CN108491439A - 一种基于历史数据统计特性的遥测缓变参数自动判读方法 - Google Patents
一种基于历史数据统计特性的遥测缓变参数自动判读方法 Download PDFInfo
- Publication number
- CN108491439A CN108491439A CN201810145336.5A CN201810145336A CN108491439A CN 108491439 A CN108491439 A CN 108491439A CN 201810145336 A CN201810145336 A CN 201810145336A CN 108491439 A CN108491439 A CN 108491439A
- Authority
- CN
- China
- Prior art keywords
- parameter
- data
- section
- valid data
- data section
- 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.)
- Granted
Links
Abstract
本发明公开了一种基于历史数据统计特性的遥测缓变参数自动判读方法,包括:1构建历史型号数据库;2依据判读参数;3将参数历史数据有效数据段的采样点统一到目标数据有效数据段的采样点上;4对参数的目标数据进行估计;5对参数的标准差进行估计;6依据参数目标数据的估值和标准差将目标数据的分布划分为四个区间:0~1σ,1σ~2σ,2σ~3σ,3σ~∞;7统计参数目标数据在各个区间的概率分布;8得出潜在异常参数表;9人工专家基于上述步骤得到的潜在异常参数表并跟据分析得到的辅助判决图对潜在异常参数进行逐一排查,最终确定本次飞行过程中的遥测异常参数。本发明克服了人工判读效率和数据利用率低的弊端,为运载火箭及飞行器的试验过程节省了大量的人力。
Description
技术领域
本发明涉及遥测参数判读领域,具体涉及一种基于历史数据统计特性的遥测缓变参数自动判读方法。
背景技术
遥测参数判读是运载火箭及飞行器飞行过程中一项十分重要的环节,其判读结果是判断火箭及飞行器飞行过程中单机设备或分系统工作状态是否正常的重要依据。通常,一次飞行过程的遥测参数少则数百,多则上千,且形状不一,并存在噪声和干扰,因此,难以实现自动判读,以专家为主的人工判读模式依然是遥测参数判读的主要模式。显然,人工判读模式将耗费大量的人力资源,不仅判读效率和数据利用率低、而且存在误判和漏判等问题。
目前,许多学者对遥测参数自动判读方法都做了比较深入的研究,并取得了一定的成果,但缺乏对遥测参数历史数据的利用和挖掘。
发明内容
同型号运载火箭或飞行器在历次飞行过程中积累了大量的历史数据,而这些历史数据中隐含着遥测参数重要的全局性、综合性信息,充分对这些历史数据进行分析挖掘,将极大的提高遥测参数判读的效率和准确率。
本发明要解决的技术问题是:克服现有遥测参数判读方法缺乏对历史数据利用的不足,提供一种基于历史数据统计特性的遥测缓变参数自动判读方法,通过构建历史型号数据库,并充分对同型号历史数据中隐含的全局性、综合性信息进行分析挖掘,从而达到参数自动判读的目的。
为解决上述技术问题,本发明采用基于历史数据统计特性的遥测缓变参数自动判读方法,该方法具体包括以下步骤:
(1)构建历史型号数据库;
(2)依据判读参数,分别从实测数据和历史型号数据库中获取参数判读所需的目标数据和历史数据及其有效数据段对应的指令时刻,并依据指令时刻对目标数据和历史数据进行有效数据段截取;
(3)将参数历史数据有效数据段的采样点统一到目标数据有效数据段的采样点上;
(4)利用上述步骤(3)中得到的采样点统一的历史数据有效数据段,采用基于双因子等价权函数的抗差最小二乘估计算法,对参数的目标数据进行估计;
(5)利用上述步骤(4)中得到的参数目标数据的估值,采用基于曲线质心平移的统计噪声确定方法,对参数的标准差进行估计;
(6)依据参数目标数据的估值和标准差将目标数据的分布划分为四个区间:0~1σ,1σ~2σ,2σ~3σ,3σ~∞;
(7)依据上述步骤(6),统计参数目标数据在各个区间的概率分布,当目标数据超过极限误差(3σ)的概率大于5%或低于标准差(1σ)的概率小于50%时,将参数定性为潜在异常参数;
(8)按照上述步骤(2)~(6),通过计算机自动分析本次飞行过程所有遥测缓变参数,得出潜在异常参数表;
(9)人工专家基于上述步骤(8)得到的潜在异常参数表并跟据分析得到的辅助判决图对潜在异常参数进行逐一排查,最终确定本次飞行过程中的遥测异常参数,其中参数的辅助判决图包括历史数据曲线图、目标数据曲线图、目标数据的区间分布图和目标数据的概率分布图四部分。
所述的步骤(1)中的历史型号数据库共由三种类型表格组成:
(1.1)参数索引表:参数索引表共有一张表格,负责存储各型号历次飞行过程中所有参数的属性,表的字段包括型号、飞行过程编号、参数类型、参数名称、参数索引,其中参数索引指明了该参数对应的参数数据表;
(1.2)参数数据表:参数数据表的数量依据各型号历次飞行过程中的参数数量而定,负责存储历次飞行过程中每个参数的实测数据。其中,每次飞行过程中的指令数据由一张指令参数表维护,表的字段包括指令名称和时间,其他类型参数的数据表格与参数个数相同,表的字段包括时间和量值;
(1.3)参数有效数据段指令表:参数有效数据段指令表共有一张表格,负责存储缓变参数有效数据段对应的时间指令,表的字段包括型号、参数名称、参数有效数据段1开始指令、参数有效数据段1结束指令、参数有效数据段2开始指令、参数有效数据段2结束指令、参数有效数据段3开始指令、参数有效数据段3结束指令。其中,参数有效数据段开始结束指令指明了该参数有效数据段开始和结束时刻的指令名称。
所述的步骤(2)中从历史型号数据库中获取参数历史数据及其有效数据段对应指令时刻的方法为:
(2.1)参数历史数据的获取方法:首先依据参数所属型号、飞行过程编号、参数类型和参数名称,通过查询参数索引表确定该参数对应的参数数据表索引;然后依据参数数据表索引找到参数数据表,从而获取参数数据;
(2.2)参数历史数据有效数据段指令时刻的获取方法:首先依据参数所属型号和参数名称,通过查询参数有效数据段指令表,确定该参数有效数据段开始和结束时刻的指令名称;然后依据指令名称按照(2.1)的方法获取指令发生的时刻。
所述的步骤(3)中将参数历史数据有效数据段的采样点统一到目标数据有效数据段的采样点上分两步进行:
(3.1)首先采用以目标数据有效数据段时标为基准的时间间隔递推算法,实现历史数据和目标数据有效数据段两端时标的对齐,即时间长度归一化;
(3.2)然后利用线性插值方法,实现历史数据和目标数据有效数据段采样时刻的逐点对齐,即采样时刻归一化。
所述的步骤(3.1)中的时间间隔递推算法的计算过程为:
(3.1.1)对齐有效数据段起始时标
按照对历史数据的采样时刻进行逐点计算,实现有效数据段起始时标的对齐,其中,为历史数据的采样时刻,和分别为历史数据和目标数据有效数据段的起始时刻,j=1,2,…,m为历次飞行过程的编号,i=1,2,…,nj为历次飞行过程的采样点编号;
(3.1.2)计算时间长度比例因子Tj
公式为其中,和分别为历史数据和目标数据有效数据段的结束时刻;
(3.1.3)对齐有效数据段结束时标
以历史数据有效数据段的起始时刻为基准,依次对采样点按照公式进行逐点迭代递推运算,实现有效数据段结束时标对齐,其中,和分别为尺度变换后历史数据的第i点和第i+1点的采样时刻。
所述的步骤(3.2)中线性插值方法的计算公式为其中,为目标数据有效数据段的采样时刻,为历史数据在采样时刻时的参数值,其位于历史数据和之间,i′=1,2…n为目标数据的采样点编号。
所述的步骤(4)中基于双因子等价权函数的抗差最小二乘估计方法的计算过程为:
(4.1)计算历史数据与目标数据有效数据段的距离权因子
公式为其中,dj为历史数据与目标数据有效数据段的距离函数,其计算公式为 为目标数据在采样时刻时的参数值;
(4.2)计算历史数据与目标数据有效数据段的方向权因子
公式为其中,oj为历史数据与目标数据有效数据段的方向函数,其计算公式为
(4.3)计算双因子等价权函数
公式为其中,ko为曲线方向特性的影响因子,kd为距离特性的影响因子,且ko+kd=1;
(4.4)计算参数估值
公式为其中为参数估值,为系数矩阵,等价权矩阵,为观测向量。
所述的步骤(5)中基于曲线质心平移的统计噪声确定方法的计算过程为:
(5.1)统一历史数据曲线与目标数据估值曲线的质心
公式为其中,为目标数据估值曲线的质心,为历史数据曲线的质心;
(5.2)计算参数的标准差
公式为其中,为历史数据相对目标数据估值的统计方差。
本发明的有益效果为:对于遥测参数中数量最多,判读最难的缓变参数,本发明提出了一种基于历史数据统计特性的遥测缓变参数自动判读方法,克服了人工判读效率和数据利用率低的弊端,为运载火箭及飞行器的试验过程节省了大量的人力,同时,通过采用人工辅助判决的策略,保证了参数判读准确率,避免了参数的误判和漏判。此外,本发明还设计了一种遥测参数历史型号数据库的构建方法,为不同型号运载火箭及飞行器在历次飞行过程中积累的海量数据管理和运用提供了有效的技术途径。
附图说明
图1为本发明所提供的一种基于历史数据统计特性的遥测缓变参数自动判读方法流程图。
图2为本发明所提供的遥测参数历史型号数据库的表结构关系示意图。
图3为本发明所提供的潜在异常参数表示意图。
图4为本发明所提供的参数判读辅助判决图中的历史数据曲线示意图。
图5为本发明所提供的参数判读辅助判决图中的目标数据曲线示意图。
图6为本发明所提供的参数判读辅助判决图中的目标数据的区间分布示意图。
图7为本发明所提供的参数判读辅助判决图中的目标数据的概率分布示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
如图1所示,一种基于历史数据统计特性的遥测缓变参数自动判读方法,具体包括以下步骤:
(1)构建历史型号数据库;
如图2所示,遥测参数历史型号数据库共由三种类型表格组成:
(1.1)参数索引表:参数索引表共有一张表格,负责存储各型号历次飞行过程中所有参数的属性,表的字段包括型号、飞行过程编号、参数类型、参数名称、参数索引,其中参数索引指明了该参数对应的参数数据表;
(1.2)参数数据表:参数数据表的数量依据各型号历次飞行过程中的参数数量而定,负责存储历次飞行过程中每个参数的实测数据,其中,每次飞行过程中的指令数据由一张指令参数表维护,表的字段包括指令名称和时间,其他类型参数的数据表格与参数个数相同,表的字段包括时间和量值;
(1.3)参数有效数据段指令表:参数有效数据段指令表共有一张表格,负责存储缓变参数有效数据段对应的时间指令,表的字段包括型号、参数名称、参数有效数据段1开始指令、参数有效数据段1结束指令、参数有效数据段2开始指令、参数有效数据段2结束指令、参数有效数据段3开始指令、参数有效数据段3结束指令,其中,参数有效数据段开始结束指令指明了该参数有效数据段开始和结束时刻的指令名称。之所以设计了三对有效数据段开始结束指令是因为某些参数具有多段有效数据。
(2)依据判读参数,分别从实测数据和历史型号数据库中获取参数判读所需的目标数据和历史数据及其有效数据段对应的指令时刻,并依据指令时刻对目标数据和历史数据进行有效数据段截取;
(2.1)如图2所示,参数历史数据的获取方法为:首先依据参数所属型号、飞行过程编号、参数类型和参数名称,通过查询参数索引表确定该参数对应的参数数据表索引;然后依据参数数据表索引找到参数数据表,从而获取参数数据。
(2.2)如图2所示,参数历史数据有效数据段指令时刻的获取方法为:首先依据参数所属型号和参数名称,通过查询参数有效数据段指令表,确定该参数有效数据段开始和结束时刻的指令名称;然后依据指令名称按照(2.1)方法获取指令发生的时刻。
图1中的参数数据准备由上述步骤(1)和步骤(2)构成。
(3)将参数历史数据有效数据段的采样点统一到目标数据有效数据段的采样点上,即数据的时标统一,具体包括以下步骤:
(3.1)首先采用以目标数据有效数据段时标为基准的时间间隔递推算法,实现历史数据和目标数据有效数据段两端时标的对齐,即时间长度归一化,其计算过程为:
(3.1.1)对齐有效数据段起始时标
按照对历史数据的采样时刻进行逐点计算,实现有效数据段起始时标的对齐,其中,为历史数据的采样时刻,和分别为历史数据和目标数据有效数据段的起始时刻,j=1,2,…,m为历次飞行过程的编号,i=1,2,…,nj为历次飞行过程的采样点编号;
(3.1.2)计算时间长度比例因子Tj
公式为其中,和分别为历史数据和目标数据有效数据段的结束时刻;
(3.1.3)对齐有效数据段结束时标
以历史数据有效数据段的起始时刻为基准,依次对采样点按照公式进行逐点迭代递推运算,实现有效数据段结束时标对齐,其中, 和分别为尺度变换后历史数据的第i点和第i+1点的采样时刻。
(3.2)然后利用线性插值方法,实现历史数据和目标数据有效数据段采样时刻的逐点对齐,即采样时刻归一化。其计算公式为其中,为目标数据有效数据段的采样时刻,为历史数据在采样时刻时的参数值,其位于历史数据和之间,i′=1,2…n为目标数据的采样点编号。
(4)利用上述步骤(3)中得到的采样点统一的历史数据有效数据段,采用基于双因子等价权函数的抗差最小二乘估计算法,对参数的目标数据进行估计,其计算过程为:
(4.1)计算历史数据与目标数据有效数据段的距离权因子
公式为其中,dj为历史数据与目标数据有效数据段的距离函数,其计算公式为 为目标数据在采样时刻时的参数值;
(4.2)计算历史数据与目标数据有效数据段的方向权因子
公式为其中,oj为历史数据与目标数据有效数据段的方向函数,其计算公式为
(4.3)计算双因子等价权函数
公式为其中,ko为曲线方向特性的影响因子,kd为距离特性的影响因子,且ko+kd=1;
(4.4)计算参数估值
公式为其中为参数估值,为系数矩阵,等价权矩阵,为观测向量。
(5)利用上述步骤(4)中得到的参数目标数据的估值,采用基于曲线质心平移的统计噪声确定方法,对参数的标准差进行估计,其计算过程为:
(5.1)统一历史数据曲线与目标数据估值曲线的质心
公式为其中,为目标数据估值曲线的质心,为历史数据曲线的质心;
(5.2)计算参数的标准差
公式为其中,为历史数据相对目标数据估值的统计方差。
图1中的目标数据估计和统计方差确定由上述步骤(4)和步骤(5)构成。
(6)依据参数目标数据的估值和标准差将目标数据的分布划分为四个区间:0~1σ, 1σ~2σ,2σ~3σ,3σ~∞;
(7)依据上述步骤(6),统计参数目标数据在各个区间的概率分布,当目标数据超过极限误差(3σ)的概率大于5%或低于标准差(1σ)的概率小于50%时,将参数定性为潜在异常参数;
(8)按照上述步骤(2)~(6),通过计算机自动分析本次飞行过程所有遥测缓变参数,得出潜在异常参数表;
如图3所示,潜在异常参数表包含了潜在异常参数的目标数据在每个区间分布的统计概率。
(9)人工专家基于上述步骤(8)得到的潜在异常参数表并跟据分析得到的辅助判决图对潜在异常参数进行逐一排查,最终确定本次飞行过程中的遥测异常参数,其中参数的辅助判决图包括历史数据曲线图、目标数据曲线图、目标数据的区间分布图和目标数据的概率分布图四部分。
如图4所示,历史数据曲线图给出了本次飞行过程中,参数估计和标准差确定所用到的历史数据曲线。
如图5所示,目标数据曲线图给出了本次飞行过程中参数的目标数据曲线。
如图6所示,目标数据的区间分布图给出了参数目标数据在各个区间的时域分布情况。
如图7所示,目标数据的概率分布图以饼状图的形式给出了本次飞行过程中,参数目标数据在各个区间分布的统计概率。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于历史数据统计特性的遥测缓变参数自动判读方法,其特征在于该方法具体包括以下步骤:
(1)构建历史型号数据库;
(2)依据判读参数,分别从实测数据和历史型号数据库中获取参数判读所需的目标数据和历史数据及其有效数据段对应的指令时刻,并依据指令时刻对目标数据和历史数据进行有效数据段截取;
(3)将参数历史数据有效数据段的采样点统一到目标数据有效数据段的采样点上;
(4)利用上述步骤(3)中得到的采样点统一的历史数据有效数据段,采用基于双因子等价权函数的抗差最小二乘估计算法,对参数的目标数据进行估计;
(5)利用上述步骤(4)中得到的参数目标数据的估值,采用基于曲线质心平移的统计噪声确定方法,对参数的标准差进行估计;
(6)依据参数目标数据的估值和标准差将目标数据的分布划分为四个区间:0~1σ,1σ~2σ,2σ~3σ,3σ~∞;
(7)依据上述步骤(6),统计参数目标数据在各个区间的概率分布,当目标数据超过极限误差(3σ)的概率大于5%或低于标准差(1σ)的概率小于50%时,将参数定性为潜在异常参数;
(8)按照上述步骤(2)~(6),通过计算机自动分析本次飞行过程所有遥测缓变参数,得出潜在异常参数表;
(9)人工专家基于上述步骤(8)得到的潜在异常参数表并跟据分析得到的辅助判决图对潜在异常参数进行逐一排查,最终确定本次飞行过程中的遥测异常参数,其中参数的辅助判决图包括历史数据曲线图、目标数据曲线图、目标数据的区间分布图和目标数据的概率分布图四部分。
2.根据权利要求1所述的一种基于历史数据统计特性的遥测缓变参数自动判读方法,其特征在于:所述的步骤(1)中的历史型号数据库共由三种类型表格组成:
(1.1)参数索引表:参数索引表共有一张表格,负责存储各型号历次飞行过程中所有参数的属性,表的字段包括型号、飞行过程编号、参数类型、参数名称、参数索引,其中参数索引指明了该参数对应的参数数据表;
(1.2)参数数据表:参数数据表的数量依据各型号历次飞行过程中的参数数量而定,负责存储历次飞行过程中每个参数的实测数据;其中,每次飞行过程中的指令数据由一张指令参数表维护,表的字段包括指令名称和时间,其他类型参数的数据表格与参数个数相同,表的字段包括时间和量值;
(1.3)参数有效数据段指令表:参数有效数据段指令表共有一张表格,负责存储缓变参数有效数据段对应的时间指令,表的字段包括型号、参数名称、参数有效数据段1开始指令、参数有效数据段1结束指令、参数有效数据段2开始指令、参数有效数据段2结束指令、参数有效数据段3开始指令、参数有效数据段3结束指令;其中,参数有效数据段开始结束指令指明了该参数有效数据段开始和结束时刻的指令名称。
3.根据权利要求1所述的一种基于历史数据统计特性的遥测缓变参数自动判读方法,其特征在于,所述的步骤(2)中从历史型号数据库中获取参数历史数据及其有效数据段对应指令时刻的方法为:
(2.1)参数历史数据的获取方法:首先依据参数所属型号、飞行过程编号、参数类型和参数名称,通过查询参数索引表确定该参数对应的参数数据表索引;然后依据参数数据表索引找到参数数据表,从而获取参数数据;
(2.2)参数历史数据有效数据段指令时刻的获取方法:首先依据参数所属型号和参数名称,通过查询参数有效数据段指令表,确定该参数有效数据段开始和结束时刻的指令名称;然后依据指令名称按照(2.1)的方法获取指令发生的时刻。
4.根据权利要求1所述的一种基于历史数据统计特性的遥测缓变参数自动判读方法,其特征在于,所述的步骤(3)中将参数历史数据有效数据段的采样点统一到目标数据有效数据段的采样点上分两步进行:
(3.1)首先采用以目标数据有效数据段时标为基准的时间间隔递推算法,实现历史数据和目标数据有效数据段两端时标的对齐,即时间长度归一化;
(3.2)然后利用线性插值方法,实现历史数据和目标数据有效数据段采样时刻的逐点对齐,即采样时刻归一化。
5.根据权利要求4所述的一种基于历史数据统计特性的遥测缓变参数自动判读方法,其特征在于,所述的步骤(3.1)中的时间间隔递推算法的计算过程为:
(3.1.1)对齐有效数据段起始时标
按照对历史数据的采样时刻进行逐点计算,实现有效数据段起始时标的对齐,其中,为历史数据的采样时刻,和分别为历史数据和目标数据有效数据段的起始时刻,j=1,2,…,m为历次飞行过程的编号,i=1,2,…,nj为历次飞行过程的采样点编号;
(3.1.2)计算时间长度比例因子Tj
公式为其中,和分别为历史数据和目标数据有效数据段的结束时刻;
(3.1.3)对齐有效数据段结束时标
以历史数据有效数据段的起始时刻为基准,依次对采样点按照公式进行逐点迭代递推运算,实现有效数据段结束时标对齐,其中, 和分别为尺度变换后历史数据的第i点和第i+1点的采样时刻。
6.根据权利要求4所述的一种基于历史数据统计特性的遥测缓变参数自动判读方法,其特征在于,所述的步骤(3.2)中线性插值方法的计算公式为其中,为目标数据有效数据段的采样时刻,为历史数据在采样时刻时的参数值,其位于历史数据和之间,i′=1,2…n为目标数据的采样点编号。
7.根据权利要求1所述的一种基于历史数据统计特性的遥测缓变参数自动判读方法,其特征在于,所述的步骤(4)中基于双因子等价权函数的抗差最小二乘估计方法的计算过程为:
(4.1)计算历史数据与目标数据有效数据段的距离权因子
公式为其中,dj为历史数据与目标数据有效数据段的距离函数,其计算公式为 为目标数据在采样时刻时的参数值;
(4.2)计算历史数据与目标数据有效数据段的方向权因子
公式为其中,oj为历史数据与目标数据有效数据段的方向函数,其计算公式为
(4.3)计算双因子等价权函数
公式为其中,ko为曲线方向特性的影响因子,kd为距离特性的影响因子,且ko+kd=1;
(4.4)计算参数估值
公式为其中为参数估值,为系数矩阵,等价权矩阵,为观测向量。
8.根据权利要求1所述的一种基于历史数据统计特性的遥测缓变参数自动判读方法,其特征在于,所述的步骤(5)中基于曲线质心平移的统计噪声确定方法的计算过程为:
(5.1)统一历史数据曲线与目标数据估值曲线的质心
公式为其中,为目标数据估值曲线的质心,为历史数据曲线的质心;
(5.2)计算参数的标准差
公式为其中,为历史数据相对目标数据估值的统计方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810145336.5A CN108491439B (zh) | 2018-02-12 | 2018-02-12 | 一种基于历史数据统计特性的遥测缓变参数自动判读方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810145336.5A CN108491439B (zh) | 2018-02-12 | 2018-02-12 | 一种基于历史数据统计特性的遥测缓变参数自动判读方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108491439A true CN108491439A (zh) | 2018-09-04 |
CN108491439B CN108491439B (zh) | 2022-07-19 |
Family
ID=63340312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810145336.5A Active CN108491439B (zh) | 2018-02-12 | 2018-02-12 | 一种基于历史数据统计特性的遥测缓变参数自动判读方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108491439B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110672060A (zh) * | 2019-08-23 | 2020-01-10 | 中国人民解放军63729部队 | 一种基于外测速度的箭上姿态角情况判决方法 |
CN111099031A (zh) * | 2018-10-26 | 2020-05-05 | 北京松果电子有限公司 | 展示飞行数据的方法、装置、存储介质及电子设备 |
CN111247496A (zh) * | 2019-01-28 | 2020-06-05 | 深圳市大疆创新科技有限公司 | 一种外部负载的控制方法、设备、无人飞行器及终端设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001046886A2 (en) * | 1999-12-22 | 2001-06-28 | Rlm Software, Inc. | System and method for estimating aircraft flight delay |
US6301970B1 (en) * | 1998-08-06 | 2001-10-16 | The United States Of America The Secretary Of The Navy | Cumulative damage model for structural analysis of filed polymeric materials |
US20030195693A1 (en) * | 1999-12-22 | 2003-10-16 | Lorraine Flynn | System and method for estimating aircraft flight delay |
JP2006168628A (ja) * | 2004-12-17 | 2006-06-29 | Daihatsu Motor Co Ltd | 衝突防止支援方法及び衝突防止支援装置 |
CN101551940A (zh) * | 2009-04-29 | 2009-10-07 | 上海电器科学研究所(集团)有限公司 | 城市快速道路交通状态判别与发布系统及其方法 |
CN103218451A (zh) * | 2013-04-27 | 2013-07-24 | 北京空间飞行器总体设计部 | 一种航天器测试数据自动判读方法 |
CN104217376A (zh) * | 2014-09-18 | 2014-12-17 | 国电南瑞南京控制系统有限公司 | 一种故障风机损失发电量的估计方法 |
WO2015066348A2 (en) * | 2013-10-30 | 2015-05-07 | Invensense, Inc. | Method and system for estimating multiple modes of motion |
US20150251662A1 (en) * | 2014-03-06 | 2015-09-10 | Fujitsu Limited | Locus estimation device and locus estimating method |
CN106683685A (zh) * | 2016-12-23 | 2017-05-17 | 上海语知义信息技术有限公司 | 基于最小二乘法的目标方向语音检测方法 |
CN107367708A (zh) * | 2017-08-24 | 2017-11-21 | 哈尔滨工业大学(威海) | 一种基于最小标准差的锚节点优化选择的加权质心定位方法 |
-
2018
- 2018-02-12 CN CN201810145336.5A patent/CN108491439B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6301970B1 (en) * | 1998-08-06 | 2001-10-16 | The United States Of America The Secretary Of The Navy | Cumulative damage model for structural analysis of filed polymeric materials |
WO2001046886A2 (en) * | 1999-12-22 | 2001-06-28 | Rlm Software, Inc. | System and method for estimating aircraft flight delay |
US20030195693A1 (en) * | 1999-12-22 | 2003-10-16 | Lorraine Flynn | System and method for estimating aircraft flight delay |
JP2006168628A (ja) * | 2004-12-17 | 2006-06-29 | Daihatsu Motor Co Ltd | 衝突防止支援方法及び衝突防止支援装置 |
CN101551940A (zh) * | 2009-04-29 | 2009-10-07 | 上海电器科学研究所(集团)有限公司 | 城市快速道路交通状态判别与发布系统及其方法 |
CN103218451A (zh) * | 2013-04-27 | 2013-07-24 | 北京空间飞行器总体设计部 | 一种航天器测试数据自动判读方法 |
WO2015066348A2 (en) * | 2013-10-30 | 2015-05-07 | Invensense, Inc. | Method and system for estimating multiple modes of motion |
US20150251662A1 (en) * | 2014-03-06 | 2015-09-10 | Fujitsu Limited | Locus estimation device and locus estimating method |
CN104217376A (zh) * | 2014-09-18 | 2014-12-17 | 国电南瑞南京控制系统有限公司 | 一种故障风机损失发电量的估计方法 |
CN106683685A (zh) * | 2016-12-23 | 2017-05-17 | 上海语知义信息技术有限公司 | 基于最小二乘法的目标方向语音检测方法 |
CN107367708A (zh) * | 2017-08-24 | 2017-11-21 | 哈尔滨工业大学(威海) | 一种基于最小标准差的锚节点优化选择的加权质心定位方法 |
Non-Patent Citations (3)
Title |
---|
吴究: "遥感探测科技在土木工程上之应用", 《武汉大学学报(信息科学版)》 * |
张宝军等: "自然灾害遥感应用标准体系构建方法研究", 《防灾科技学院学报》 * |
李鑫 等: "一种遥测缓变参数自动判读的新方法", 《宇航学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111099031A (zh) * | 2018-10-26 | 2020-05-05 | 北京松果电子有限公司 | 展示飞行数据的方法、装置、存储介质及电子设备 |
CN111099031B (zh) * | 2018-10-26 | 2021-07-27 | 北京小米松果电子有限公司 | 展示飞行数据的方法、装置、存储介质及电子设备 |
CN111247496A (zh) * | 2019-01-28 | 2020-06-05 | 深圳市大疆创新科技有限公司 | 一种外部负载的控制方法、设备、无人飞行器及终端设备 |
CN110672060A (zh) * | 2019-08-23 | 2020-01-10 | 中国人民解放军63729部队 | 一种基于外测速度的箭上姿态角情况判决方法 |
CN110672060B (zh) * | 2019-08-23 | 2022-09-16 | 中国人民解放军63729部队 | 一种基于外测速度的箭上姿态角情况判决方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108491439B (zh) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112949945B (zh) | 一种改进双向长短期记忆网络的风电功率超短期预测方法 | |
CN112686464A (zh) | 短期风电功率预测方法及装置 | |
CN108491439A (zh) | 一种基于历史数据统计特性的遥测缓变参数自动判读方法 | |
CN108983320A (zh) | 一种沿海台风极值风速的数值天气预报-人工智能耦合预测方法 | |
CN107104442A (zh) | 计及参数模糊性的含风电场电力系统概率潮流计算方法 | |
CN111680870B (zh) | 目标运动轨迹质量综合评估方法 | |
CN104239712B (zh) | 一种雷达抗干扰效能实时评估方法 | |
CN108428017A (zh) | 基于核极限学习机分位数回归的风电功率区间预测方法 | |
CN105005878B (zh) | 一种坚强智能电网的综合评估方法 | |
CN110535149A (zh) | 一种公变台区电力负荷三相不平衡预测方法 | |
CN107895202A (zh) | 基于多视角风速模式挖掘的短期风速预测方法 | |
CN108804850A (zh) | 一种基于空间重构的航空发动机过渡态加速过程关键性能参数预测方法 | |
CN105868906A (zh) | 一种优化的区域发展成熟度分析方法 | |
CN106650977A (zh) | 应用于新建风电场的短期功率预测方法 | |
CN105825002A (zh) | 一种基于动态灰关联分析法的风电场动态等值建模方法 | |
CN111695290A (zh) | 一种适用于变化环境下的短期径流智能预报混合模型方法 | |
CN110119853A (zh) | 基于时间序列监测数据分析的供水管网漏损报警阈值选取方法 | |
CN105846425A (zh) | 一种基于通用风电预测误差模型的经济调度方法 | |
CN103530700B (zh) | 城区配电网饱和负荷综合预测方法 | |
CN109214591A (zh) | 一种木本植物地上生物量预测方法及系统 | |
CN106294932A (zh) | 不同变化条件对流域径流不确定性影响的分析方法 | |
CN109087215A (zh) | 多风电场输出功率联合概率密度预测方法 | |
CN114626586A (zh) | 基于prophet-LightGBM混合模型的大规模建筑能耗预测方法 | |
CN108647817A (zh) | 一种能耗负荷的预测方法及预测系统 | |
CN110598914B (zh) | 一种多因素影响下矿井灾害气体浓度区间预测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |