CN108170890A - 一种油箱油量测量建模方法 - Google Patents
一种油箱油量测量建模方法 Download PDFInfo
- Publication number
- CN108170890A CN108170890A CN201711241540.9A CN201711241540A CN108170890A CN 108170890 A CN108170890 A CN 108170890A CN 201711241540 A CN201711241540 A CN 201711241540A CN 108170890 A CN108170890 A CN 108170890A
- Authority
- CN
- China
- Prior art keywords
- fuel tank
- fuel quantity
- formula
- lag period
- tank fuel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
本发明公开一种油箱油量测量建模方法,其特征是首先提出包含待求系数油箱油量的模型公式,然后取油箱油量测量滞后期和油箱油面实测高度滞后期分别为1、2、3,代入实验数据根据最小二乘法拟合出公式中待求系数以确定各个不同滞后期油箱油量模型,然后求出各模型残差平方和,最后判定最佳滞后期确定油箱油量测量模型。本发明解决了现有油箱油量测量方法精度低、稳定性差、应用不便捷、计算复杂的技术问题。
Description
技术领域
本发明涉及油箱油量测量技术领域,具体的说,是涉及一种油箱油量测量的建模方法。
背景技术
在航空领域,油箱内的油量是估计飞行器续航能力和确保飞行安全的重要参数。测量剩余油量是关乎飞行安全的重要工作。传统测量方法大都采用油面高度值与液面之间的正比例关系或者采用查表的方法,再结合一定电路,实现对燃油量的测量和显示。通常情况下油箱的不规则性是阻碍燃油量高精度测量的关键因素,这使得传统正比例算法实现困难且测量精度低、稳定性差。采用查表法对飞行器油箱油量进行测量是国内外较为热衷的选择,但是需要大量的数据存储,应用不够便捷,且计算又过于复杂。
因此现有技术中,油箱油量的测量方法存在精度低、稳定性差、应用不便捷、计算复杂的技术问题。
发明内容
本发明是为避免上述现有技术所存在的不足之处,提供一种精度高、稳定性好、应用便捷、计算简单的油箱油量测量建模方法。
本发明提供的一种油箱油量测量建模方法,其特征在于包括如下步骤:
步骤1:定义油箱油量测量模型的表达式如式(1),把式(1)作为包含待求系数油箱油量测量模型公式:
式(1)中:Ot为油箱油量测量第t次测量值;Ot-i是油箱油量测量第t-i 次测量值,表示相对于t滞后i次的油箱油量测量值,i=1,2,3…m;m和n分别为Ot和hj的最大滞后期,取值范围分别为1、2、3,具体取值根据第4步赤池信息准则判断;α0,αi,1,αi,w和βj,k,1,βj,k,2…βj,k,w均为待求系数;w为hj和Ot的最高次数,w取值为2;hj,t-k为参加建模的第j个电容传感器第t-k次高度测量值;j=1,2,3…u,u为建模使用的电容传感器的个数;t=1,2,3…l,l 为油箱油量测量次数;k为相对于t滞后k次,k=1,2,3…n;
在式(1)中记:
Km,n=[α0],
Am=[α1,1,α1,2,…,α1,w,…,αm,1,αm,2,…,αm,w]T,
Bn=[β1,0,1,β1,0,2,…,β1,0,w,…,βu,n,1,βu,n,2,…,βu,n,w]T
将式(1)简化表达为式(2):
Ot=Km,n+Qm×Am+Hn×Bn (2)
步骤2:通过最小二乘法算计待求系数Km,n、Am、Bn,以确定式(2):
取油箱油量测量滞后期m和油箱油面实测高度滞后期n分别为1、2、3,由式 (2)根据最小二乘法计算得出:K1,1、A1、B1,K1,2、A1、B2,…K4,4、A4、 B4;
步骤3:求滞后期分别为m和n时Ot估计值O'm,n,t:将步骤2中得到的 Om、Hn、Km,n、Am、Bn代入公式O'm,n,t=Km,n+Om×Am+Hn×Bn;计算油箱油量测量估计值序列O'm,n,l,O'm,n,l-1,…O'm,n,1,求出油箱油量测量Ot滞后期m和油箱油面实测高度hj滞后期n取值分别为1,、2、3时油箱油量测量估计值序列:
O′1,1,l,O′1,1,l-1,…O′1,1,1
O′1,2,l,O′1,2,l-1,…O′1,2,1
O′3,3,l,O'3,3,l-1,…O'3,3,1;
步骤4:计算最佳滞后阶数m和n确定最终模型,
由油箱油量实测值序列Ol,Ol-1,…O1和由步骤3得到的油箱油量估计值序列O'm,n,l,O'm,n,l-1,…O'm,n,1计算残差平方和将残差平方和RSSm,n代入赤池信息量准则公式计算出油箱油量测量Ot滞后期m和油面高度hj滞后期n取值分别为1、2、3时的赤池信息量 AIC1,1、AIC1,2…AIC3,3;通过赤池信息量判断最佳滞后阶数,当赤池信息量AICm,n取值为最小时,对应的m和n即为油箱油量测量的高次多阶自回归分布滞后模型最佳滞后期;取得最佳滞后期时的m和n对应的Om、Hn、Km,n、Am、Bn代入式(2),即为油箱油量测量模型。
本发明相比于现有技术技术,具有以下有益效果:
1、应用简便。本发明利用包含待求系数油箱油量测量模型公式,完成建模以测量油箱油量,相对于传统查表方法实现相对容易,不需要将大量样本数据存储到处理器存储空间,极大节省了数据存储量。并将式(1)简化为 Ot=Km,n+Qm×Am+Hn×Bn,通过软件建模容易。
2、精度高、稳定性好。本发明采用赤池信息量准则公式计算出油箱油量测量Ot滞后期m和油面高度hj滞后期n取值分别为1、2、3时的赤池信息量 AIC1,1、AIC1,2AIC3,3;通过赤池信息量判断最佳滞后阶数,取得最佳滞后期时的m 和n对应的Om、Hn、Km,n、Am、Bn获得油箱油量测量模型,可实现不规则油箱的建模,对非线性数据建模精度高,比传统的油量油箱测量方法有更高的精度及更好的稳定性。
3、计算简单。本发明可通过软件编程读取传感器高度数据实现油箱油量测量,可靠性强、计算简单。
附图说明
图1、为本发明的油箱油量测量模型与原始数据拟合函数曲线图。
具体实施方式
下面结合附图和实施例对本实用新型进一步说明:
实施例1:参见图1。
实施例中油箱油量Ot和油面高度值hj,t(j取值为1、2)记录如下:
表1油箱油量测量实测值和温度实测值
步骤1:定义油箱油量测量模型的表达式如式(1),把式(1)作为包含待求系数油箱油量测量模型公式:
式(1)中:Ot为油箱油量测量第t次测量值;Ot-i是油箱油量测量第t-i 次测量值,表示相对于t滞后i次的油箱油量测量值,i=1,2,3m;m和n分别为Ot和hj的最大滞后期,取值范围分别为1、2、3,具体取值根据第4步赤池信息准则判断;α0,αi,1,…αi,w和βj,k,1,βj,k,2…βj,k,w均为待求系数;w为hj和Ot的最高次数,w取值为2;hj,t-k为参加建模的第j个电容传感器第t-k次高度测量值;j=1,2,3…u,u为建模使用的电容传感器的个数;t=1,2,3…l,l 为油箱油量测量次数;k为相对于t滞后k次,k=1,2,3…n;
对于式(1),记:
Km,n=[α0],
Am=[α1,1,α1,2,…,α1,w,…,αm,1,αm,2,…,αm,w]T,
Bn=[β1,0,1,β1,0,2,…,β1,0,w,…,βu,n,1,βu,n,2,…,βu,n,w]T
将式(1)简化表达为式(2):
Ot=Km,n+Qm×Am+Hn×Bn (2)
步骤2:通过最小二乘法计算待求系数Km,n、Am、Bn,以确定式(2):取油箱油量测量滞后期m和电容油面高度滞后期n分别为1、2、3,由式(2) 根据最小二乘法计算得出:K1,1=[-18.1126],A1=[-0.0002,…,1.0594], D1=[-0.0009,…,0.1548],…,D3=[-0.0015,…,0.5126];代入实验数据根据最小二乘法拟合出公式中待求系数以确定各个不同滞后期油箱油量测量模型,其次将实验数据代入各个模型求出各模型残差平方和,最后将各模型残差平方和代入赤池信息量判断准则,判断最佳滞后期确定油箱油量测量模型。
步骤3:求滞后期分别为m和n时Ot估计值O'm,n,t:将步骤2中得到的 Om、Hn、Km,n、Am、Bn代入公式O'm,n,t=Km,n+Om×Am+Hn×Bn,计算油箱油量测量估计值序列O'm,n,l,O'm,n,l-1,…O'm,n,1,求出油箱油量测量Ot滞后期m和油箱油面高度实测值hj和滞后期n取值分别为1,、2、3时油箱油量测量估计值序列:
O′1,1,l,O′1,1,l-1,…O′1,1,1
O′1,2,l,O′1,2,l-1,…O′1,2,1
O′4,4,l,O'4,4,l-1,…O'4,4,1。
将步骤2中得到的Om、Hn、Km、,An、Bm代n入公式O'm,n,t=Km,n+Om×Am+1计算油箱油量测量估计值序列 O'm,n,l,O'm,n,l-1,…O'm,n,1,求出油箱油量Ot滞后期m和传感器实测高度hj滞后期n取值分别为1,、2、3时油箱油量测量估计值序列:
S'1,1=[0.9607,…,9.7104],…,S'4,4=[0.2400,…,9.6413];
步骤4:计算最佳滞后阶数m和n确定最终模型:
由油箱油量测量实测序列Ol,Ol-1,…O1和由步骤3得到的油箱油量测量估计值序列O'm,n,l,O'm,n,l-1,…O'm,n,1计算残差平方和将残差平方和RSSm,n代入赤池信息量准则计算出油箱油量测量Ot滞后期m和油面高度hj滞后期n取值分别为1、2、3时的赤池信息量AIC1,1=1.9612,…,AIC3,3=1.1984;通过赤池信息量判断最佳滞后阶数,当m 和n取值为1时AICm,n取最小值,所以可以确定本实例中油箱油量测量与数控机床各实测温度之间的高次自回归分布滞后模型为:
Ot=K1,1+O1×A1+H1×B1
式中:
K1,1=[-18.1266],
A3=[0.0002,1.0594]T,
B3=[-0.0009,…,0.1548]T。
该模型与原始数据拟合函数曲线如图1所示,图1中三条曲线分别代表:试验测量获得的原始数据,传统线性回归模型拟合曲线,本发明油箱油量测量模型拟合曲线。由图1可见由图1可见本发明建模模型精度较高,模型数据几乎与原始数据重合。传统线性回归模型和本发明模型计算的标准差如表2 所示,可见,本发明比传统的线性回归模型精度提高一个数量级。
表2不同模型标准差比较
模型 | 传统线性回归模型 | 本发明模型 |
标准差 | 17.4365 | 1.9612 |
Claims (1)
1.一种油箱油量测量建模方法,其特征在于包括依次包括以下步骤:
步骤1:定义油箱油量测量模型的表达式如式(1),把式(1)作为包含待求系数油箱油量测量模型公式。
式(1)中:Ot为油箱油量测量第t次测量值;Ot-i是油箱油量测量第t-i次测量值,表示相对于t滞后i次的油箱油量测量值,i=1,2,3…m;m和n分别为Ot和hj的最大滞后期,取值范围分别为1、2、3,具体取值根据第4步赤池信息准则判断;α0,αi,1,…αi,w和βj,k,1,βj,k,2…βj,k,w均为待求系数;w为hj和Ot的最高次数,w取值为2;hj,t-k为参加建模的第j个电容传感器第t-k次高度测量值;j=1,2,3…u,u为建模使用的电容传感器的个数;t=1,2,3…l,l为油箱油量测量次数;k为相对于t滞后k次,k=1,2,3…n;
在式(1)中记:
Km,n=[α0],
Am=[α1,1,α1,2,…,α1,w,…,αm,1,αm,2,…,αm,w]T,
Bn=[β1,0,1,β1,0,2,…,β1,0,w,…,βu,n,1,βu,n,2,…,βu,n,w]T
将式(1)简化表达为式(2):
Ot=Km,n+Qm×Am+Hn×Bn (2);
步骤2:通过最小二乘法算计待求系数Km,n、Am、Bn,以确定式(2):
取油箱油量测量滞后期m和油箱油面实测高度滞后期n分别为1、2、3,由式(2)根据最小二乘法计算得出:K1,1、A1、B1,K1,2、A1、B2,…K4,4、A4、B4;
步骤3:求滞后期分别为m和n时Ot估计值O'm,n,t:
将步骤2中得到的Om、Hn、Km,n、Am、Bn代入公式O'm,n,t=Km,n+Om×Am+Hn×Bn;计算油箱油量测量估计值序列O'm,n,l,O'm,n,l-1,…O'm,n,1,求出油箱油量测量Ot滞后期m和油箱油面实测高度hj滞后期n取值分别为1,、2、3时油箱油量测量估计值序列:
O1',1,l,O1',1,l-1,…O1',1,1
O1',2,l,O1',2,l-1,…O1',2,1
O'3,3,l,O'3,3,l-1,…O'3,3,1;
步骤4:计算最佳滞后阶数m和n确定最终模型:
由油箱油量实测值序列Ol,Ol-1,…O1和由步骤3得到的油箱油量估计值序列O'm,n,l,O'm,n,l-1,…O'm,n,1计算残差平方和将残差平方和RSSm,n代入赤池信息量准则公式计算出油箱油量测量Ot滞后期m和油面高度hj滞后期n取值分别为1、2、3时的赤池信息量AIC1,1、AIC1,2…AIC3,3;通过赤池信息量判断最佳滞后阶数,当赤池信息量AICm,n取值为最小时,对应的m和n即为油箱油量测量的高次多阶自回归分布滞后模型最佳滞后期;取得最佳滞后期时的m和n对应的Om、Hn、Km,n、Am、Bn代n入式(2),即为油箱油量测量模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711241540.9A CN108170890A (zh) | 2017-11-30 | 2017-11-30 | 一种油箱油量测量建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711241540.9A CN108170890A (zh) | 2017-11-30 | 2017-11-30 | 一种油箱油量测量建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108170890A true CN108170890A (zh) | 2018-06-15 |
Family
ID=62524829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711241540.9A Pending CN108170890A (zh) | 2017-11-30 | 2017-11-30 | 一种油箱油量测量建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108170890A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110859A (zh) * | 2009-12-26 | 2011-06-29 | 山东申普汽车控制技术有限公司 | 基于时间序列跟踪预测的铅酸蓄电池修复方法 |
CN102495588A (zh) * | 2011-11-24 | 2012-06-13 | 合肥工业大学 | 数控机床热误差补偿高次多阶自回归分布滞后建模方法 |
CN102736558A (zh) * | 2011-04-07 | 2012-10-17 | 姚晓栋 | 基于时间序列算法的数控机床热误差实时补偿建模方法 |
-
2017
- 2017-11-30 CN CN201711241540.9A patent/CN108170890A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110859A (zh) * | 2009-12-26 | 2011-06-29 | 山东申普汽车控制技术有限公司 | 基于时间序列跟踪预测的铅酸蓄电池修复方法 |
CN102736558A (zh) * | 2011-04-07 | 2012-10-17 | 姚晓栋 | 基于时间序列算法的数控机床热误差实时补偿建模方法 |
CN102495588A (zh) * | 2011-11-24 | 2012-06-13 | 合肥工业大学 | 数控机床热误差补偿高次多阶自回归分布滞后建模方法 |
Non-Patent Citations (1)
Title |
---|
刘建平: "《经济计量学》", 31 July 2014, 中国统计出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Komlos et al. | Estimating trends in historical heights | |
CN112711899B (zh) | 一种蒸发波导高度的融合预测方法 | |
CN104296829A (zh) | 基于机体坐标系的油位测量方法 | |
CN105258846A (zh) | 一种压力传感器校准的方法和装置 | |
CN109902346A (zh) | 基于神经网络的区域加权平均温度信息获取方法 | |
CN102063564B (zh) | 一种基于最大熵原则的台风影响海域设计波高推算方法 | |
CN110378011A (zh) | 一种金属波纹管液压胀形工艺稳健设计方法 | |
CN106483147A (zh) | 基于modis和实测数据协同的长时间序列被动微波土壤水分精度改进研究 | |
CN108692711A (zh) | 基于低空探空火箭的海洋数据处理的实现方法 | |
CN103530700B (zh) | 城区配电网饱和负荷综合预测方法 | |
Theil | Who forecasts best? | |
Guidish et al. | Relationship between eustatic sea level changes and basement subsidence | |
CN108170890A (zh) | 一种油箱油量测量建模方法 | |
CN106320257A (zh) | 基于水文观测的湖库槽蓄曲线确定方法 | |
CN109405884B (zh) | 基于温湿度传感器的实现湿度校准功能的系统及方法 | |
CN109284936A (zh) | 一种基于云图形可视化输出的电能质量评估方法 | |
Kosheleva et al. | Estimation of acoustic and oceanological seawater characteristics by temperature measurements in the Sea of Japan shelf zone | |
CN105716545B (zh) | 基于Dice相似度量的结构面粗糙度系数评价方法 | |
CN105389466B (zh) | 一种校正尺度效应的中低分辨率遥感产品真值获取方法 | |
WO2019196437A1 (zh) | 指标决策方法 | |
CN114417682B (zh) | 一种综合校正北极海冰厚度反演的方法 | |
CN115468979A (zh) | 一种土壤温度时间序列的处理方法 | |
CN105205127A (zh) | 一种液体质量/体积特性数据库的自适应步长建库方法和系统 | |
CN109145258A (zh) | 基于非线性拟合的威布尔分布参数置信区间估计方法 | |
CN109816713A (zh) | 一种非自主测绘海图的水深注记精度定量评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180615 |