航空、航天民机试飞领域中虚实一体化试飞技术的应用、技术现状与展望

范志鹏; 顾宏斌; 连光册; 李鹏

doi:10.12404/j.issn.1671-1815.2505728

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (18) :7558-7571 DOI: 10.12404/j.issn.1671-1815.2505728

航空、航天

航空、航天民机试飞领域中虚实一体化试飞技术的应用、技术现状与展望

范志鹏 ¹^,² ,
顾宏斌 ¹ ,
连光册 ² ,
李鹏 ³^,^*

作者信息 +

Application, Current Status, and Prospects of Virtual-real Integrated Flight Testing Technology in Civil Aircraft Flight Test

FAN Zhi-peng ¹^,² ,
GU Hong-bin ¹ ,
LIAN Guang-ce ² ,
LI Peng ³^,^*

Author information +

文章历史 +

摘要

虚实一体化试飞技术是在飞行试验过程中,实现地面仿真模型(“虚”)与真实试验机(“实”)实时同步与交互的新型试飞范式,旨在通过“以虚预实、虚实互馈”提升民机试飞的安全性与效率。系统梳理了该技术从非同步、弱同步到同步3个阶段的演进历程,并以国产大型民机的大侧风、负加速度及模拟冰型试飞等典型工程应用为例,阐述了其系统组成与实施效能。深入剖析了制约技术发展的3大核心难点:面向试飞任务的高精度建模、虚实状态的持续同步以及安全监控界面的工程适用性评估,并提出了相应的技术解决路径,如基础模型渐进式迭代与面向科目的精细化建模。展望未来,虚实一体化试飞技术在飞行状态安全性评估、试飞操作引导与试验点有效性判读、安全包线边界预警等方面具有广阔工程应用前景。其进一步发展有赖于在模型高精度与实时性协同提升、智能校正与自主决策、多域协同平行推演以及标准化平台化建设等关键方向取得突破,从而驱动民机试飞向数字化、智能化深刻转型。

Abstract

Virtual-real integrated flight testing technology is a novel flight test paradigm that achieves real-time synchronization and interaction between ground-based simulation models (virtual) and physical test aircraft (real) during flight testing. It aims to enhance the safety and efficiency of civil aircraft flight tests through the principle of “using the virtual to predict the real, with mutual feedback between the virtual and the real.” The three core bottlenecks hindering technological development were thoroughly analyzed: non-synchronous, weakly synchronous, and synchronous. It illustrates the system architecture and implementation effectiveness with typical engineering applications, such as crosswind, negative acceleration, and simulated icing configuration flight testing of domestic large civil aircraft. The article delves into three core challenges constraining the technology's development: high-fidelity modeling for specific flight test missions, sustained synchronization of virtual-real states, and the evaluation of engineering applicability for safety monitoring interfaces. Corresponding technical solutions were proposed, including progressive iteration of baseline models and mission-oriented refined modeling. Looking ahead, virtual-real integrated flight testing holds broad engineering application prospects in areas such as flight state safety assessment, test operation guidance, test point validity evaluation, and safety envelope boundary warning. Its further advancement relies on achieving breakthroughs in key directions, including the co-improvement of model accuracy and real-time performance, intelligent calibration and autonomous decision-making, multi-domain collaborative parallel simulation, and standardization and platformization. These advancements are poised to drive a profound digital and intelligent transformation in civil aircraft flight test.

Graphical abstract

关键词

民机试飞 / 虚实一体化 / 仿真模型 / 安全监控界面 / 工程应用

Key words

civil aircraft flight test / virtual-real integration / simulation model / safety monitoring GUI / engineering application

引用本文

引用格式 ▾

范志鹏, 顾宏斌, 连光册, 李鹏. 航空、航天民机试飞领域中虚实一体化试飞技术的应用、技术现状与展望[J]. 科学技术与工程, 2026, 26(18): 7558-7571 DOI:10.12404/j.issn.1671-1815.2505728

FAN Zhi-peng, GU Hong-bin, LIAN Guang-ce, LI Peng. Application, Current Status, and Prospects of Virtual-real Integrated Flight Testing Technology in Civil Aircraft Flight Test[J]. Science Technology and Engineering, 2026, 26(18): 7558-7571 DOI:10.12404/j.issn.1671-1815.2505728

登录浏览全文

4963

注册一个新账户忘记密码

飞行试验是在真实飞行条件下进行科学研究和产品试验的过程,是一项集科学性、实践性、风险性于一体的复杂系统工程^[1]。早期飞机地面验证手段有限,主要通过飞行试验验证飞机的各项功能和性能,随着航空技术与计算机技术的发展,民机研制过程中通过试验台与飞行仿真进行地面验证的手段不断增加,例如,20世纪70年代,B747飞机项目引入了铁鸟试验台,首次实现飞控、液压、航电系统的联合验证;20世纪90年代,B777飞机项目首创系统集成实验室,通过数字仿真完成80%适航条款验证;21世纪以来,B787、A350以及中国商飞C919飞机上普遍采用更高精度、高仿真度“0架机”“飞机在环系统”等进行充分的地面仿真验证。但自20世纪70年代以来民机飞行试验的方法、技术基本没有大的变化,飞行仿真技术对飞行试验的贡献更多聚焦在飞行前对试验任务的仿真验证。所提出的虚实一体化试飞技术是特指在飞行试验过程中进行实时飞行仿真应用的飞行试验技术^[2],其特点是“虚”(飞行仿真模型)与“实”(试验机)同步,用以支持飞行过程的实时决策,辅助提升飞行试验过程的安全和效率。该技术是突破传统试验方法瓶颈,开展民机飞行试验的一种新范式。然而,真实飞行环境的高复杂性及其对飞行仿真的高实时性和高精度的要求增加了该技术在国产民机试飞中工程化应用的难度。因虚实一体化试飞技术的发展与计算机技术的进步密切相关,将该技术的发展过程分为以下3个阶段。

虚实非同步的阶段(20世纪60—70年代)。在该阶段,单次飞行仿真所需要的时间较长,不具备随试飞同步开展飞行仿真的能力。该时期主要通过飞行前的离线仿真计算,支持试验点状态分析、飞行路径规划等,飞行试验中将事先计算好的仿真结果与飞行数据进行对比以支持飞行试验,典型的是美国航空航天局(National Aeronautics and Space Administration, NASA)在X-1B、X-2、X-15试验机,德国宇航中心( German Aerospace Center, DLR)在HFB320前掠翼飞机等飞行试验中的应用^[3]。

虚实弱同步的阶段(20世纪80年代至21世纪初)。美国NASA于1987年在X-29前掠翼验证机项目中,实现了试飞数据的实时遥测与地面仿真,在当时该技术被认为是“一个非常重要的新试飞工具”,可在试验执行后确定试验机响应是否符合预期,并大幅度降低飞后数据处理的工作量,但因计算能力限制,模型仅支持线性气动分析^[4]。2000年,瑞典SAAB公司在狮鹰JAS39 飞机飞行试验中开发了“ROMAC”系统^[5],飞行仿真模型能够接收空中驾驶员操纵信号并输出仿真结果,实现与试飞数据的对比分析,在该技术支持下的飞机尾旋试验中,针对某一架次完成了10次尾旋,提高了试飞效率。但当时的“实时”仿真,需要在试验点动作完成数分钟后进行,“虚”“实”的同步时延较高。同时期EF2000飞机的飞行试验中也应用了相同水平的飞行仿真技术,而且受限于模型精度,虚实同步时间仅能持续20~30 s^[6-7]。该时期是虚实一体化试飞技术的初步应用阶段,飞行仿真技术可以在飞行试验过程中发挥作用,但与实际飞行的同步性还较“弱”,有效的虚实同步持续时长也较短。

虚实同步的阶段(2010—2025年)。NASA开发的ICEPro系统^[8]可以在飞行过程中通过实时模型仿真解算飞机气动系数,并以此进行结冰程度的实时评估,为结冰条件下的包线保护和机组操作提供解决方案,该系统是虚实一体化试飞技术辅助增强飞行驾驶的典型应用案例。印度班加罗尔国家航空实验室的Khadeeja^[9]等,在LCA-Tejas战斗机的飞行试验中,面向飞行包线扩展试飞研发了一种基于“虚”、“实”数据对比的实时监控系统,实现对包线扩展过程中关键安全参数的实时监控。庞巴迪公司的Tondji等^[10]针对CRJ-700飞机在静态和动态失速条件下的气动系数进行建模,在飞行试验过程中实现了对不同飞行试验高度和缝翼展开角度状态下的气动系数实时预测,以及失速条件下的动态响应特性分析,提升了失速试飞过程安全性。中国商用飞机有限责任公司的米毅等^[11]开发了针对负加速度试飞场景的融合仿真模型,在负加速度飞行试验中可以基于仿真模型,实时预测飞机可达的负过载及可持续时间,有效辅助了试飞科目的安全高效执行。

虚实一体化试飞技术在以上各阶段的应用实践,均离不开高精度、高实时性建模这一核心支撑技术。在该领域,国外以NASA为代表一直处于技术领先地位:Morelli等^[12-13]于2012—2013年提出了基于试飞数据的全状态、全量空气动力学模型在线优化方法;2014—2016年,进一步基于模糊逻辑和多元正交函数研究了非线性实时模型修正技术^[14]。2018年,NASA提出“Learn-to-Fly”气动模型修正概念^[15];至2023年,又发展出基于确定性方法与概率性方法的飞机模型更新技术^[16]等。

中国相关研究亦取得一定进展,但侧重点各有不同。王志乐^[17]于2010年设计了多机编队协作的分布式交互虚拟仿真飞行训练平台,主要关注分布式仿真单元通信的实时性与稳定性,对飞行仿真精度方面涉及较少。鹿珂珂等^[18]基于开源软件开发了固定翼无人机可视化飞行仿真系统,重点提升仿真的实时直观显示能力,有助于提高飞行控制算法的仿真验证效率。周芳等^[19]于2020年提出基于实时态势数据驱动的平行仿真推演方法。后续廖尚志^[20]和谷雨等^[21]进一步探索了战场环境下的平行仿真系统。此类平行仿真在思想策略上与虚实一体化试飞有一定相似性,但多集中于技术框架探讨,缺乏真实数据的对比验证。

在建模与控制方面,杜明等^[22]研究了多旋翼飞行器的建模与控制,基于四旋翼数学模型实现了飞行器姿态与位置的稳定控制;高泽鹏等^[23]则针对变构型空天飞行器,分析了其气动与配平特性,并制定了构型变化策略,实现了不同飞行阶段的稳定控制。这两项工作对仿真模型的状态控制具有参考价值,但所用模型较为简化,未充分探讨非线性段建模与非稳态控制问题。孙佳鑫等^[24]发展了一种宽升阻比高速滑翔变体飞行器的高效建模与分析方法,能够通过少数参数快速完成气动构型设计;卢昕玥等^[25]研究了变形飞行器时变气动参数的在线辨识方法,基于BP神经网络建立了能逼近非线性气动模型的映射关系,这对构建高精度民机气动模型具有借鉴意义。然而,上述方法均缺少实际试飞数据的充分验证,模型在全局范围内的精度与可靠性仍有待进一步研究。

为此,现通过系统梳理虚实一体化试飞技术的演进历程,分析国产大型民机的多个典型案例,来剖析虚实一体化试飞在高精度建模、状态持续同步及安全监控界面3个方面存在的核心难点,并提出渐进式迭代建模与精细化建模等关键技术的突破路径,旨在为提升虚实一体化试飞在状态安全性评估、操作引导等方面的工程效能提供参考方案。

1 虚实一体化试飞系统、技术及其工程应用

1.1 虚实一体化试飞系统

虚实一体化试飞系统的工作原理如图1所示,试验机试飞数据经遥测传输被地面系统接收,由地面数据实时处理系统将二进制数据流转换为工程量试飞数据(“实”数据),并驱动飞行仿真模型得到仿真计算数据(“虚”数据),进而基于虚实数据开展特定试飞场景的应用支持,其涉及的主要技术内容如表1所示,核心部分由空地数据链路技术、飞行实时仿真技术和试飞支持应用技术3部分组成。

1.2 虚实一体化试飞应用现状

基于以上虚实一体化试飞系统,在一大型民机试飞过程中,中国商飞上海飞机试飞工程有限公司(以下简称试飞公司)已初步实现了虚实一体化试飞技术在大侧风、负加速度、模拟冰型等试飞科目的现场部署与应用。

1.2.1 在大侧风试飞中的部署与应用

2021年,在锡林浩特进行的一型飞机大侧风试飞中,试飞公司的虚实一体化技术为33架次侧风着陆试飞提供了安全监控支持。具体任务是在不同侧风条件下,实时监测飞机着陆过程中的方向舵纠偏性能,确保飞机在接地时能够回中并对准跑道中心线。

图2展示了侧风着陆试飞期间的监控画面截图。右上角为针对“着陆时飞机无法回中跑道”这一风险专门开发的监控界面。界面中绿色区域代表飞机回中跑道的能力裕度较高(不小于30%,右侧边界对应30%裕度),橙色区域表示回中能力裕度较低(0~30%,右侧边界对应0裕度),红色区域则表示飞机已失去回中跑道能力。各区域所对应的裕度值基于仿真模型计算得出,作为监控时的参考依据。

在着陆过程中,可通过十字光标的位置判断在当前侧风速(横坐标)与飞行速度(纵坐标)下,飞机维持当前状态时所具备的回中跑道能力。一旦光标进入橙色区域右边界或红色区域,系统将提示机组着陆风险升高,并建议考虑执行复飞。

1.2.2 在负加速度试飞中的部署与应用

2022年,在敦煌开展的飞机负加速度试飞专项任务中,基于虚实一体化试飞技术,试飞公司研发了负加速度试飞实时预测与告警程序,并将其作为地面安全监控软件投入使用。该程序成功保障了2个架次、共计14个负加速度试验点的安全实施。

图3为该预测与告警程序的监控界面截图。图3中两幅云图均以飞行速度为横坐标、以操纵侧杆的纵向位移量为纵坐标。左侧云图以不同颜色表示负过载的大小,右侧云图则对应负过载状态的持续时长(负加速度试飞要求每个试验点飞机保持负过载状态不少于7 s)。

在执行负加速度抛物线动作时(先拉杆至一定速度与迎角,再压杆俯冲进入负过载状态),系统会根据拉杆后的实时迎角,通过仿真模型动态计算并呈现云图分布。压杆操作期间,光标会进入监控区域(图3中白色轨迹),若光标落入云图范围内,则表明当前机组操纵的杆量符合试验预期要求。同时,右侧区域会基于仿真模型预测当前状态可维持的负过载时长,以及俯冲改出时可能达到的速度。一旦预测显示存在超速风险,系统将弹出警告,提示机组减小压杆量。该程序在预测负过载持续时间与飞机改出速度方面,具备较高的工程应用精度,能够为负加速度试飞任务提供有效的实时监控与决策支持^[11]。

1.2.3 在模拟冰型试飞中的部署与应用

2022年在东营开展的飞机模拟冰型试飞任务中,试飞公司开发了图4所示的升力系数-攻角(CL-AOA)监控画面,其中红色线条是光洁构型风洞CL-AOA参考数据,蓝色线条是安装模拟冰型后的风洞CL-AOA参考数据,绿点是根据实时试飞数据进行平滑滤波后解算的CL-AOA数据。试飞过程中随着机组拉杆,攻角不断增加,绿点逐步靠近失速拐点,通过对比实际状态(绿点)与设计状态(蓝色线)的位置关系,可以实时辅助地面监控人员和试飞工程师对飞机接近失速拐点程度的判断。该虚实对比技术得到了模拟冰型试飞现场的验证,并在后续的失速试飞、空中最小操纵速度试飞等高风险试飞科目中部署了相似监控系统,如图5所示。后续基于高精度气动仿真模型实时计算CL-AOA数据替代风洞参考数据,有望进一步提升该技术应用的精确性和有效性。

综上所述,中国在一体化试飞领域已取得显著进展。例如,C909支线客机与 C919 大型客机的适航审定试飞中,均构建了空地一体化监控网络系统,实现了多通道数据实时采集、同步与风险预警;在虚实一体化试飞方面,基于高精度气动仿真与实时数据驱动的监控系统,已成功应用于侧风着陆、负加速度、模拟冰型等高难度试飞科目,显著提升了试飞安全与效率。此外,试飞公司在发动机飞行推力确定(in-flight thrust determination, IFTD)试飞中,通过空地协同仿真与实时决策支持,实现了试验点优化与燃油节约^[26]。这些实践表明,中国已具备从系统架构设计到工程实施的全链条技术能力,并在部分方向达到国际先进水平。

2 虚实一体化试飞关键技术难点

虚实一体化试飞技术虽然已取得了上述初步应用成果,但根据应用实践当前限制虚实一体化试飞技术发挥更大工程效能的因素有3个方面:①建立面向试飞任务的高精度仿真模型;②实现仿真模型与试验机飞行状态的持续同步;③安全监控界面研发及其工程适用性评估。

2.1 面向试飞任务需求的高精度建模

飞行仿真模型是应用虚实一体化试飞技术的载体,并且表现为多系统仿真模型(如气动模型、发动机模型、控制律模型等)的集成,各模型精度的提升依赖试飞数据,但对试验机飞行状态准确模拟和预测又需要足够精度的模型,这与实际的试飞工程进展是相互矛盾的。以核心气动模型为例,一般是使用计算流体动力学(computational fluid dynamics, CFD)软件进行计算、风洞数据等搭建初始的气动模型,而后根据模型结构特点,设计出尽量解耦的、用于模型辨识的试验点,进而使用飞行试验数据进行模型修正以及验证,最终形成精度较高的气动模型。在这个过程中,高精度的气动模型是建立在大量用于模型辨识的试验点完成的基础上,一般均在型号试飞的中后期进行,这样就导致了在型号首飞及前中期的研发试飞或审定试飞中,并没有满足试飞工程应用要求的飞行仿真模型。因此,面向试飞任务需求,如何结合试飞进展过程进行适用精度的空气动力学建模是虚实一体化试飞的关键核心技术。结合前期研究经验,在试飞工程领域应注重基础气动模型与科目专用模型两个方面的研究,主要“成长”路径如图6所示。

2.1.1 基础模型的渐进式迭代

基础模型是指在一款型号民机首飞之前,基于CFD计算、风洞数据等搭建的初始气动模型,以及类似的其他系统模型,还没经过真实试飞数据修正、验证的模型。随着试飞进度的开展,应关注每个架次中特征数据段的挖掘,任智勇等^[27]和黄开^[28]研究了基于参数特征的试飞数据提取方法;陈思等^[29]提出并实现了一种基于数据图像特征提取飞行器故障试验数据的方法,参考这些技术方法结合仿真模型结构特点,研究目标特征数据段(如纵向倍脉冲、升降舵2-3-1-1等)的筛选与分析处理技术,基于筛选出的解耦数据段或者弱耦合数据段,对模型进行修正实现模型精度的提升^[30-32]。在民机试飞过程中,有大量的试验点在执行前会进行飞机三向操纵的检查,具备产出潜在修模数据的条件,可以支持基础模型进行渐进式的更新迭代,如图6左侧流程路线所示,使得基础模型随着试飞进度的开展,模型精度能够渐进式提升。

2.1.2 面向专项试飞任务的精细化建模

专项试飞任务是型号飞行试验的主要内容,尤其是高风险专项如失速试飞、自然结冰试飞、大侧风试飞等。这些专项对试飞辅助手段、方法和技术提出了新需求,旨在增强其执行过程的安全性和效率,虚实一体化试飞技术的核心目标之一便是支持专项试飞任务的实施。精细化建模是以专项试飞任务需求为导向,确定试验点处的飞机状态,以气动模型为例,聚焦飞机试验点状态下各轴上的运动特征,以及各运动特征最为关联的气动模型参数,使用试飞数据中互相解耦的输入输出数据进行参数修正,进而建立试验点状态处的高精度模型。如负加速度专项试飞主要测试试验机的纵向短周期特性,要求模型的纵向气动系数的计算具有较高精度,因此在精细化建模时须以纵向响应为目标进行定向的参数修正,甚至可只关注模型在试验点状态处的响应表现,而无须考虑其在其他高度、速度情况下的表现。在提升模型精度与建模效率方面,文献[33-34]给出了一种基于飞行试验数据的高效修模方法,通过设计的自动化输入叠加系统,在飞行中实现了飞机多轴同时激励,并可以将飞机多控制面输入在频域进行正交解耦,能够有效提升气动模型辨识效率。文献[35 -37]研究了深度学习技术、分段自适应技术等在提升模型精度以及建模效率上的应用,结果表明能够取得较好的模型精度提升,尤其是在非线性段比传统建模方法更有优势,这些建模技术都可以为建立高精度的科目专用模型提供参考。在试飞工程应用中,精细化建模并不局限于对气动模型的建模,可以是其他系统模型,或者基于历史数据的统计模型等,核心要求是所建立的模型,能够切实反映试验机在试验点处的响应特性,而并不追求模型在全飞行包线内都具备较高的精度。另外也需要指出,精细化建模技术在实际试飞中具有一定的局限性,主要原因是模型修正所需的目标试验点处响应数据,在某些情况下需要执行完相应试验点才能获得(如通过失速试飞获取非线性段的响应数据),导致首次执行的试验点缺少高精度模型仿真的先验知识,只能依靠试飞员去完成,之后才能建立高精确模型支持后续相同科目试验点的仿真分析。

2.2 飞行仿真模型与试验机的飞行状态持续同步技术

虚实一体化试飞场景实现的前置要求是仿真模型在飞行过程中能够持续与试验机状态同步,以发挥实时仿真数据的参考作用,进而支持特定试飞工程场景的应用。应用实践表明,受限于模型精度以及真实试飞环境中的外部扰动等诸多因素,随着时间增加模型仿真误差会逐渐累积,并将与试验机状态发生较大差异而失去参考意义。当前在某大型民机试飞应用中当虚实数据不同步时,采用的方法是对仿真模型进行重新配平^[38-39],将仿真模型与试验机状态进行同步一致。但该方法有以下缺陷。

(1)不同状态下仿真模型配平耗时不一致。不同的试验机飞行状态下,仿真模型的配平耗时不同,且存在部分状态无法配平的现象,进而影响试飞任务进度。

(2)配平后无法保证仿真模型状态与试验机状态一致。仿真模型配平需要一定的时间,这段时间内试验机飞行状态可能发生较大变化,从而导致配平后虚实数据仍然不同步。

综上,为了实现仿真模型与试验机状态长时间持续同步,需要使用新的方法来代替传统的配平方法。建议的技术研究方向如下。

(1)仿真模型的实时修正技术。如图7所示,当仿真模型与试验机状态偏离到一定程度时,依据试验机当前状态在所处工况点对仿真模型进行在线参数辨识,实现仿真模型的实时修正。文献[40]通过试验实测气动力在线求解模型的纵向轨迹与速度变化,进而利用飞行器平移与旋转的耦合关系对模型的俯仰姿态运动进行在线修正,结果表明辨识所得运动模型的观测行为与自由飞行运动模型具有高相似性;文献[40-41]研究了频域上在线的全局空气动力学建模,并利用F-16非线性仿真数据及缩比飞机飞行试验数据对模型精度进行了验证确认;文献[42]利用频域递推傅里叶变换及最小二乘方法,实现对气动及控制偏导数的在线辨识,分析比较了各种典型激励信号对辨识结果的影响,辨识结果与参数真实值之间的一致性好,该方法对传感器噪声有较强的适应性。这些实时修模^[43-47]技术的核心都是通过参数辨识寻优得到更准确的模型参数,建立特性更逼近飞机真实物理特性的孪生模型,进而在相同输入条件下具有相近的响应特性,使得虚实状态能够更相似。在试飞过程中,该技术适用于在试验点即将执行前,一般情况下还需要进行额外的机动操作以获得飞机各轴上的解耦数据,用于在线参数辨识以获得更接近试飞机特性的仿真模型。额外的机动操作以及时效性要求,决定了该技术多用于对模型精度要求较高的专项任务试验点前,不适宜全剖面飞行过程中作为解决虚实状态出现偏离后的常用手段。

(2)仿真模型飞行状态的实时校正技术。如图8所示,将模型状态配平问题转化为模型对试验机状态进行实时跟踪的问题来处理,在满足《AC-60-FS-2019-006飞机飞行模拟机鉴定性能标准》的舵面偏转误差要求前提下,通过调整操纵舵面的偏转来修正模型的飞行状态偏差。在此基础上设计智能跟踪策略和控制器,实现仿真模型对试验机飞行状态的准确跟踪,当跟踪至满足同步要求后退出控制,从而实现模型与试验机状态在全飞行包线内的持续同步。文献[5]针对仿真飞机与试验机的高度、速度状态偏差,分析确定了减小偏差的目标控制参数,并给出了在飞机横向和航向的控制策略,同时提出了对持续同步有较大影响的3个因素:遥测信号的中断、高空风环境以及大攻角姿态,对实时校正技术研究具有参考价值;文献[48]聚焦于地效影响区域飞行器高度的控制,研究了基于比例-积分-微分(proportional-integral-derivative, PID)控制器的高精度高度控制系统,采用油门、升降舵与襟翼协同控制飞行高度,具有更长的调节时间与更高的超调量,且在高度扰动期间产生的俯仰角振荡幅度更小。在试飞应用中,实时校正技术更适用于全剖面的飞行过程,通过自动化的状态偏离监控和跟踪控制^[49-51]实现虚实状态的持续同步,当前该技术面临的难点是根据飞机特点设计全包线范围适用的跟踪控制器,另外跟踪控制引入额外的操纵舵面偏量对部分应用场景(如舵面满偏时)会带来不利影响。

2.3 安全监控界面设计及其工程适用性评估

当前民机试飞现场安全监控工程师们遇到的瓶颈问题包括:①人工识别异常状态的可靠性弱,识别结果易受主观与客观因素干扰,从而表现出不稳定性;②人在短时间内的推理与决策能力有限,难以适应高动态试飞场景下的飞行状态快速变化;③相较于计算机,人的计算能力较弱,难以胜任飞行状态的预测工作。为解决以上问题进一步提升安全监控效能,需要面向实际试飞任务需要,深入研究飞行任务的内在规律,使用设计理论、历史试飞数据、桌面仿真模型或者模拟器等手段,研发基于虚实数据的安全判据界面、有效性判据界面或者试验点的操作指引界面等(下文统称为安全监控界面),以保障特定试飞任务的安全、高效实施。安全监控界面是虚实一体化试飞技术落地的载体,也是承接实际试飞工程需求的关键技术,从监控界面的应用阶段可以分为面向飞行过程的通用安全监控界面和面向试飞科目的专项安全监控界面。该技术方向中涉及的监控界面开发技术当前行业内已较为成熟,实际试飞中的难点主要聚焦在试飞应用场景的捕获,以及对监控界面工程适用性的评估。

2.3.1 面向飞行过程的通用安全监控界面

通用安全监控界面聚焦于飞行过程的安全辅助判断,该类安全监控界面面向飞行的全过程,并不聚焦试验点执行过程,主要包括以下几类:①针对典型飞行阶段(如起飞、着陆)研发的安全监控界面^[52],适用于所有试飞架次中相应飞行阶段的安全监控;②为识别飞机可能进入某种危险状态而研发的安全监控界面,如针对驾驶员诱发振荡识别或失控状态判定等设计的安全监控界面等^[53];③飞机结构、系统的安全状态监控界面,如飞机结构健康监测^[54-55],以及飞机系统、传感器的故障检测与隔离等^[56-58]。

2.3.2 面向试飞科目的专项安全监控界面

面向试飞科目的专项安全监控界面主要应用于试验点的执行过程中,为辅助专项试飞科目或特定试验点安全、高效执行而研发,如图2和图3所示,为面向侧风试飞和负加速度试飞研发的专项安全监控界面示例,该类界面研发的关键是捕获试飞科目执行场景中关键风险要素,研发直观、有效地实时监控画面。在虚实一体化试飞技术的后续应用中,需要面向专项试飞任务开发一系列的安全监控界面。

2.3.3 工程适用性评估

在安全监控界面研发及其部署应用过程中,应充分考虑虚实一体化试飞技术的工程适用性,具体包括以下几个方面。

(1)“虚”的适用性评估,主要是对仿真模型的精度进行评估,包括仿真模型各组成部分的精度评估,以及集成后仿真模型的精度评估^[59-61]。仿真模型精度评估满足工程应用要求后^[62],方可用于安全监控界面研发或试飞现场的部署应用,而需要指出的是当前行业内缺少明确的工程应用要求,尚无指导试飞仿真建模的标准依据,仅有《AC-60-FS-2019-006飞机飞行模拟机鉴定性能标准》可作参考,但从实践经验来看该参考只能作为试飞仿真的最低要求,实际试飞工程的应用要求仍需在未来不断探索与验证。

(2)“实”的适用性评估,主要是对试验机传输数据的可信度进行评估^[63-65]。一方面受限于传感器采集误差、遥测干扰等因素,遥测至地面的试验机数据本身存在误差;另一方面,应避免将试验机故障数据作为“实”的数据进行直接应用,需对试验机数据进行清洗处理以及可用性评估后,方可进行虚实一体化的试飞应用。

(3)安全监控界面的适用性评估,一是事前验证。在试飞应用之前,监控界面应经过充分的数据校验,存在的难点是缺少对监控界面定量的评定要求,可行的途径是基于历史试验数据、置信度较高仿真数据等开展校验,并在实际试飞中进行适用性评定;二是校核与调整。对于不满足实际试飞应用需求的监控界面,应使用最新获得的试飞数据对界面进行校核、调整更新,不断提升界面的可信度。

3 工程应用展望与技术发展趋势

随着飞机的仿真模型精度显著提升,基于飞行仿真模型可以在飞行前、飞行中、飞行后等阶段支持试飞的工程应用,图9给出了各阶段的主要应用方向。基于虚实一体化试飞技术发展现状和民机试飞应用场景需求,虚实一体化试飞系统未来在民机试飞过程中的工程应用方向主要聚焦在3个方面(图9的T0~T4段):飞行状态的安全性评估、试飞操作引导与试验点有效性评估、安全包线的边界预警。

3.1 虚实一体化试飞技术的工程应用展望

3.1.1 飞行状态的安全性评估

虚实一体化试飞技术的工程应用,首先应能够从飞行动力学一致性角度评估试验机是否处于正常飞行状态。主要实现步骤是:①依据飞参数据实时解算(或辨识)试验机当前的气动力、气动力矩系数^[66-67];②基于模型实时仿真输出试验机的气动力、气动力矩系数;③对比“虚”“实”两组系数是否处于合理的允差范围内,判别飞机是否存在气动响应的异常;④根据异常情况,推测飞机可能存在的危险工况,如舵面卡阻或者翼面结冰等^[68-69],实时给出飞机飞行状态的安全性评估。该工程应用方向在气动模型具备一定精度的基础上具有很强的工程可实现性,但其难点是对虚实两组气动系数允差范围的确定,当前试飞领域缺少可参考的标准,以及在判断飞机出现气动特性异常后,如何快速定位具体故障也是待研究的工程技术问题。

3.1.2 试飞操作引导和试验点有效性评估

在执行试验点试飞任务过程中,虚实一体化试飞技术可以从试验点的操作建议和试验点有效性判断两个方面为试飞任务提供技术支持。在试验点的操作建议方面,如图3所示,以负加速度试飞任务为例,虚实一体化技术可以为机组推拉杆操作提供实时指引参考,确保飞机能够进入不少于7 s的负加速度状态,并避免改出时的超速风险。文献[8]中ICEPro系统利用飞机气动模型在干净构型与结冰构型下的差异,实时解算飞机机翼的结冰程度,根据不同程度的结冰对飞机襟缝翼卡位、姿态角、安全飞行速度等进行约束,并将相应约束显示在PFD上,给机组提供结冰条件下直观的操作引导。试飞操作引导应用的重难点是对试飞任务需求场景的识别,以及场景与仿真模型结合开发适用的监控界面,此外还需重点解决驾驶舱人为因素的考量,评估操作引导画面对机组注意力占用的影响,这一点在高风险试验点执行过程中尤为重要,可行的路径是通过驾驶舱综合显示器(试验机上在驾驶舱安装的专用显示设备)来显示辅助驾驶的操作信息,或者通过机上试飞工程师将操作引导信息与试飞员进行实时沟通。在试验点执行有效性判断方面,虚实一体化的实时监控可以通过飞机关键参数的“虚”“实”响应曲线对比,反映试验执行过程中飞机响应是否符合模型预期,进而给出试验点试飞过程是否有效的判断,从而决定是否需要重复执行或者执行下一个试验点任务,提高试验点执行效率。

3.1.3 安全包线的边界预警

在试飞过程中,因构型不到位或限制未打开等问题,其安全包线常常小于飞机的设计包线范围,且安全包线的形式多样,传统的飞行包线^[70](高度、速度、过载等)是对飞机最显著的安全要求,其他安全包线类型如试飞空域、非正常环境飞行包线(如侧风、结冰^[71-72])、飞机姿态与操纵^[73],以及飞机系统如发动机、飞控等的安全运行包线^[74-75]等,均是试飞过程中试验机需要遵守的约束条件(下文称为试飞安全包线)。在安全包线范围内的试飞是被允许的,但当飞行状态超出该包线时则表明试验机已经进入了危险工况或已触发机上危险告警。出现这种危险情况的原因是:当飞行临近安全包线边界,试飞员未及时关注或意识到这种危险情况,且试验机仍处于设计包线范围内不会引起机上告警,试验机便会持续抵近甚至突破安全包线边界^[76]。此时,若能及时提供有效信息,并向机组发出预警,可有效避免危险情况的发生。对于高风险的试飞领域而言,该应用场景具有较强的应用价值,通过对尚处于包线内但临近边界风险工况的主动识别,实时探测试验机状态距离安全包线边界的靠近程度,给出及时的预警提示,从而辅助增强试飞安全。

试飞安全包线边界预警工程应用的实现步骤是:①基础模型精度达到一定水平,虚实状态可持续同步;②各试飞场景下安全包线边界的设计;③实现基于仿真模型的飞行状态超前预测;④制定不同场景下安全包线边界的预警机制。对于安全包线边界设计,需要考虑飞行过程中安全包线边界随飞行状态的动态变化,文献[77]提供了一种基于数据库生成和检索技术的安全飞行边界解决方案,规避了在线求解复杂边界的问题,将部分在线活动转化为离线计算,并将结果存储在数据库中,从中可以在线检索安全飞行包线信息。飞行状态超前预测的关键是让虚拟飞机比真实试验机飞得更快些,借助仿真空间和物理空间的不一致性,实现仿真空间1 s内对物理空间上试验机未来时长(如5 s或10 s)的飞行仿真,提前预测试验机可能触及的潜在安全包线边界。存在的主要技术挑战在于未来时间段内的试飞员操作输入存在变量较难预知,以及预测结果的准确度、可靠度受飞行环境变化影响较大。在得到全局试飞安全边界,以及超前仿真预测可实现基础上,需要设计触发预警的机制,包括各种告警阈值的动态计算、预警等级生成和预警策略设计,这些在技术实现上比较容易,但制定工程上适用的预警策略较为困难,主要体现在相同安全包线边界距离所需的接近时长不同,需综合试飞员反应、操作时间和飞机动态响应时间等综合制定,从空中交通与防撞系统(traffic collision avoidance system, TCAS)告警、增强型近地告警系统(enhanced ground proximity warning system, EGPWS)告警等飞行告警机制的制定到形成标准可以看出预警策略的工程复杂性。因此每一类安全包线边界预警机制的制定,尤其是在试飞场景下的应用都受实际工程适用性的挑战,需要长期的探索、验证,进行不断完善。

3.2 虚实一体化试飞技术的发展趋势

虚实一体化试飞技术是航空装备数字化、智能化验证的核心。要真正发挥其“虚实结合、以虚预实”的价值,亟须在以下4个关键研究方向取得突破。

(1)模型高精度与实时性协同提升。现有仿真模型在常规飞行包线内尚可,但在大迎角、过失速等极端非线性工况下精度严重不足。需重点突破大迎角非定常气动力建模、进发耦合流场仿真(应对进气道气流分离与发动机喘振裕度下降问题)以及飞/发综合控制建模。技术路径在于融合高保真CFD数据、风洞试验与真实试飞数据,并利用实时数据同化技术在线修正模型,在保证工程可用的计算效率下,逼近物理真实。

(2)智能校正与自主决策。面向模型不确定性和突发风险,需从被动监控转向主动预警与辅助决策。核心是构建嵌入试飞监控回路的人工智能模块。例如,应用多智能体强化学习,让虚拟机群在数字空间中自我博弈,探索特情处置策略。同时,发展具备可解释性的决策机制,并将数字孪生作为智能体训练和决策预案验证的沙箱,以增强信任。

(3)多域协同与平行推演。未来的试飞科目日趋复杂,需构建一个覆盖气动、结构、航电、飞控的全系统高置信度平行仿真系统。其核心是能基于实时遥测数据,在数字空间进行多分支、多场景的并发推演,快速预演不同决策的后果。最终目标是形成一个“感知-决策-行动-验证”的闭环,为多机协同试飞、复杂系统故障链推演等提供支持。

(4)标准化与平台化建设。为实现技术成果的复用和集成,必须推动交互协议、数据接口和模型架构的标准化。这包括虚实系统的时钟同步协议、数据总线和模型接口规范等。在此基础上,应构建一个开放式、模块化的一体化试飞支持平台,能够灵活集成不同来源的模型、算法和工具链,支持从方案设计到结果评估的全流程,从而降低技术应用门槛,加速迭代。

上述方向相互关联,模型精度是基础,智能算法是引擎,平行系统是形态,标准平台是支撑。循此路径,虚实一体化试飞才能从辅助工具,演变为驱动航空装备研制范式变革的核心能力。

4 结论

虚实一体化试飞技术代表着飞行试验工程从单纯物理验证向“物理-数字”融合智能验证的范式转型。通过系统梳理其演进历程、剖析技术体系、总结工程实践,论证了该技术通过构建实时交互的“虚实”闭环,在提升高风险试飞科目安全性、优化试飞流程方面的核心价值。研究表明,该技术不仅拓展了试飞态势感知与决策支持的边界,更推动了试飞活动向“建模-预测-执行-验证-更新”的迭代并行模式演进。

中国依托C909、C919等型号的实践,已在该技术的工程化集成与应用方面取得关键突破,建立了初步的技术能力体系。然而,要充分发挥其变革性潜力,仍面临高维非线性系统高精度建模、动态扰动下虚实状态鲁棒同步、智能监控算法可信度评估等跨学科的深层挑战。

展望未来,该技术的纵深发展将依赖于与数字孪生、人工智能等前沿方向的深度融合。其演进路径将聚焦于:从“模型驱动”向“数据-模型混合驱动”的建模范式升级;从“状态监控”向“智能决策与自主协同”的能力跨越;通过推动标准化与平台化建设,从“孤立系统”向“开放生态”的体系形态转变。通过持续的理论突破与工程迭代,虚实一体化试飞有望从关键科目辅助手段,成长为支撑航空装备全生命周期智能化研制与验证的核心基础设施,为航空工业高质量发展注入核心数字动能。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	周自全. 飞行试验工程[M]. 北京: 航空工业出版社, 2014.

[2]	Zhou Ziquan. Engineering of flight test[M]. Beijing: Aviation Industry Press, 2014.

[3]	梁相文. 未来试飞新技术挑战[M]. 北京: 航空工业出版社, 2014.

[4]	Liang Xiangwen. Future flight test new technology challenges[M]. Beijing: Aviation Industry Press, 2014.

[5]	Hines D O. Simulation in support of flight testing[M] // AGARD/RTO. RTO AGARDograph 300: Flight Test Techniques Series. Brussels: NATO, 2000.

[6]	Hicks J W, Petersen K L. Real-time flight test analysis and display techniques for the X-29A aircraft: NASA-TM-101692[R]. Washi-ngton: NASA Technical Reports Server, 1988.

[7]	Anderson K, Karlson M. Aerodynamic and flight dynamic real-time analysis during spin and carefree maneuvering tests of the Saab JAS 39 Gripen[C]// ICAS 2002 CONGRESS. Sweden: Saab AB (publ), 2002: 532. 1-532.13.

[8]	Herr M, Butcher P, Gmbh E J. The European fighter aircraft EF2000 flight test programme overview and management concept[C]// Advances in Flight Testing. Paris: AGARD, 1997: 32. 1-32.12.

[9]	Oelker H C, Meyer T. On-line simulation as a measure to increase safety in flight-testing of high performance aircraft[C]// ICAS 2000 CONGRESS. Bonn: International Council of the Aeronautical Sciences, 2000: 717. 1-717.9.

[10]	Gingras D R, Barnhart B, Ranaudo R, et al. Development and implementation of a model-driven envelope protection system for in-flight ice contamination[C]// Proceedings of AIAA Guidance, Navigation, and Control Conference. Toronto: AIAA, 2010: AIAA 2010-8141.

[11]	Nusrath T K K, Kaliyari D. Enhancing real time monitoring support for safe envelope expansion[J]. IFAC-Papers OnLine, 2016, 49(1): 254-259.

[12]	Tondji Y, Wade M, Ghazi G, et al. Identification of the Bombardier CRJ-700 stall dynamics model using neural networks[J]. Journal of Aerospace Information Systems, 2022, 19(12): 781-798.

[13]	米毅, 李爱军, 温亚军, 等. 民用客机负加速度试飞实时预测及告警技术研究[J]. 西北工业大学学报, 2024, 42(2): 295-302.

[14]	Mi Yi, Li Aijun, Wen Yajun, et al. Study on real-time prediction and warning technology for negative acceleration flight test of civil airplanes[J]. Journal of Northwestern Polytechnical University, 2024, 42(2): 295-302.

[15]	Morelli E. Efficient global aerodynamic modeling from flight data[C]// 50th AIAA Aerospace Sciences Meeting including the New Horizons Forum and Aerospace Exposition. Reston: American Institute of Aeronautics and Astronautics, 2012: 1050-1075.

[16]	Morelli E A, Cunningham K, Hill M A. Global aerodynamic modeling for stall/upset recovery training using efficient piloted flight test techniques[C]// AIAA Modeling and Simulation Technologies (MST) Conference. Reston: American Institute of Aeronautics and Astronautics, 2013: 4976-4995.

[17]	Brandon J M, Morelli E A. Real-time onboard global nonlinear aerodynamic modeling from flight data[J]. Journal of Aircraft, 2016, 53(5): 1261-1297.

[18]	Morelli E A. Practical aspects of real-time modeling for the learn-to-fly concept[C]// Atmospheric Flight Mechanics Conference. Reston: American Institute of Aeronautics and Astronautics, 2018: 3309-3343.

[19]	Cooper J K, Devore M, Reed A, et al. Deterministic and probabilistic approachesto model and update dynamic systems[J]. Journal of Aircraft, 2023, 60(5): 1461-1479.

[20]	王志乐. 分布式交互虚拟仿真飞行训练平台的设计与实现[J]. 科学技术与工程, 2010, 10(13): 3248-3253.

[21]	Wang Zhile. Design and implement of platform for distributed interactive virtual simulation flight training[J]. Science Technology and Engineering, 2010, 10(13): 3248-3253.

[22]	鹿珂珂, 刘登攀, 王超. 基于开源软件的无人机飞行仿真[J]. 科学技术与工程, 2022, 22(33): 14795-14800.

[23]	Lu Keke, Liu Dengpan, Wang Chao. UAV flight simulation based on open source software[J]. Science Technology and Engineering, 2022, 22(33): 14795-14800.

[24]	周芳, 毛少杰, 吴云超, 等. 实时态势数据驱动的平行仿真推演方法[J]. 中国电子科学研究院学报, 2020, 15(4): 323-328.

[25]	Zhou Fang, Mao Shaojie, Wu Yunchao, et al. A parallel simulation deduce method based on real-time situation data driven[J]. Journal of the Chinese Academy of Electronic Sciences, 2020, 15(4): 323-328.

[26]	廖尚志. 航空通信平行仿真系统研究[J]. 指挥控制与仿真, 2023, 45(3): 134-142.

[27]	Liao Shangzhi. Research of parallel simulation for aviation communication[J]. Command Control and Simulation, 2023, 45(3): 134-142.

[28]	谷雨, 聂帅. 基于平行仿真的无人集群试验管控方法[J]. 中国电子科学研究院学报, 2023, 18(5): 461-468.

[29]	Gu Yu, Nie Shuai. Process control method of unmanned swarm test based on parallel simulation[J]. Journal of the Chinese Aca-demy of Electronic Sciences, 2023, 18(5): 461-468.

[30]	杜明, 赵燕飞, 范书瑞, 等. 多旋翼飞行器建模与控制器设计[J]. 科学技术与工程, 2021, 21(17): 7180-7186.

[31]	Du Ming, Zhao Yanfei, Fan Shurui, et al. Research on incident edge detection technology of sensor network for environment monitoring[J]. Science Technology and Engineering, 2021, 21(17): 7180-7186.

[32]	高泽鹏, 刘燕斌, 沈海东, 等. 面向控制的变构型空天飞行器建模及特性分析[J]. 南京航空航天大学学报, 2024, 56(6): 1114-1123.

[33]	Gao Zepeng, Liu Yanbin, Shen Haidong, et al. Control-oriented modeling and characteristic analysis of morphing aerospace vehicle[J]. Journal of Nanjing University of Aeronautics & Astronautics, 2024, 56(6): 1114-1123.

[34]	孙佳鑫, 靳梓康, 崔景芝, 等. 宽升阻比高速滑翔变体飞行器高效建模方法[J]. 南京航空航天大学学报, 2025, 57(1): 147-159.

[35]	Sun Jiaxin, Jin Zikang, Cui Jingzhi, et al. Efficient modeling method for high-speed gliding variant aircraft with wide lift-to-drag ratio[J]. Journal of Nanjing University of Aeronautics & Astronautics, 2025, 57(1): 147-159.

[36]	卢昕玥, 张鹏宇, 霍文霞, 等. 面向变形飞行器的时变气动参数在线辨识方法[J]. 哈尔滨工程大学学报, 2024, 45(8): 1520-1526.

[37]	Lu Xinyue, Zhang Pengyu, Huo Wenxia, et al. Online identification method for morphing vehicles with time-varying aerodynamic parameters[J]. Journal of Harbin Engineering University, 2024, 45(8): 1520-1526.

[38]	米毅, 连光册. 空地一体化技术在IFTD试飞中的应用[J]. 民用飞机设计与研究, 2020(4): 92-96.

[39]	Mi Yi, Lian Guangce. Application of air-ground integrated technology in the flight test of IFTD[J]. Civil Aircraft Design and Research, 2020(4): 92-96.

[40]	任智勇, 胡泽玮. 基于数据特征的试飞数据提取方法研究[J]. 西安航空学院学报, 2019, 37(1): 11-14.

[41]	Ren Zhiyong, Hu Zewei. Study of flight test data extraction method based on data characteristics[J]. Journal of XIAN Aeronautical University. 2019, 37(1): 11-14.

[42]	黄开. 基于特征参数的试飞数据自动化分析方法及系统: 201811446982.1[P]. 2023-04-21.

[43]	Huang Kai. An automated analysis method and system for flight test data based on feature parameters: 201811446982.1[P]. 2023-04-21.

[44]	陈思, 贺志伟. 基于图像特征提取的飞行器故障诊断系统设计[J]. 计算机测量与控制, 2018, 26(10): 53-56, 65.

[45]	Chen Si, He Zhiwei. Design of a missile fault diagnosis system based on feature extraction of image[J]. Computer Measurement & Control, 2018, 26(10): 53-56, 65.

[46]	Simmons B M, Gresham J L, Woolsey C A. Aero-propulsive modeling for propeller aircraft using flight data[J]. Journal of Aircraft, 2023, 60(1): 81-96.

[47]	Qiu L, Song W. Efficient decoupled hydrodynamic and aerodynamic analysis of amphibious aircraft water takeoff process[J]. 2013, 50(5): 1369-1379.

[48]	汪清, 郑凤麒, 丁娣, 等. 基于噪声特性估计的气动系数辨识方法[J]. 航空学报, 2025, 46(7): 93-109.

[49]	Wang Qing, Zheng Fengqi, Ding Di, et al. Aerodynamic coefficient identification method based on noise statistics estimation[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(7): 93-109.

[50]	Morelli E A. Flight test maneuvers for efficient aerodynamic modeling[J]. Journal of Aircraft, 2012, 49(6): 1857-1867.

[51]	Brandon J M, Morelli E A. Nonlinear aerodynamic modeling from flight data using advanced piloted maneuvers and fuzzy logic: L-20181[R]. Washington, D.C.: NASA Technical Reports Server, 2012.

[52]	He L, Qian W, Zhao T, et al. Multi-fidelity aerodynamic data fusion with a deep neural network modeling method[J]. Entropy, 2020, 22(9): 1022-1038.

[53]	Chen J, He G. Prediction of hypersonic aerodynamic performance of spherically blunted cone based on multi-fidelity neural network[J]. Journal of Intelligent Learning Systems and Applications, 2025, 17(1): 25-35.

[54]	Wang L, Zhao R, Zhang Y. Aircraft lateral-directional aerodynamic parameter identification and solution method using segmented adaptation of identification model and flight test data[J]. Aerospace, 2022, 9(8): 433-458.

[55]	Clawson T S, Ferrari S, Farrell Helbling E, et al. Full flight envelope and trim map of flapping-wing micro aerial vehicles[J]. Journal of Guidance, Control, and Dynamics, 2020, 43(12): 2218-2236.

[56]	Tai S, Bu C, Wang Y L, et al. Identification of aircraft longitudinal aerodynamic parameters using an online corrective test for wind tunnel virtual flight[J]. Chinese Journal of Aeronautics, 2024, 37(9): 261-275.

[57]	Morelli E A, Grauer J A. Practical aspects of frequency-domain approaches for aircraft system identification[J]. Journal of Aircraft, 2020, 57(2): 268-291.

[58]	Morelli E A. Autonomous real-time global aerodynamic modeling in the frequency domain[C]// AIAA SciTech 2020 Forum. Reston: American Institute of Aeronautics and Astronautics, 2020: 761-784.

[59]	Heyer S, Kroezen D, Van Kampen E J. Online adaptive incremental reinforcement learning flight control for a CS-25 class aircraft[C] // Proceedings of the AIAA Scitech 2020 Forum. London: AIAA, 2020: 1-11.

[60]	鲁兴举, 郑志强, 郭鸿武. 基于递推傅里叶变换的飞行器参数在线辨识方法[J]. 航空学报, 2014, 35(2): 532-540.

[61]	Lu Xingju, Zheng Zhiqiang, Guo Hongwu. Online aircraft parameter identification using recursive fourier transform[J]. Acta Aeronautica et Astronautica Sinica, 2014, 35(2): 532-540.

[62]	Simmons B M, Mcclelland H G, Woolsey C A. Nonlinear model identification methodology for small, fixed-wing, unmanned aircraft[J]. Journal of Aircraft, 2019, 56(3): 1056-1067.

[63]	Perhinschi M G, Lando M, Massotti L, et al. Online parameter estimation issues for the NASA IFCS F-15 fault tolerant systems[C]// Proceedings of the 2002 American Control Conference (IEEE Cat. No.CH37301). New York: Institute of Electrical and Electronics Engineers, 2002: 191-196.

[64]	Li X, Brenner M. Practical aeroservoelasticity in-flight identification and adaptivecontrol[C]// AIAA Atmospheric Flight Mecha-nics Conference. Reston: American Institute of Aeronautics and Astronautics, 2010: 7502-7512.

[65]	Ghazi G, Botez R M, Domanti S. New methodology for aircraft performance model identification for flight management system applications[J]. Journal of Aerospace Computing, Information, and Communication, 2020, 17(6): 294-310.

[66]	Mei Y, Su S, Shan X, et al. High precision height control for wing-in-ground crafts[J]. International Journal of Aerospace Engineering, 2022, 2022(1): 1-11.

[67]	Wang X, Li S, Cai W, et al. Multi-model direct adaptive decoupling control with application to the wind tunnel system[J]. ISA Transactions, 2005, 44(1): 131-143.

[68]	Han Y, Li P, Zheng Z. A non-decoupled backstepping control for fixed-wing UAVs with multivariable fixed-time sliding mode disturbance observer[J]. Transactions of the Institute of Measurement and Control, 2019, 41(4): 963-974.

[69]	Hess R A, Peng C. Design for robust aircraft flight control[J]. Journal of Aircraft, 2018, 55(2): 875-886.

[70]	Middleton D B, Srivatsan R. Flight test of takeoff performance monitoring system: NASA-TP-3403[R]. Washington, D. C.: NASA Technical Reports Server, 1994.

[71]	Wilborn J, Foster J. Defining commercial transport loss-of-control: A quantitative approach[C]// AIAA Atmospheric Flight Mechanics Conference and Exhibit. Reston: American Institute of Aeronautics and Astronautics, 2004: 4811-4821.

[72]	Roemer M, Tang L, Bharadwaj S, et al. An integrated aircraft health assessment and fault contingency management system for aircraft[C]// AIAA Guidance, Navigation and Control Conference and Exhibit. Reston: American Institute of Aeronautics and Astronautics, 2008: 6505-6512.

[73]	Achenbach J D. Structural health monitoring-What is the prescription?[J]. Mechanics Research Communications, 2009, 36(2): 137-142.

[74]	Lopez I, Sarigul-Klijn N. A review of uncertainty in flight vehicle structural damage monitoring, diagnosis and control: challenges and opportunities[J]. Progress in Aerospace Sciences, 2010, 46(7): 247-273.

[75]	Hwang I, Kim S, Kim Y, et al. A survey of fault detection, isolation, and reconfiguration methods[J]. IEEE Transactions on Control Systems Technology, 2010, 18(3): 636-653.

[76]	Lu P. Fault diagnosis and fault-tolerant control for aircraft subjected to sensor and actuator faults[D]. Delft: Delft University of Technology, 2016.

[77]	李文博, 黄炎焱, 张寒, 等. 基于证据距离和特征向量的仿真数据可信度评估方法[J]. 兵工自动化, 2024, 43(12): 48-54.

[78]	Li Wenbo, Huang Yanyan, Zhang Han, et al. Credibility evaluation method of simulation data based on evidence distance and eigenvector[J]. Ordnance Industry Automation, 2024, 43(12): 48-54.

[79]	黄炎焱, 杨峰, 王维平, 等. 仿真数据综合可信度的测度与校验方法研究[J]. 系统工程学报, 2008, 23(4): 479-487.

[80]	Huang Yanyan, Yang Feng, Wang Weiping, et al. Research on method of measurement and verification on comprehensive credibi-lity of simulation data[J]. Journal of Systems Engineering, 2008, 23(4): 479-487.

[81]	王勇, 关思嘉, 李胜男. 基于试验的伺服作动器仿真模型可信度评估方法研究[J]. 机电信息, 2024(9): 1-7.

[82]	Wang Yong, Guan Sijia, Li Shengnan. Research on the credibility evaluation method of servo actuator simulation model based on experiment[J]. Mechanical and Electrical Information, 2024(9): 1-7.

[83]	Abramov N, Goman M, Khrabrov A N, et al. Aerodynamic modeling for poststall flight simulation of a transport airplane[J]. Journal of Aircraft, 2019, 56(4): 1427-1440.

[84]	He J, Cheng Z, Guo B. Anomaly detection in satellite telemetry data using a sparse feature-based method[J]. Sensors, 2022, 22(17): 6358-6375.

[85]	邵寒琛, 尹溶森, 孙波. 基于TSPU-Net的航天器测试数据分析方法及应用研究[J]. 计算机科学与应用, 2025, 15(8): 58-71.

[86]	Shao Hanchen, Yin Rongsen, Sun Bo. Research on the analysis method and application of spacecraft test data based on TSPU-Net[J]. Computer Science and Application, 2025, 15(8): 58-71.

[87]	王莉萍, 邱建林. 一种激光雷达传感数据可信度评估方法设计[J]. 现代雷达, 2025, 47(1): 64-70.

[88]	Wang Liping, Qiu Jianlin. Design of a reliability evaluation method for lidar sensing data[J]. Modern Radar, 2025, 47(1): 64-70.

[89]	Stengel R. Identification of aerodynamic coefficients using flight testing data[C]// 10th Atmospheric Flight Mechanics Conference. Reston: American Institute of Aeronautics and Astronautics, 1983: 2099-2110.

[90]	Morelli E A. Determining aircraft moments of inertia from flight test data[J]. Journal of Guidance, Control and Dynamics, 2022, 45(1): 4-14.

[91]	Deiler C. Aerodynamic modeling, system identification, and analysis of iced aircraft configurations[J]. Journal of Aircraft, 2018, 55(1): 145-161.

[92]	Raj L P, Lee J W, Myong R S. Ice accretion andaerodynamic effects on a multi-element airfoil under SLD icing conditions[J]. Aerospace Science and Technology, 2019, 85: 320-333.

[93]	delPozo Domínguez M, Lopez Leones J, Roling P C. QAR data-driven calibration of physics-based aircraft performance models using a machine-learning Approach[C]// AIAA Aviation 2023 Forum. Reston: American Institute of Aeronautics and Astronautics, 2023: 4498-4513.

[94]	周莉, 徐浩军, 杨哲, 等. 飞机在结冰条件下的最优边界保护方法[J]. 上海交通大学学报, 2013, 47(8): 1217-1221.

[95]	Zhou Li, Xu Haojun, Yang Zhe, et al. Optimal boundary protection method for aircraft under icing conditions[J]. Journal of Shanghai Jiaotong University, 2013, 47(8): 1217-1221.

[96]	应思斌, 艾剑良. 飞机结冰包线保护对开环飞行性能影响与仿真[J]. 系统仿真学报, 2010, 22(10): 2273-2275, 2301.

[97]	Ying Sibin, Ai Jianliang. Simulation of aircraft flight envelope protect in icing encounters effects on open loop dynamic[J]. Journal of System Simulation, 2010, 22(10): 2273-2275, 2301.

[98]	何敏, 余长贵. 基于操稳特性的飞行器包线划分方法[J]. 电光与控制, 2018, 25(5): 88-91.

[99]	He Min, Yu Changgui. A partition method for aircraft envelopes based on stability and maneuverability[J]. Electronics Optics & Control, 2018, 25(5): 88-91.

[100]

李令, 熊平, 虞汉文. 直升机高度-速度包线试飞方法[J]. 中国科技信息, 2019(9): 33-35.

[101]

Li Ling, Xiong Ping, Yu Hanwen. Helicopter aviation-speed envelope test flight method[J]. China Science and Technology Information, 2019(9): 33-35.

[102]

吕碧江, 殷湘涛, 肖刚, 等. 发动机空中起动包线扩展试飞组织与实施[J]. 民用飞机设计与研究, 2019(2): 80-86.

[103]

Lü Bijiang, Yin Xiangtao, Xiao Gang, et al. Organization and implementation of engine air start envelope extension flight test[J]. Civil Aircraft Design and Research, 2019(2): 80-86.

[104]

Zhang Y, Visser C C D, Chu Q P. Aircraft damage identification and classification for database-driven online flight-envelope prediction[J]. Journal of Guidance, Control, and Dynamics, 2018, 41(2): 449-460.

[105]

Zhang Y, Huang Y, Chu Q, et al. Database-driven safe flight-envelope protection for impaired Aircraft[J]. Journal of Aerospace Computing, Information, and Communication, 2021, 18(1): 14-25.

基金资助

上海市工业强基项目(GYQJ-2017-5-08)

中国商飞-北航大飞机研究院创新研究基金(COMAC-BYZX-2024-441)

国家自然科学基金(U1633120)

国家留学基金(202308320187)

民航飞行技术与飞行安全重点实验室2025年飞行技术专题项目(FZ2025ZX02)

四川省民航飞行技术与飞行安全工程技术研究中心项目(GY2025-18C)

PDF (10963KB)

访问

被引

详细

导航

Received	Published	Revised
2025-08-04	2026-06-28	2026-01-31
Online Date
2026-07-29

摘要