合成空気データシステム

合成空気データシステム（SADS ）は、空気データを直接測定することなく合成空気データ量を生成できる代替空気データシステムです。 GPS、風情報、航空機の姿勢、空気力学的特性などの他の情報を使用して、空気データ量を推定または推測します。空気データには高度、対気速度、圧力、気温、マッハ数、および流れの角度（迎え角、横滑り角など）が含まれますが、既存のSADSは主に対気速度、迎え角、および横滑り角の推定に重点を置いています。SADSは、センサーの障害またはシステムの障害による異常がある場合に、主要な空気データシステムを監視するために使用されます。^{[ 1 ] [ 2 ]}また、航空機の空気データ推定値を提供するためのバックアップとして使用される可能性もあります。

機能性

合成空気データシステムは、ピトー静圧システムやアングルベーンといった機械式空気データシステムに冗長性（解析的冗長性）を追加することで、リスクを低減できる可能性があります。また、データ互換性チェックを通じて他のサブシステムの故障検出にも使用できます。

歴史

SADSのアイデアは1980年代から存在しています。基本的な考え方は、慣性計測装置（IMU）やGPSなどの非空気データセンサーを車両ダイナミクスモデルと融合して、空気データのトリプレットである対気速度、迎え角、横滑り角を（個別または組み合わせて）推定することです。初期の研究のほとんどは、航空機^{[ 3 ] [ 4 ] [ 5 ] [ 6 ]}および宇宙船^{[ 7 ] [ 8 ]}アプリケーションの両方で車両ダイナミクスモデルを使用して空気データを推定しました。このアプローチは、空気力学モデルベースのSADSと呼ばれることもあります。 ^{[ 9 ] [ 10 ] [ 11 ]}ただし、空気力学モデルベースのSADSは、空気データの推定で必要な精度を生み出すために必要な忠実度を持つ正確な車両ダイナミクスモデルを取得するのが難しいため、実装が困難です。この問題に対処するために、モデルフリーSADSが最近提案されました。^{[ 12 ] [ 13 ] [ 14 ]}モデルフリーSADSは、車両運動モデルを必要としません。代わりに、慣性航法システム（INS）と3次元（3D）風速推定の精度に依存します。

2009年のエールフランス447便の事故後、SADSは新たな関心を集めています。ミネソタ大学、デルフト工科大学、NASAラングレー研究センター、ミュンヘン工科大学の飛行力学および飛行管制研究所など、いくつかの大学や政府機関が、SADS関連のテーマを研究しています。SADSに関連する最近の特許は、コリンズエアロスペース^{[ 15 ] [ 16 ]}やハネウェル^{[ 17 ]}などの主要な航空データシステム製造業者によって申請されています。さらに、最近のボーイング737 MAXの2件の事故（ライオンエア610便（2018年）とエチオピア航空302便（2019年））により、SADSが再び脚光を浴びており^{[ 18 ]} 、レポートで詳しく説明されています。特に、合成対気速度^{[ 19 ]}は、ボーイング機の安全性を向上させるための焦点となっています。

民間航空機

SADSは、ボーイング787などの最新鋭の民間航空機の一部に実装されています。ボーイング787のADSは、迎角測定、慣性データ、正確な揚力係数、そして機体質量（離陸後に検証）から合成対気速度を計算します。^{[ 20 ]}この合成対気速度により、ボーイング787は誤った対気速度測定から回復することができました。^{[ 21 ]}

無人航空機

SADSは無人航空機（UAV）にも実装されている。^{[ 22 ]} UAVにSADSが採用された理由は、小型無人航空機システム（UAS）に搭載されている低コストの航空データシステムのほとんどが信頼性に欠けるという点にある。また、小型UAVに複数の航空データセンサー（ピトー管など）を搭載することは、サイズ、重量、電力の制約が厳しいため実現不可能である。SADSは、目視内および目視外（BVLOS）ドローン運用の両方において、ドローンの全体的な信頼性を大幅に向上させることができる。最近の学術研究では、SADSを活用して、小型UASで使用されるADSの精度、障害検出能力、信頼性を向上させることに焦点を当てている。^{[ 23 ] [ 24 ]}

エアデータトリプレット

小型無人航空機の対気速度 、迎え角、横滑り角の定義。${\textstyle V_{a}}$ ${\textstyle \alpha }$ ${\textstyle \beta }$

対気速度 、迎え角、横滑り角は、大気データトリプレットを表し、SADSの現在の最先端技術では、これら3つの量をまとめて、または個別に推定します。大気データトリプレットを推定する一つの方法は、風向三角形の関係を用いることです。数学的には、風向三角形の方程式は以下のようになります。 ${\textstyle V_{a}}$ ${\textstyle \alpha }$ ${\textstyle \beta }$

$${\displaystyle {\big [}{\begin{array}{ccc}u&v&w\end{array}}{\big ]}^{T}={\bf {C}}_{n}^{b}({\boldsymbol {\psi }}_{nb}^{n})\left[{\bf {v}}^{n}-{\bf {W}}^{n}\right]}$$ ここで、、、は物体座標系で表される並進速度成分であり、は北東下（NED）座標系から物体座標系への座標変換です。ベクトルはロール、ピッチ、ヨーにおける姿勢ベクトルを表します。と はそれぞれNED座標系における対地速度と風ベクトルを表します。 ${\textstyle u}$ ${\textstyle v}$ ${\textstyle w}$ ${\textstyle {\bf {C}}_{n}^{b}({\boldsymbol {\psi }}_{nb}^{n})}$ ${\textstyle {\boldsymbol {\psi }}_{nb}^{n}={\big [}\phi ~\theta ~\psi {\big ]}^{T}}$ ${\textstyle {\bf {v}}^{n}}$ ${\textstyle {\bf {W}}^{n}}$

、、が分かっている場合、対気速度、迎え角、横滑り角は次のように計算できます。^{[ 25 ]}${\textstyle u}$ ${\textstyle v}$ ${\textstyle w}$ ${\textstyle V_{a}}$ ${\textstyle \alpha }$ ${\textstyle \beta }$

$${\displaystyle V_{a}={\sqrt {u^{2}+v^{2}+w^{2}}}}$$ $${\displaystyle \alpha =\tan ^{-1}\left({\dfrac {u}{v}}\right)}$$ $${\displaystyle \beta =\sin ^{-1}\left({\dfrac {v}{\sqrt {u^{2}+v^{2}+w^{2}}}}\right)}$$

方法

測定された空気データを直接使用せずに、対気速度、迎え角、横滑り角を推定（「合成」）する方法は様々です。例えば、合成対気速度は、対地速度、迎え角、風速、飛行機のピッチ姿勢と機首方位を用いて計算できます。対地速度は通常、GPSによって提供されます。迎え角の測定値は、角度ベーンから取得できます。風速は、航空機搭載気象レーダーによって取得できます。飛行機の姿勢は、慣性航法システムから計算できます。合成対気速度の正確な計算方法は様々ですが（例えば、計算を簡素化するために小角近似を行うことができます）、基本的には運動学的風三角方程式に基づいています。この方法は、モデルフリーSADS法と呼ばれることもあり、機体モデルのダイナミクスは考慮されません。

モデルベースSADSは、車両ダイナミクスモデルを活用して空気データの量を推定します。特に、空力係数は合成空気データの計算に用いられます。例えば、揚力係数、マッハ数、高度が分かれば、迎え角を合成できます。数学的には、^{[ 3 ]}${\textstyle \alpha }$ ${\textstyle C_{L}}$ ${\textstyle M}$ ${\textstyle h}$

$${\displaystyle \alpha =f(C_{L},~M,~h)}$$

関連する関数は、空力データに曲線を当てはめることによって経験的に決定できます。モデルベースのSADSの精度は、空力係数の精度に依存します。この精度制約は、F-15のような高性能航空機では問題にならないかもしれませんが、低価格のUAVでは非常に困難になる可能性があります。 ${\textstyle f(\cdot )}$ ${\textstyle C_{L}}$ ${\textstyle \alpha }$

多くのモデルベースおよびモデルフリーSADSは、センサーフュージョンやリアルタイムコンピューティングが必要な場合、カルマンフィルタや最小二乗法などの古典的な推定手法を広範に活用して大気データを推定します。データ駆動型学習や機械学習に基づく大気データ推定アルゴリズムなど、他の非従来的な手法も過去10年間で登場しましたが、^{[ 26 ] [ 27 ]}、アルゴリズムの複雑さのために認証が困難です。

参照

• 航空データコンピュータ
• 慣性航法システム
• 冗長性（エンジニアリング）
• カルマンフィルタ
• 航空電子工学における頭字語と略語
• F-14に搭載された中央航空データコンピュータ。マイクロプロセッサベースの最初のADCである。

参考文献

1. Freeman, Paul、Seiler, Peter、Balas, Gary J (2013). 「航空データシステムの障害モデリングと検出」 .制御工学実践. 21 (10). ELSEVIER: 1290– 1301. doi : 10.1016/j.conengprac.2013.05.007 .
2. ML Fravolini, G. Del Core, U. Papa, P. Valigi, MR Napolitano (2019). 「航空データシステムセンサーの堅牢な故障検出のためのデータ駆動型スキーム」. IEEE Transactions on Control Systems Technology . 27 (1). IEEE: 234– 248. Bibcode : 2019ITCST..27..234F . doi : 10.1109/TCST.2017.2758345 . S2CID 54464524 . 
3. Zeis, JEJ (1988). 「慣性基準プラットフォームを用いた迎え角と横滑り角の推定」(PDF) . 修士論文, 米空軍技術研究所, ライト・パターソン空軍基地. 2020年3月27日時点のオリジナルよりアーカイブ(PDF) .{{cite journal}}:ジャーナルを引用するには|journal=（ヘルプ）が必要です
4. Colgren, R., Frye, M., Olson, W. (1999). 「迎角と横滑り角の推定のためのシステムアーキテクチャ提案」 .誘導・航法・制御会議および展示会. 誘導・航法・制御会議および同時開催会議. AIAA. doi : 10.2514/6.1999-4078 .
5. ワイズ、ケビン（2004年）「迎角と横滑り角を推定するための計算空気データシステム」欧州特許庁。
6. Wise, K. (2006). 「X-45A J-UCAS 計算アルファベータシステムの飛行試験」. AIAA 誘導・航法・制御会議および展示会. AIAA. doi : 10.2514/6.2006-6215 . ISBN 978-1-62410-046-8。{{cite book}}:|work=無視されました (ヘルプ)
7. Nebula, F., Palumbo, R., Morani, G., Corraro, F. (2009). 「宇宙再突入アプリケーションのための仮想航空データシステムアーキテクチャ」 . Journal of Spacecraft and Rockets . 46 (4). Journal of Spacecraft and Rockets, AIAA: 818– 828. Bibcode : 2009JSpRo..46..818N . doi : 10.2514/1.42485 .
8. Karlgaard, CD, Schoenenberger, M. (2018). 「合成空気データシステムを用いた惑星探査機突入時の大気推定」 . Journal of Spacecraft and Rockets . 55 (3). AIAA: 599– 610. Bibcode : 2009JSpRo..46..818N . doi : 10.2514/1.42485 . PMC 7756964. PMID 33363293 .  
9. Lie, FAPおよびGebre-Egziabher, D. (2013). 「合成空気データシステム」 . Journal of Aircraft . 50 (4). Journal of Aircraft, AIAA: 1234– 1249. Bibcode : 2013JAir...50.1234L . doi : 10.2514/1.C032177 .
10. Lie, FAP (2014). 「合成空気データ推定：モデル支援推定の事例研究」 .博士論文. ミネソタ大学ツインシティ校. Bibcode : 2014PhDT.......205L . hdl : 11299/168265 .
11. Tian, P., Chao, H. (2018). 「流れ角測定なしの迎え角、横滑り角、3次元風のモデル支援推定」 .誘導・航法・制御会議. AIAA SciTechフォーラム. AIAA. doi : 10.2514/6.2018-1844 . ISBN 978-1-62410-526-5。
12. Rhudy, M., Larrabee, T., Chao, H., Gu, Y., Napolitano, M. (2013). 「GPS/INSと航空データシステムを用いたUAVの姿勢、方位、風向推定」 . Journal of Aircraft . AIAA Guidance, Navigation, and Control (GNC) Conference. doi : 10.2514/6.2013-5201 . ISBN 978-1-62410-224-0。
13. Johansen, TA, Cristofaro, A., SØrensen, K., Hansen, JM, Fossen, TI (2015). 「標準センサーを用いた小型UAVの風速、迎え角、横滑り角の推定について」. 2015年国際無人航空機システム会議 (ICUAS) . IEEE. pp.  510– 519. doi : 10.1109/ICUAS.2015.7152330 . ISBN 978-1-4799-6010-1. S2CID  12478001 .
14. Sun, K., Regan, CD, Gebre-Egziabher, D. (2019). 「モデルフリー合成空気データ推定器の観測可能性と性能分析」 . Journal of Aircraft . 56 (4). Journal of Aircraft, AIAA: 1471– 1486. doi : 10.2514/1.C035290 . hdl : 11299/257319 . S2CID 115902791 . 
15. デリック・デイビッド・ホンガーホルトとデニス・ジェームズ・クロニン (2004). 「人工知能ベースの航空データシステムにおける障害分離方法と装置」アメリカ合衆国.
16. Kaare Josef Anderson、Brian Daniel Matheis、Derrick D. Hongerholt、William Kunik (2018). 「合成空気データ出力生成」アメリカ合衆国。
17. Frank Rajkumar Elias、Visvanathan Thanigai、Nathan Peter Wesley (2011). 「エアデータコンピュータ（ADC）が故障した場合の代替対気速度計算」欧州特許庁.
18. アラン・レビン（2020年8月23日） 「ボーイング、宇宙船とドローン技術で737 Maxの安全性を向上」Bloomberg.com
19. 下院運輸・インフラ委員会 (2020年)。「最終委員会報告書：ボーイング737 MAX」(PDF)。
20. Dodt, T. (2011). 「787の導入 - 主要な調査への影響と興味深い情報」(PDF) .
21. オーストラリア運輸安全局(2015). 「ボーイング787-8、VH-VKEの速度異常表示」(PDF) .
22. サン、ケリー (2020). 「小型無人航空機システムのための信頼性の高い航空データソリューション」 .博士論文. ミネソタ大学ツインシティ校. hdl : 11299/216822 .
23. S. Hansen、M. Blanke (2014). 「無人航空機の対気速度測定障害の診断」. IEEE Transactions on Aerospace and Electronic Systems . 50 (1). IEEE: 224– 239. Bibcode : 2014ITAES..50..224. . doi : 10.1109/TAES.2013.120420 . hdl : 11250/2392884 . S2CID 206595814 . 
24. Sun, K. and Gebre-Egziabher, D. (2020). 「デュアルピトー管航空データシステムの障害検出および分離設計」. 2020 IEEE/ION 位置・位置・ナビゲーションシンポジウム (PLANS) . IEEE. pp.  62– 72. doi : 10.1109/PLANS46316.2020.9110179 . ISBN 978-1-7281-0244-3. S2CID  219592787 .
25. Klein, V. and Morelli, EA (2006).航空機システム同定理論と実践. アメリカ航空宇宙学会. ISBN 9781563478321。
26. H. Long、S. Song (2009). 「データ融合に基づく迎角と横滑り角の推定法」. 2009年 第2回 国際知能計算技術・自動化会議. 第1巻. IEEE. pp.  641– 644. doi : 10.1109/ICICTA.2009.160 . ISBN 978-0-7695-3804-4. S2CID  14321728 .
27. KT Borup、TI Fossen、TA Johansen (2020). 「分散型圧力センサーを用いた小型固定翼UAVの航空データパラメータ推定のための機械学習アプローチ」. IEEE Transactions on Aerospace and Electronic Systems . 56 (3). IEEE: 2157– 2173. Bibcode : 2020ITAES..56.2157B . doi : 10.1109/TAES.2019.2945383 . S2CID 210003963 . 

外部リンク

• 「航空機ハンドブックとマニュアル」米国運輸省、連邦航空局。
• 「14 CFR Part 135 航空運送事業者および運航者の認証」米国運輸省、連邦航空局。