随着电动垂直起降飞行器(eVTOL, electric Vertical Take-off and Landing)获得越来越多的关注,越来越多的玩家进入这个赛道。边界智控作为国内大型eVTOL领域最有经验的飞控及综合航电系统提供商之一,希望可以与大家分享一些我们在这个领域的探索和心得。
eVTOL的操纵挑战
eVTOL构型有多种形式,例如升力和推进系统混合布局、倾转机翼或者倾转旋翼等,除了纯旋翼构型的eVTOL,其他复合形式都需要融合两种构型:旋翼和固定翼。通常旋翼和固定翼的操纵杆设计方式是不同的,例如多旋翼的油门杆(对直升机而言是总距杆)用于控制飞机升降运动,而固定翼的油门杆(推力杆)则用于控制飞机的前向加减速运动。
这给飞行员提出了极不现实的要求:两套操纵系统分离要求飞行员不但需要精通两套不同的操纵方式,而且还需要同时操纵两套系统。
为了让飞行员能够安全并且轻松地飞行,eVTOL飞控提供商都在致力于开发在同一套系统实现全状态控制的操纵系统。
什么是SVO
为了实现旋翼和固定翼在同一套系统下进行飞行操纵,近几年学术界和工业界开始探索如何设计采用简化飞行操纵(SVO, Simplified Vehicle Operation)进行设计。
通用航空制造商协会(GAMA)对SVO的定义如下:SVO 是能为飞行员或操纵员降低执行飞行相关任务复杂度并且同时能提升安全性的飞行系统、界面、操作和训练方式。
例如,用开汽车的方式来操纵飞机:飞行员通过飞机油门杆(类似汽车的油门踏板),加减油门来控制前飞加减速,而通过驾驶盘左右转向(类似汽车的方向盘)来控制飞机转弯,然后通过前拉或后推驾驶盘来控制升降。
这只是一种可能的SVO操纵形式之一。实际上,对于eVTOL的SVO设计,目前还没有形成统一规范。例如德国慕尼黑工业大学采用左右两个操纵杆的形式,而美国Skyryse公司的设计更为激进,直接利用平板进行交互。
飞行员在环仿真设计,黄色框-操纵杆,红色框-主飞行显示界面,绿色框-飞行视景
图源:TUM FSD
Skyryse为直升机设计的飞行简化操纵界面
图源:Skyryse
如何实现SVO
首先,依赖机械连杆(Stick and String)的操纵方式无法解决两套操纵系统分离的问题,SVO必然是建立在电传操纵系统(Fly-by-Wire)的基础上的。
其次,对于eVTOL,飞控最大挑战来自于旋翼与固定翼状态之间的过渡阶段,该阶段通常有复杂的气动效应(例如旋翼与机翼之间的气动耦合),并且有强非线性的动力学特征。在这个阶段,飞行员很难像自动控制系统一样做到每秒数百次以上精密调整各个动力单元与气动舵面来保证飞机的稳定可控。因此,要实现SVO就必须在部分操作上用飞控软件替代飞行员。
再者,除了必须由飞控软件参与的过渡阶段,软件与飞行员的飞行技能相比也在多方面存在优势。2019年GAMA曾将驾驶员需要的飞行技能进行分解,技能领域从最基本的保证飞机可控的操纵能力到上层的决策制定与任务规划。研究表明有半数以上的领域软件的表现比平均水平的飞行员更可靠。可以预见,未来越来越多的飞行将依赖于软件来实现。
自动化技术与飞行员的能力比较
图源:GAMA
因此,eVTOL的飞行必然需要飞控系统参与,而SVO使eVTOL的飞行更加简单和安全。
为了实现SVO,飞机的控制方式可分为以下两大类:
边界智控在SVO上的探索
边界智控团队已经在eVTOL飞控开发方面积累了六年以上的实践经验,并将SVO应用到多种eVTOL机型上。EASA和FAA都有资深飞行员在仿真平台上测试过我们与慕尼黑工业大学共同研制的客运eVTOL机型SVO操纵系统,对我们的操纵方式赞赏有加。
在付出大量努力进行长期的探索与测试后,边界智控采用基于增量非线性动态逆 (INDI, Incremental Nonlinear Dynamic Inversion)的统一控制策略来实现SVO。这种控制算法已被应用于F35战斗机、空客A350、Joby S4等飞行器。
INDI具有以下突出优点:
INDI是在非线性动态逆(NDI, Nonlinear Dynamic Inversion)的基础上,将NDI改写成增量形式,以降低对被控对象模型的依赖。NDI则是通过将非线性系统的动态关系进行“逆转”,使得期望的控制指令能够被“完美追踪”。因此,可以简单地理解为INDI能够在降低对模型依赖的基础上,实现控制指令近乎完美的追踪。
在我们基于INDI的飞控系统设计中,期望控制指令称为伪指令,由两个来源构成,一部分来自飞行员指令经过参考模型(RM, Reference Model) 得到符合飞行动力学特性的平滑合理的轨迹后计算出各层级控制前馈指令,另一部分来自误差控制器(EC, Error Controller) 的反馈,用以使飞机获得预期的误差动力学特性,RM与EC将结合使飞机的跟踪与抗扰特性得以解耦;在线本体模型(OBPM, Onboard-Plant-Model) 负责实时对模型进行线性化,得到操纵效能矩阵;控制分配模块CA用来求解增量控制分配问题,计算实际可行的作动器输出。
飞控系统的整体架构、参考模型和控制分配模块如下图:
DI整体架构
CA架构
多年来,在我们实现基于INDI的飞控算法过程中,发现有一些难点需要注意并克服,列举如下供大家参考:
从SVO看UAM的未来
目前许多主机厂在第一代eVTOL的飞机设计上采用了有驾驶员的方案,因此SVO变成了至关重要的要求。但是业界一致认为未来的eVTOL应该是“无人”的,即自主的。
飞机自主化的飞行实现路径是“电传系统-自动飞行-自主飞行”,首先通过电传系统实现所有操纵信号数字化,随后建立自动飞行的能力(即飞行操纵程序化),最后再通过建立视觉感知和决策能力实现自主飞行。
SVO的本质是在某些复杂操作上,用软件替代飞行员手动操纵,相当于“半自动”。因此,SVO也是飞控系统从手动飞行,进阶至自动飞行乃至自主飞行的关键步骤。
除了SVO,边界智控也在研发感知避障、路径规划、任务决策等更上层的飞行自动化功能。我们相信,SVO不会是终点,而是走向UAM全自主飞行未来的重要一步。
以上就是边界智控关于SVO的一些专业观点,如果各位对eVTOL飞控领域感兴趣,也非常欢迎来与我们交流。
参考资料:
1. GAMA, Transitioning to Electric Vertical Takeoff and Landing (eVTOL) and Other Aircraft Equipped for Simplified Vehicle Operations. 2020.
2. Dollinger, Daniel, Philipp Reiss, Jorg Angelov, David Löbl, and Florian Holzapfel. "Control Inceptor Design for Onboard Piloted Transition VTOL Aircraft Considering Simplified Vehicle Operation." In AIAA Scitech 2021 Forum, p. 1896. 2021.
3. Raab, Stefan A., Jiannan Zhang, Pranav Bhardwaj, and Florian Holzapfel. "Proposal of a unified control strategy for vertical take-off and landing transition aircraft configurations." In 2018 Applied Aerodynamics Conference, p. 3478. 2018.
4. Harris, Jeffrey J. "F-35 flight control law design, development and verification." In 2018 Aviation Technology, Integration, and Operations Conference, p. 3516. 2018.
5. Joby Aviation, How We’ve Reinvented Flight Controls for Our eVTOL Aircraft.