Real Time Estimation of the Wind Speed Components Based on Measurement Data from Satellite Navigationand Barometric Measurements

Cover Page

Cite item

Full Text

Abstract

This research work introduces a robust methodology for estimating three components of wind speed by leveraging airspeed, angle of attack, and sideslip angle measurements from both Satellite Navigation System (SNS) data and on-board sensors. By integrating these diverse sources of information, the proposed algorithm using parametric identification method achieves remarkable accuracy in determining the crucial parameters, i.e. wind speed components, necessary for flight operations. The research was conducted suggesting that the airflow has a constant direction and speed. The estimation of wind speed components is performed for distinct flight duration 20, 31 and 46 seconds in various types of flight maneuver. In order to determine the shortest duration of processing time at which the accurate estimates of three components of wind speed can be ensured, sliding window approach is applied. Notably, this approach yields reliable estimations within an impressive processing time interval of just 0.5 seconds. The findings have significant implications across various domains such as aviation safety enhancement, meteorology applications, and overall operational efficiency improvement of aircraft.

About the authors

Oleg N. Korsun

State Scientific Research Institute of Aviation Systems; Moscow Aviation Institute (National Research University)

Email: marmotto@rambler.ru
ORCID iD: 0000-0003-3926-1024
SPIN-code: 2472-6853

D.Sc. (Technology), Head of the Scientific and Educational Center, State Scientific Research Institute of Aviation Systems (GosNIIAS); Professor, Department of Design and Certification of Aircraft Engineering, Moscow Aviation Institute (National Research University)

Moscow, Russia

Moung Htang Om

Moscow Aviation Institute (National Research University)

Author for correspondence.
Email: mounghtangom50@gmail.com
ORCID iD: 0000-0002-7770-2962

Cand. Sc. (Technology), Post-doctoral Candidate, Department of Design and Certification of Aircraft Engineering

Moscow, Russia

References

  1. Vasilchenko КК, Kochetkov YuА, Leonov VK, Pop-lavskii BК. Aircraft Flight Test. Moscow: Mashinostroenie: Publ.; 1996. (In Russ.)
  2. Byushgens GS, Chernyshev SL, Homan MG, Kuv-shinov VM, Fedosov EA. Aerodynamics, stability and controllability of supersonic aircraft. Moscow: Nauka Publ.; 2016. (In Russ.)
  3. Grumondz V. Airship Balancing and Stability at Longitudinal Established Motion. IOP Conference Series: Materials Science and Engineering. Moscow. 2019;476(1):012013. http://doi.org/10.1088/1757-899X/476/1/012013
  4. Luchtenburg DM, Rowley CM, Lohry MW, Marti-nelli L, Stengel RF. Unsteady high angle of attack aero-dynamic models of a generic jet transport. Journal of Aircraft. 2015;52(3):890-895. https://doi.org/10.2514/1.C032976
  5. Petoshin VI, Chasovnikov EA. Aerodynamic characterristics for a passenger aircraft model with harmonic oscillations on rolling and yawing angles at high angles of attack. Thermophysics and aeromechanics. 2013;20(1);39-48. https://doi.org/10.1134/S0869864313010046
  6. Grishina AY, Efremov AV. Development of a Controller Law for a Supersonic Transport Using Alternative Means of Automation in the Landing Phase. In: Streets DY, Korsun ON. (eds.). Recent Developments in High-Speed Transport. Springer Aerospace Technology. Springer, Singapore. 2023. https://doi.org/10.1007/978-981-19-9010-6_5
  7. Korsun ON, Poplavsky BK, Prihodko SJ. Intelligent support for aircraft flight test data processing in problem of engine thrust estimation. Procedia Comput. Sci. 2017;(103):82-87. https://doi.org/10.1016/j.procs.2017.01.017
  8. Korsun ON, Poplavsky BK, Om MH. Identification of the Engine Thrust Force Using Flight Test Data. In Pro-ceedings of the International Conference on Aerospace System Science and Engineering 2021. ICASSE 2021. Lecture Notes in Electrical Engineering; Jing Z, Strelets D. (eds.). Springer: Singapore, 2023;(849). https://doi.org/10.1007/978-981-16-8154-7_30
  9. Lin Z, Xiao H, Zhang X, Wang Z. Thrust Prediction of Aircraft Engine Enabled by Fusing Domain Knowledge and Neural Network Model. Aerospace. 2023;10(6):493. https://doi.org/10.3390/aerospace10060493
  10. Korsun ON, Nikolaev SV, Om MH. Detection of dynamic errors in aircraft flight data. In: Proceedings of the IOP Conference Series: Materials Science and Engineering, Moscow. 2021;(1027):012011. https://doi.org/10.1088/1757-899X/1027/1/012011
  11. Carlson HA, Verberg R, Hemati MS, Rowley CW. A flight simulator for agile fighter aircraft and nonlinear aerodynamics. Proceedings of the 53rd AIAA Aerospace Sciences Meeting, AIAA 2015-1506. Florida: Kissimmee, 2015. p. 1-22. https://doi.org/10.2514/6.2015-1506
  12. Nikolaev SV. Method of simulation in flight tests of aircraft. Applied Physics and Mathematics. 2017;(3):57-68. (In Russ.) EDN: XGIVEL
  13. Efremov AV, Tjaglik MS, Irgaleev IH, Tsipenko VG. Integration of predictive display and aircraft flight control system. Proceeding of MATEC Web of Conferences. 2017;(99):03005. https://doi.org/10.1051/matecconf/20179903005
  14. Klein V. Estimation of Aircraft Aerodynamic Para-meters from Flight Data. Prog. Aerospace Sñi. 1989;(26):1-77.
  15. Klein V, Morelli E. Aircraft System Identification. Theory and Practice. Aeronautical Journal New Series. 2006;111(1123):602-603. https://doi.org/10.1017/S0001924000087194
  16. Korsun ON, Poplavsky BK. Approaches for flight tests aircraft parameter identification. 29th Congress of the International Council of the Aeronautical Sciences, ICAS. St. Petersburg; 2014:1804
  17. Jategaonkar RV. Flight vehicle system identification: A time domain methodology (USA, Reston: AIAA) 2006. https://doi.org/10.2514/4.866852
  18. Ovcharenko VN. Identification of aerodynamic characteristics of aircraft by flight data. Moscow: MAI Publishing House; 2017. (In Russ.)
  19. Larsson R. System Identification of Flight Mechanical Characteristics. Linköping Studies in Science and Tech-nology, Licentiate Thesis, Linköping University, Sweden. 2013. Available from: http://liu.diva-portal.org/smash/get/diva2:622859/FULLTEXT01.pdf (accessed: 11.04.2024)
  20. Om MH, Latt KZ. Influence Analysis of Input Signal Forms on the Accuracy of Aerodynamic Parameter Identi-fication in Aircraft Longitudinal Motion. Cloud of Science. 2017;4(4):636-649.
  21. Song Y, Song B, Seanor B., Napolitano M.R. On-line aircraft parameter identification using fourier transform regression with an application to F/A-18 HARV flight data. Journal of Mechanical Science and Technology. 2002;16(3):327-337. https://doi.org/10.1007/BF03185230
  22. Pushkov SG, Kharin EG, Kozhurin VR, Lovitsky LL. Technology for determining aerodynamic errors and air parameters in flight tests of aircraft using satellite means of trajectory measurements. Problems of flight safety. 2006;(7):12-19. (In Russ.)
  23. Pushkov SG, Lovitsky LL, Korsun ON. Wind speed determination methods in flight tests using satellite navigation systems. Мechatronics, automation, control. 2013;(9):65-70. (In Russ.) EDN: RBPNCV
  24. Guadaño LH, Valdés RA, Nieto FJ. Using aircraft as wind sensors for estimating accurate wind fields for air traffic management applications. Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering. 2014;228(14). https://doi.org/10.1177/095441001452474
  25. Hurter Ch, Alligieri R, Gianazza D, Puechmorel S, Andrienko G. Wind parameters extraction from aircraft trajectories. Computers, Environment and Urban Systems. 2014. p. 1-16. https://doi.org/10.1016/j.compenvurbsys.2014.01.005 hal-00987690
  26. Benders S, Wenz A, Johansen TA. Adaptive Path Planning for Unmanned Aircraft Using In-flight Wind Velocity Estimation. 2018 International Conference on Unmanned Aircraft Systems (ICUAS). Dallas, TX, USA, 2018. p. 483-492. https://doi.org/10.1109/ICUAS.2018.8453341
  27. Khadeeja TK, Singh J. Wind Profile Estimation during Flight Path Reconstruction. Defence Science Journal. 2020;70(3):231-239. https://doi.org/10.14429/dsj.70.13596
  28. Hajiyev Ch, Cilden-Guler D, Hacizade U. Two-Stage Kalman Filter for Estimation of Wind Speed and UAV States by using GPS, IMU and Air Data System. Wseas transactions on electronics. 2019;10:60-65.
  29. Ahmed Z, Woolsey CA. Aerodynamic model-free wind estimation using a small, fixed-wing uncrewed aerial vehicle. Virginia Space Grant Consortium. 2024. Available from: https://vsgc.odu.edu/wp-content/uploads/2024/04/AhmedZakia_SRC_Submission__4_-1.pdf (accessed: 11.04.2024)

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».