù)太少，無法充分反映神經(jīng)網(wǎng)絡(luò)算法在尖楔前體飛行器中應(yīng)用的可靠性[13]。因此，本文建立了尖楔類FADS 系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)模型，并在此模型的基礎(chǔ)上分析了其故障測壓孔對于算法精度的影響。

FADS 系統(tǒng)通過配置在飛行器前緣表面的測壓孔得到表面壓力，根據(jù)建立的模型反推得到飛行器的飛行參數(shù)，測壓孔配置及能否準確得到表面壓力數(shù)值至關(guān)重要。人工神經(jīng)網(wǎng)絡(luò)算法依靠準確的壓力輸入得到準確的飛行參數(shù)，由于飛行器嚴酷的飛行環(huán)境及硬件配置需求等的影響，測壓孔故障導(dǎo)致得到的表面壓力不準確不可避免。此外，輸入壓力的噪聲、傳感器誤差及電路系統(tǒng)故障都會導(dǎo)致FADS 系統(tǒng)性能降低。因此，在FADS 系統(tǒng)裝配之前必須要對其噪聲及故障的承受能力進行檢驗。此外，由于尖楔前緣飛行器前緣空間有限，很難從物理上過多配置測壓孔以實現(xiàn)冗余的目的，所以，能否依靠僅有的幾個測壓孔實現(xiàn)互相作為冗余配置就顯得很重要。

1 尖楔前體飛行器用FADS 系統(tǒng)簡介

圖1 所示為本研究尖楔前體飛行器的頭部外形，其長度約為2400 mm，上表面的半楔角為15°，下表面為平板。飛行包線如圖2 所示，分別給出了馬赫數(shù)Ma、攻角及側(cè)滑角與高度H的變化關(guān)系。本文研究的FADS 系統(tǒng)試驗窗口如下：時間t=22～30 s，Ma=3.0～5.0，H=6.0～11.0 km。

圖1 飛行器頭部外形

圖2 飛行包線

FADS 系統(tǒng)通過飛行器表面測壓孔測量表面來流壓力，根據(jù)建立的氣動模型反推得到飛行參數(shù)，測壓孔配置及壓力準確性對FADS 系統(tǒng)的實現(xiàn)精度至關(guān)重要，尤其對于本文建立的無物理模型的BP(back propagation) 神經(jīng)網(wǎng)絡(luò)模型更加重要。該方法略去了氣動建模的過程，但測壓孔的選取需要基于氣動理論，應(yīng)配置在與相應(yīng)飛行參數(shù)敏感的位置。針對尖楔外形特點及實際需求，根據(jù)相關(guān)的空氣動力學(xué)理論，該FADS 系統(tǒng)配置了9 個測壓孔。本文僅涉及位于攻角平面的5 個測壓孔，用于馬赫數(shù)、攻角及靜壓的建模及解算，對于位于側(cè)滑角平面的測壓孔及側(cè)滑角的解算，本文并不涉及。FADS 系統(tǒng)的測壓孔具體配置方案如圖3 所示。

圖3 測壓孔配置

尖楔前緣駐點配置1 個測壓孔p1(測壓孔用p1表示，其壓力數(shù)值用p1表示，下同)，沿飛行器縱向?qū)ΨQ面中心線上、下表面各配置2 個測壓孔，其中測壓孔p2，p4 位于上表面，測壓孔p3，p5 位于下表面，用于估計攻角。各個測壓孔的位置信息為，p1：(0，0，-0.002)，p2：(18，0，9.611)，p3：(18，0，-0.002)，p4：(126.770，0，41.5912)，p5：(126.770，0，0)(單位：mm)。本文僅從攻角解算的角度進行分析，所以僅涉及位于縱向?qū)ΨQ面上的5 個測壓孔。

2 數(shù)值計算結(jié)果分析

本文采用數(shù)值計算方法對測壓孔壓力分布特征進行了分析。基于第1 節(jié)的飛行包絡(luò)，選取典型狀態(tài)進行計算，得到的典型狀態(tài)下的表面壓力分布，通過提取位于前體表面不同位置的測壓孔壓力，得到所需測壓孔的壓力數(shù)值。為了定性分析流場結(jié)構(gòu)及定量比較各個測壓孔的壓力分布規(guī)律，給出了Ma=3.0，攻角為0°時計算得到的頭部外形流場結(jié)構(gòu)如圖4 所示，表面壓力分布云圖如圖5 所示。

圖4 壓力分布云圖

圖6 給出了沿縱向?qū)ΨQ面中線的上下表面及駐點區(qū)域的壓力分布特征，定量說明了位于不同區(qū)域的測壓孔的壓力變化情況。所配置的測壓孔應(yīng)對求解的飛行參數(shù)敏感，才能有效地反映與之對應(yīng)的飛行參數(shù)。針對測壓孔的敏感性分析，參考文獻[14]。

圖6 沿縱向?qū)ΨQ面中線的壓力分布特征

3 尖楔前體飛行器FADS 系統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)

3.1 人工神經(jīng)網(wǎng)絡(luò)模型

針對尖楔前體FADS 系統(tǒng)的特點及人工神經(jīng)網(wǎng)絡(luò)的非線性建模能力，本文采用基于BP 神經(jīng)網(wǎng)絡(luò)建模技術(shù)建立了FADS 系統(tǒng)的解算模型及算法，算法流程框圖如圖7 所示，主要流程包括模型構(gòu)建、算法測試驗證及脫機算法實現(xiàn)等。該算法結(jié)構(gòu)包含輸入層、(一個或多個) 隱含層和輸出層，層與層之間依靠神經(jīng)元互相傳遞信息，實現(xiàn)從輸入到輸出的高度非線性映射，但各層的神經(jīng)元之間是獨立的。該學(xué)習(xí)算法的基本原理采用多層前傳算法，實現(xiàn)模式前向傳播，誤差反向傳播。最終目標是通過訓(xùn)練數(shù)據(jù)集得到權(quán)值與閾值的系數(shù)矩陣，使得網(wǎng)絡(luò)輸出與期望輸出間的均方誤差值最小。同時，本文建立的網(wǎng)絡(luò)結(jié)構(gòu)隱含層采用雙曲正切函數(shù)作為激活函數(shù)，輸出層采用線性函數(shù)實現(xiàn)參量的輸出。

圖7 神經(jīng)網(wǎng)絡(luò)算法流程

3.2 基于雙隱含層的多輸入單輸出神經(jīng)網(wǎng)絡(luò)模型

典型的含有雙隱含層的多輸入單輸出神經(jīng)網(wǎng)絡(luò)模型如圖8 所示，根據(jù)不同文獻對輸入層的定義，本文將輸入層單獨作為一層，并納入神經(jīng)網(wǎng)絡(luò)總體結(jié)構(gòu)中。輸入?yún)⒘縋即為各個測壓孔的壓力數(shù)據(jù)，包含駐點壓力數(shù)據(jù)時，輸入數(shù)據(jù)為p1～p5；不包含壓力數(shù)據(jù)時，輸入數(shù)據(jù)為p2～p5。n為隱含層神經(jīng)元數(shù)目，m為輸入層單元個數(shù)(數(shù)據(jù)經(jīng)歸一化處理后的輸入)。

第二，通過整合信息技術(shù)，使智慧校園的建設(shè)中擁有無線技術(shù)和網(wǎng)絡(luò)基礎(chǔ)的基礎(chǔ)構(gòu)建，并及時做好信息之間的聯(lián)動運用，保證信息可以隨時隨地在介質(zhì)中進行信息傳播和信息聯(lián)動，從而增加信息的覆蓋率和信息精準度。

圖8 多輸入單輸出神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

根據(jù)圖8 的定義，輸入數(shù)據(jù)首先要進行歸一化處理，才能作為實際網(wǎng)絡(luò)的輸入?yún)⒘浚瑲w一化流程參考文獻[14]。隱含層神經(jīng)元數(shù)目為n，輸出變量為單一輸出，即為攻角α。第一隱含層定義為

第二隱含層定義為

輸出層定義為

其中，IW2，1，IW3，2，IW4，3分別為各層間的權(quán)值系數(shù)矩陣，b2，b3，b4為各層的閾值系數(shù)矩陣。f2，f3是該雙隱含層網(wǎng)絡(luò)結(jié)構(gòu)中隱含層神經(jīng)元的激活函數(shù)，定義為雙曲正切函數(shù)。f4為輸出層的功能函數(shù)，定義為斜率為1 截距為0 的線性函數(shù)。神經(jīng)網(wǎng)絡(luò)模型及算法詳細流程參考文獻[15]，本文不再詳述，僅對涉及的關(guān)鍵網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)對求解精度的影響進行系統(tǒng)評估。

雖然從理論上神經(jīng)網(wǎng)絡(luò)作為一種代理模型的解算方法，可以訓(xùn)練任意的數(shù)據(jù)集(一一對應(yīng)) 實現(xiàn)輸入及輸出的映射關(guān)系的建立。但是作為輸入量的壓力數(shù)據(jù)及輸出量的飛行參數(shù)之間，本身具有一一對應(yīng)的關(guān)系，從氣動理論上是有實際物理意義的。所以，選取的測壓孔應(yīng)符合實際飛行需求。對于選取的測壓孔敏感性分析，參考文獻[14]。本文僅針對攻角的解算模型進行了分析，為了驗證駐點壓力對算法精度的影響，本文分別將駐點壓力作為輸入量與不作為輸入量的情形建立了兩套不同的網(wǎng)絡(luò)模型。

3.3 數(shù)據(jù)集生成

神經(jīng)網(wǎng)絡(luò)建模本質(zhì)上屬于內(nèi)插的方法，即需要大批量的數(shù)據(jù)作為訓(xùn)練樣本，從而實現(xiàn)神經(jīng)網(wǎng)絡(luò)算法強大的預(yù)測能力，所基于的訓(xùn)練數(shù)據(jù)要包括FADS 系統(tǒng)工作域段的所有信息。本文建模的壓力數(shù)據(jù)依靠CFD 生成，根據(jù)第1 節(jié)中該飛行器的飛行包絡(luò)，在馬赫數(shù)、靜壓及攻角范圍內(nèi)選擇共計約2000 個數(shù)據(jù)點進行計算，其中Ma= 3.0，3.5，4.0，4.5，5.0；攻角為-10°，-8°，-5°，-3°，-2°，-1°，0°，1°；靜壓范圍為20～50 kPa，獲得足夠多的樣本數(shù)據(jù)易實現(xiàn)預(yù)測范圍的全覆蓋。其中1800 個數(shù)據(jù)點用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，另外的約200 個數(shù)據(jù)點用于對訓(xùn)練好的網(wǎng)絡(luò)進行測試。實際訓(xùn)練中，原始數(shù)據(jù)集分為訓(xùn)練集和測試集，從原始數(shù)據(jù)中抽取一部分作為測試數(shù)據(jù)，其余作為訓(xùn)練數(shù)據(jù)。訓(xùn)練集用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)中的權(quán)值和閥值，監(jiān)控計算過程中的訓(xùn)練誤差；測試數(shù)據(jù)集用于測試最后得到的神經(jīng)網(wǎng)絡(luò)的泛化能力，得到泛化誤差。

4 駐點壓力對算法精度的影響

駐點作為反映流動信息的重要區(qū)域，與飛行狀態(tài)信息密切相關(guān)，目前所有涉及FADS 系統(tǒng)解算的模型一般都將駐點壓力作為輸入?yún)⒘俊５珜嶋H工程應(yīng)用中，駐點壓力由于種種原因可能難以得到，如尖楔前緣半徑很小，在前緣表面開測壓孔結(jié)構(gòu)上無法實現(xiàn)。因此，本節(jié)對駐點壓力對模型及算法精度的影響進行了評估。神經(jīng)網(wǎng)絡(luò)模型及算法均采用上節(jié)介紹的基于BP 神經(jīng)網(wǎng)絡(luò)的多輸入單輸出算法結(jié)構(gòu)。當(dāng)建立的針對攻角的單輸出網(wǎng)絡(luò)結(jié)構(gòu)輸入量包括駐點壓力時，輸入量為p1～p5；當(dāng)建立的針對攻角的單輸出網(wǎng)絡(luò)結(jié)構(gòu)輸入量不包括駐點壓力時，輸入量為p2～p5。對于圖7 所建立的神經(jīng)網(wǎng)絡(luò)，得到了駐點壓力對算法測試精度的影響如圖9 所示，δα表示攻角解算值與實際數(shù)值的偏差。

圖9 駐點壓力對算法精度的影響

根據(jù)圖9 可以看出，駐點壓力對于攻角的求解精度影響較大。駐點壓力作為輸入量的情形下，攻角的測試誤差小于0.20°；而駐點壓力不作為輸入量的情形，攻角的測試誤差小于0.40°，誤差范圍擴大。所以，駐點壓力對于網(wǎng)絡(luò)算法的攻角求解精度影響較大。在駐點壓力可以準確得到的前提下，神經(jīng)網(wǎng)絡(luò)算法的輸入量應(yīng)包含駐點壓力。

5 測壓孔故障對算法精度的影響

5.1 故障設(shè)置方式

人工神經(jīng)網(wǎng)絡(luò)建模的優(yōu)勢是模型簡單，劣勢是隨著網(wǎng)絡(luò)結(jié)構(gòu)的增加，所需機載存儲增加顯著，因此機載FADS 系統(tǒng)一般采用離線算法，并非實時訓(xùn)練。這就會導(dǎo)致如果某個測壓孔發(fā)生故障而沒有及時進行修正，所求解的飛行參數(shù)精度將受到影響。而利用相鄰測壓孔的壓力讀數(shù)替換故障測壓孔的方法便是最簡單的冗余配置方式，同時效果顯著。這也是很多工程應(yīng)用的FADS 系統(tǒng)都傾向于采用物理冗余配置的原因。

本設(shè)計中，測壓孔p1 位于駐點區(qū)域，0°攻角附近時，實際上測壓孔p2，p4 位于迎風(fēng)面，測壓孔p3，p5 位于背風(fēng)面，同時位于迎風(fēng)面或背風(fēng)面的測壓孔具有相似的壓力分布特征，即p2，p4 具有相似的壓力分布特征，p3，p5 具有相似的壓力分布特征，僅在數(shù)值上存在差異，可以互相作為冗余使用。冗余配置測壓孔的FADS 系統(tǒng)顯著提高了對于故障的魯棒性；而且能減小系統(tǒng)噪聲的影響。基于測壓孔p2和p4 及測壓孔p3 和p5 的相對位置關(guān)系，并非越接近越好，因為要考慮模型的整體輸入量的影響[14]。下述章節(jié)將對不同的故障測壓孔是否進行修正進行系統(tǒng)比較，為了改進冗余配置以防發(fā)生故障對算法精度的影響。表1 給出了FADS 工作域段內(nèi)各個測壓孔的壓力合理范圍。

表1 各個測壓孔的壓力合理范圍

5.2 單一測壓孔故障

測壓孔p1～p5 中單一測壓孔故障，處理方法如下：(1) 若p1 故障，即駐點測壓孔故障，將不對測壓孔進行修正，將算法轉(zhuǎn)入不含駐點壓力訓(xùn)練得到的算法進行求解，因為駐點壓力數(shù)值較大，無法依靠替換駐點壓力修正，如第3 節(jié)所述。(2) p1～p5單一測壓孔故障時，將故障測壓孔的輸入壓力設(shè)置為0，不做修正的情形下對算法精度的影響如圖10所示。(3) p2～p5 中單一測壓孔故障，用相鄰的位于同一迎風(fēng)面或背風(fēng)面的測壓孔代替，即p2 故障，輸入壓力為p1，p4，p3，p4，p5；p3 故障，輸入壓力為p1，p2，p5，p4，p5；p4 故障，輸入壓力為p1，p2，p3，p2，p5；p5 故障，輸入壓力為p1，p2，p3，p4，p3，對算法精度的影響如圖11所示。

圖10 單一測壓孔故障未修正對算法精度的影響

根據(jù)圖10 及圖11 分析，單一測壓孔故障不做任何修正的情形下對算法精度影響極大，認為算法失效。駐點壓力故障時，由于駐點壓力較大，針對該尖楔形無法用簡單的測壓孔替換尋求解決方案，將轉(zhuǎn)入第3 節(jié)所述的不包含駐點壓力作為輸入時的算法，此時的訓(xùn)練算法中不包含駐點壓力，相對測壓孔故障的修正得到的精度而言，精度較好。測壓孔p2～p5 中的單一測壓孔出現(xiàn)故障，用相鄰的位于同一迎風(fēng)面或背風(fēng)面的測壓孔代替時對解算精度的影響明顯減小，雖然誤差范圍比各個測壓孔正常工作時明顯擴大，但在研究包線范圍內(nèi)，精度尚可。原因主要是對于尖楔前緣而言，同位于迎風(fēng)面或是背風(fēng)面的測壓孔具有相似的壓力分布規(guī)律，若位置配置合理，可以互相作為冗余配置使用。

圖11 單一測壓孔故障修正對算法精度的影響

5.3 兩個測壓孔故障

測壓孔p2～p5 中任意兩個測壓孔出現(xiàn)故障，處理方法如下：用相鄰的位于同一迎風(fēng)面或背風(fēng)面的測壓孔代替，即 p2，p3 故障，輸入壓力為p1，p4，p5，p4，p5；p2，p5 故障，輸入壓力為p1，p4，p3，p4，p3；p3，p4 故障，輸入壓力為p1，p2，p5，p2，p5；p4，p5 故障，輸入壓力為p1，p2，p3，p2，p3?；?.1 節(jié)的分析，本節(jié)對于駐點測壓孔故障及位于迎風(fēng)面的2 個測壓孔同時故障進行了定性分析，若位于迎風(fēng)面的測壓孔2 與4 同時失效，則認為FADS 系統(tǒng)失效。若兩個測壓孔出現(xiàn)故障而不修正，算法精度將急劇增大；若用臨近的下一個位于同一迎風(fēng)面或是背風(fēng)面的測壓孔代替，算法精度較好，如圖12 所示。因此，對于2 個測壓孔故障的情形，必需進行冗余修正。

圖12 兩個測壓孔故障對算法精度的影響

故障診斷測試分析得出，若測壓孔發(fā)生故障而不對其進行處理，不管是某一測壓孔故障還是兩個測壓孔故障，神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)功能誤差急劇增加，一個測壓孔故障時攻角誤差可達20°。相對而言，若將發(fā)生故障的測壓孔的壓力讀數(shù)利用相鄰的測壓孔的壓力讀數(shù)來替換，那么誤差會極大地降低，所以互相作為冗余的修正方法會極大改善FADS 系統(tǒng)針對故障的魯棒性。

6 測壓孔誤差限分析

上述章節(jié)中針對測壓孔故障的分析方法都將故障測壓孔壓力數(shù)據(jù)設(shè)置為零，即在某一測壓孔故障時將其剔除在算法的輸入中。實際測壓孔故障有兩種方式：(1) 傳感器測壓數(shù)值明顯減小，甚至減為0，即為上述章節(jié)中的情形；(2)傳感器壓力數(shù)值一定程度地減小，超過了容許的誤差限。譬如正常傳感器偏差0.5% 左右，但實測傳感器測壓數(shù)值減小了5% 甚至更大。這種故障是測壓不準導(dǎo)致誤差偏大，若不超過算法容許的誤差限，可以不進行修正。若超過算法容許誤差限，要進行修正。因此，本節(jié)基于算法精度的容許誤差限需求，對于各個測壓孔的最大容許的誤差限進行了分析，從而為算法的適用性提供指導(dǎo)。需要說明一點，各個測壓孔的最大冗余誤差限與所需飛行參數(shù)的精度水平密切相關(guān)。

沿所研究彈道生成對應(yīng)各個測壓孔的 3σ=100 Pa，300 Pa，1000 Pa 正態(tài)分布隨機誤差源分布，如圖13 所示。為了考核單個測壓孔的影響，將該按正態(tài)分布的隨機誤差源加入到p1～p5 的原始壓力數(shù)據(jù)中，最后將加入誤差源影響的壓力作為算法的輸入量，從而建立相應(yīng)的誤差容許限。結(jié)合實際預(yù)測精度的需求，得到誤差源的極限范圍。駐點p1 及p2～p5 加入上述生成的隨機誤差后對算法的精度影響如圖14 和圖15 所示。

圖13 各個測壓孔給定的3σ 誤差分布

圖14 駐點p1 容許的誤差限分析

將3σ= 1000 Pa，1500 Pa，2000 Pa 正態(tài)分布隨機誤差加入測壓孔p1 原始壓力數(shù)據(jù)中得到的攻角誤差分布如圖14 所示，可以看出單獨駐點壓力對算法精度的影響誤差在0.2°～0.4°之間；將3σ= 100 Pa，300 Pa 正態(tài)分布隨機誤差加入測壓孔p2～p5 的原始壓力數(shù)據(jù)中得到的攻角誤差分布如圖15 所示，可以看出測壓孔p2～p5 的單獨壓力偏差對算法精度的影響誤差在0.1°～0.25°之間。在本文設(shè)定的誤差限范圍內(nèi)，單一測壓孔誤差對于算法精度的影響并不顯著，說明該算法適用性較好。同時綜合p1～p5 各個測壓孔的誤差限分析如圖16 所示。在p13σ= 1000 Pa，p2～p53σ= 100 Pa 的誤差源下，可以看出壓力對算法精度的影響誤差在0.2°～0.6°之間，對算法精度有較大影響。所以，實際測壓孔故障對算法精度的影響及各個測壓孔容許的誤差限需求，需要根據(jù)所需精度需求及硬件設(shè)備進行系統(tǒng)驗證。

圖15 p2 ～p4 容許的誤差限分析

圖16 綜合各個測壓孔的誤差限分析

7 結(jié)論

通過人為設(shè)置測壓孔故障的方法，針對單個故障測壓孔及多個故障測壓孔對尖楔前體飛行器FADS系統(tǒng)算法精度的影響進行了考核，并結(jié)合算法精度初步對各個測壓孔的容許誤差限進行了分析，得到的結(jié)論如下。

(1) 不管是單個測壓孔故障或多個測壓孔故障，若不進行修正，都將會顯著降低FADS 系統(tǒng)的解算精度，可能使得FADS 系統(tǒng)失效。采用位于同一迎風(fēng)面或背風(fēng)面的相鄰的測壓孔壓力替代故障測壓孔，即通過互為冗余的測壓孔配置，可以顯著改善FADS系統(tǒng)的解算精度。

(2)駐點壓力對建立的神經(jīng)網(wǎng)絡(luò)的算法解算精度有一定影響，但是相對某一測壓孔故障時對算法精度的影響而言，采用不包括駐點壓力建立的神經(jīng)網(wǎng)絡(luò)模型的解算精度較高。所以實際應(yīng)用中應(yīng)根據(jù)實際工程實踐情形決定是否采用包不包括駐點壓力的情形。

(3)針對各個測壓孔誤差限對算法精度的影響表明，各個測壓孔在容許的精度范圍內(nèi)都有一定的誤差冗余，需要根據(jù)所需精度的需求進行反推得到，從而建立各個測壓孔的實際誤差范圍。

本文僅通過人為設(shè)置故障測壓孔的方式對FADS 系統(tǒng)的性能進行了評估，且僅涉及FADS 系統(tǒng)中攻角的解算。對于其他飛行參數(shù)的分析及尖楔類FADS 系統(tǒng)的自動故障診斷方法將在后續(xù)文章中涉及。