CN108733868A - 用于基于飞行数据的参数调谐和配置的方法和系统 - Google Patents
用于基于飞行数据的参数调谐和配置的方法和系统 Download PDFInfo
- Publication number
- CN108733868A CN108733868A CN201810224572.6A CN201810224572A CN108733868A CN 108733868 A CN108733868 A CN 108733868A CN 201810224572 A CN201810224572 A CN 201810224572A CN 108733868 A CN108733868 A CN 108733868A
- Authority
- CN
- China
- Prior art keywords
- model
- assets
- engine
- flying quality
- given aircraft
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及用于基于飞行数据的参数调谐和配置的方法和系统。具体而言,一种系统、计算机可读介质和方法,包括:接收用于特定飞行器资产的至少一个发动机的飞行数据发动机测量结果;接收用于特定飞行器资产的飞行数据空气动力学测量结果;组合基于物理的参数空气动力学性能模型和基于物理的发动机模型,基于物理的参数空气动力学性能模型针对特定飞行器资产使用飞行数据空气动力学测量结果来调谐,基于物理的发动机模型针对特定飞行器资产使用飞行数据发动机测量结果来调谐;基于组合的调谐的空气动力学性能模型和调谐的发动机模型,计算针对特定飞行器资产作为整体的性能模型;以及存储针对特定飞行器资产的计算的性能模型的记录以用于未来配置。
Description
技术领域
本公开的领域大体上涉及飞行器模型,更具体而言涉及针对特定飞行器资产的操作而调谐和配置飞行器资产模型的系统、装置和方法。
背景技术
意在代表飞行器的特性和特为的传统模型大体上为静止的且很少反映特定飞行器资产的真实、准确、或甚至最新特性。这些缺点可主要归因于制造公差和随时间显现的性能退化。此模型不准确性可能导致关于具体飞行器的商业和操作目标的不准确计划和控制动作。此外,这些类型的模型不准确性可能还导致飞行器的不可靠监测。
模型不准确性可导致遮掩实体理解飞行器及其相关联的系统的操作条件的能力。例如,不准确模型可导致难以理解飞行器的特定发动机为何以具体方式操作。它还可能导致隐藏的低效和浪费。例如,由于依靠不准确模型来计划和运行期望的程序,故用于试图节省燃料的飞行操作程序可实际上引起燃料燃烧比真实最优燃料燃烧较高且/或不利地影响发动机寿命。
因此,存在对改进飞行器建模的方法和系统的需要,其可支持针对特定飞行器资产的优化计划和操作控制。
发明内容
一个方面,本公开的实施例涉及:接收用于特定飞行器资产的至少一个发动机的飞行数据发动机测量结果;接收用于特定飞行器资产的飞行数据飞行动力学测量结果;接收用于特定飞行器资产的飞行数据空气动力学测量结果;组合基于物理的参数空气动力学性能模型和基于物理的发动机模型,基于物理的参数空气动力学性能模型针对特定飞行器资产使用飞行数据空气动力学测量结果和飞行动力学测量结果来调谐,基于物理的发动机模型针对特定飞行器资产使用飞行数据发动机测量结果来调谐;基于组合的调谐的空气动力学性能模型和调谐的发动机模型,计算针对特定飞行器资产作为整体的性能模型;以及存储针对特定飞行器资产的计算的性能模型的记录以用于未来配置。
在其他实施例中,系统可实施、运行或体现本文的过程的特征中的至少一些。在又一个示例实施例中,有形介质可体现可运行的指令,其可由处理器激活装置或系统运行来实施本公开的过程中的至少一些方面。
技术方案1. 一种由处理器实施的针对特定飞行器资产的模型调谐的方法,所述方法包括:
接收用于所述特定飞行器资产的至少一个发动机的飞行数据发动机测量结果;
接收用于所述特定飞行器资产的飞行数据飞行动力学测量结果;
接收用于所述特定飞行器资产的飞行数据空气动力学测量结果;
组合基于物理的参数空气动力学性能模型和基于物理的发动机模型,所述基于物理的参数空气动力学性能模型针对所述特定飞行器资产使用所述飞行数据飞行动力学测量结果、飞行数据空气动力学测量结果来调谐,所述基于物理的发动机模型针对所述特定飞行器资产使用所述飞行数据发动机测量结果来调谐;
基于组合的调谐的空气动力学性能模型和调谐的发动机模型,计算针对所述特定飞行器资产作为整体的性能模型;以及
存储针对所述特定飞行器资产的计算的性能模型的记录以用于未来配置。
技术方案2. 根据权利要求1所述的方法,其特征在于,所述飞行数据发动机测量结果、飞行数据飞行动力学数据和所述飞行数据空气动力学测量结果是记录的数据、流过的数据及其组合中的至少一者。
技术方案3. 根据权利要求1所述的方法,其特征在于,所述空气动力学性能模型包括参照基线模型和参数模型,所述参照基线模型捕获给定类型的名义或平均飞行器的行为,所述参数模型可使用飞行数据调谐以捕获所述特定飞行器资产的性能之间的偏差。
技术方案4. 根据权利要求3所述的方法,其特征在于,所述至少一个发动机模型包括数值推进系统仿真(NPSS)、从NPSS的行为或实验数据导出的数学表达及其组合中的至少一者的基于物理的模型。
技术方案5. 根据权利要求1所述的方法,其特征在于,所述至少一个发动机模型包括针对安装在所述特定飞行器资产上的各个发动机的其情况。
技术方案6. 根据权利要求1所述的方法,其特征在于,所述至少一个发动机模型提供对于所述特定飞行器资产的实际操作条件而言真实的推力输出。
技术方案7. 根据权利要求1所述的方法,其特征在于,用于所述特定飞行器资产的性能模型由操作条件限定且针对所述特定飞行器资产在整个飞行迹线上准确。
技术方案8. 根据权利要求1所述的方法,其特征在于,所述方法还包括,在飞行之间以及一段时间内跟踪所述特定飞行器资产的性能。
技术方案9. 根据权利要求1所述的方法,其特征在于,所述特定飞行器资产由其资产构造和资产状态限定。
技术方案10. 根据权利要求1所述的方法,其特征在于,测量结果从所述飞行数据发动机测量结果和所述飞行数据空气动力学测量结果分别地、单独地或针对所述特定飞行器资产作为整体而选择,以用于所述发动机模型和所述空气动力学模型。
技术方案11. 根据权利要求1所述的方法,其特征在于,用于确定所述空气动力学模型的空气动力学系数通过针对所述特定飞行器资产使用与所述特定飞行器资产的飞行动力学相关的成批样本测量结果求解运动方程来估计。
技术方案12. 根据权利要求1所述的方法,其特征在于,所述发动机模型在不考虑所述空气动力学性能模型的情况下调谐。
技术方案13. 根据权利要求11所述的方法,其特征在于,所述方法还包括,通过比较估计的空气动力学系数和所述空气动力学性能模型的基线空气动力学模型的基线系数,来确定用于所述空气动力学性能模型的估计的空气动力学偏差。
技术方案14. 根据权利要求13所述的方法,其特征在于,所述空气动力学性能模型包括空气动力学偏差模型,且所述空气动力学偏差模型可使用所述估计的空气动力学偏差来调谐。
技术方案15. 根据权利要求1所述的方法,其特征在于,所述方法还包括:
针对多个时间段中的各个来调谐所述发动机模型和所述空气动力学性能模型,以获得一系列模型参数组,所述多个时间段中的每一个各有一个模型参数组;以及
总计基于所述模型参数组中的每一个的调谐的发动机模型和调谐的空气动力学性能模型的偏差,来跟踪所述特定飞行器资产的状态在一段时间内的状态。
技术方案16. 根据权利要求1所述的方法,其特征在于,所述方法还包括,将所述性能模型配置至所述特定飞行器资产机上的系统和基于地面的系统中的至少一者。
技术方案17. 根据权利要求16所述的方法,其特征在于,所述配置包括:
将所述发动机模型和所述空气动力学模型配置至所述机上的系统和所述基于地面的系统中的一者;以及
将调谐的模型参数至少周期性地传输至配置的发动机模型和空气动力学模型。
附图说明
本公开的这些和其他特征、方面和优点在参照附图阅读以下详细描述时将变得更好理解,其中相似的标号贯穿附图代表相似的部分,其中:
图1是绘出模型不准确性对一类飞行器资产操作优化的示例影响的示范性图示;
图2是根据本文的一些方面的模型调谐过程或框架的示范性示例;
图3是根据本文的一些实施例的无约束模型和对应的约束模型的一个示例的示范性描绘;
图4是根据本文的一些方面的模型预测过程的示范性示例;
图5是根据本文的一些实施例的示例信息流和配置使用情况的示范性描绘;以及
图6是可支撑本文公开的一些过程的系统和装置的框图的示范性描绘。
除非另外指示,本文提供的附图意思是示出本公开的实施例的特征。相信这些特征可在包括本公开的一个或多个实施例的多种系统中应用。因此,附图不意图包括本文公开的实施例的实践所要求的由本领域的普通技术人员已知的所有常规特征。
具体实施方式
在以下说明书和权利要求中,参照多个用语,其具有以下意思。
单数形式“一个”、“一种”和“该”包括复数参照,除非上下文另外清楚地指出。
“可选”或“可选地”意思是随后描述的事件或情形可发生或可不发生,且描述包括事件发生的情况和事件不发生的情况。
其受让人通用电气公司已经开发了飞行操作特性的集成飞行器系统水平数字模型,其称为飞行器数字双胞胎(ACDT)。(ACDT)系统包括但不限于给定飞行条件下的飞行性能以及用于具体飞行器资产的四维(4D)飞行轨迹。为了解决针对特定飞行器资产(即,具体尾号)的模型准确性的问题,已开发参数建模途径来允许使用之前记录和/或流过的数据(来自具体尾号的真实世界飞行操作)来调谐模型。在一些方面,ACDT针对发动机性能模型参数而影响安装在特定飞行器资产(本文也简单称为飞行器)上的发动机的准确模型(例如,发动机数字双胞胎)。ACDT还针对模型参数调谐而影响利用从飞行器记录的数据的飞行分析能力。在一些方面,ACDT可然后在一种或多种情境下配置,以允许尾号特定计划、尾号特定控制优化和可靠监测。在一些情况下,本公开的过程和方法可用于较好理解系统操作条件,以及恢复可归因于模型不准确性的另外隐藏的低效和飞行操作浪费。
如本文提到的那样,飞行器资产还可作为尾号提到,因为飞行器操作者通常通过其尾号来识别其飞行器资产,且在本文的一些情况下,简单地称为飞行器。飞行器资产可由其构造(即,资产构造)和状态(即,资产状态)限定。资产构造可包括特定机身、安装的特定发动机、外部存储或修改,以及控制系统,其可影响特定飞行器的飞行性能。系统状态可包括性能退化、损坏、暂时修理或修改、或对特定飞行器的系统性能的暂时限制。
在一些方面,本公开针对特定飞行器资产对一些基于飞行数据的参数调谐和配置问题提供解决方案,这是通过建立组合的发动机模型和空气动力学模型的系统和过程,其包括一种方法,该方法包括在模型参数调谐过程中的独特操作,确保了调谐的模型配合整个飞行迹线,以及对飞行器机上的系统和地面上的各种系统配置调谐的模型参数的方法。
参照图1,示出了绘出模型不准确性对一类飞行器资产操作优化的示例影响的示范性图示100。在一些方面,图1展示了用于本公开的一些概念和实施例的一些原因和动机。具体而言,图示100示出了模型准确性对操作成本优化(包括燃料和时间成本)的影响。曲线105代表飞行器的燃料燃烧(y轴线)相对于飞行时间(x轴线)。飞行器资产的最少燃料燃烧在110处示出。如果飞行器资产要在特定时间飞行在110处指示的飞行节段,则飞行器资产将燃烧最少量的燃料。要注意的是,曲线105忽略时间成本,其包括与飞行人员的时间、客舱人员的时间相关联的成本、与飞行时间相关联的维护成本等。在一些情境下,成本指数(CI)122用于代表按燃料燃烧的时间成本当量。在图1中,时间成本当量燃料燃烧由直线图示125代表。
燃料燃烧105加时间成本当量燃料燃烧125由135处的总成本当量燃料燃烧曲线135代表。对于曲线135的最低总成本当量燃料燃烧位于140处。然而,如果模型105和135包括误差,如由虚线曲线115和145(分别代表飞行器的真实燃料燃烧和真实总成本当量燃料燃烧),则最优(例如,最低燃料燃烧或最低总成本当量燃料燃烧)数据点将发生转移或变化。初始模型曲线和实际(即,真实)数据曲线之间的差异代表偏差或误差。对于真实燃料燃烧曲线115,最低点的水平转移(从110至120)可相对较小。然而,当燃料燃烧变化增加至时间成本,则水平转移更加显著,如由总成本当量燃料燃烧的模型曲线135上的模型最低140和真实曲线145上的真实最低150可见的那样。水平转移160代表最优解的误差。如果不考虑该误差160,则真实燃料燃烧将具有增加130,其测量真实燃料燃烧曲线115上的差异。看到的变化不仅由于实际上以不同的燃料燃烧速率操作飞行器,而且由于以错误假定的最优(即,最低成本)飞行时间或速度操作。即,曲线135和145之间的偏差指示不仅模型的准确性(不准确性)而且模型的准确性(不准确性)对优化的影响。
图2是根据本文的一些实施例的模型调谐的框架或过程200的示范性描绘。模型调谐过程200组合基于物理的发动机模型(即,发动机模型)和基于物理的参数空气动力学性能模型(即,空气动力学模型),两者使用记录或流过的飞行数据调谐来获得高度准确的性能模型,其作为整体特定于具体飞行器资产。性能模型可由飞行器数字双胞胎(ACDT)代表。
参照图2,空气动力学模型包括参照基线空气动力学模型230,其捕获给定类型的名义或平均飞行器的行为,以及参数模型(未示出),它可使用记录的飞行数据调谐而准确地捕获特定资产的性能与参照基线模型之间的偏差。
发动机模型220接收飞行数据发动机测量结果205。飞行数据发动机测量结果可用于调谐发动机模型220,如由发动机模型调谐225所示的那样。在一些实施例中,发动机模型220可使用相关飞行数据测量结果205和飞行条件直接调谐,而不考虑特定飞行器的空气动力学性能模型。发动机测量结果和飞行条件可包括例如,纬度和经度、校准的空速(CAS)/马赫数、静态空气温度(SAT)/总空气温度(TAT)、发动机油门杆角度(TLA)、发动机风扇速度(N1)、发动机压力比(EPR)、燃料流、排气温度(EGT)、发动机排放、发动机功率和发动机模式。
在一些实施例中,本文的基于物理的发动机模型可能包括模型,诸如数值推进系统仿真(NPSS)、从NPSS的性能或实验数据导出的数学表达、以及任何其他形式的模型。在一些实施例中,数据驱动的模型可替代地使用。模型可使用记录的飞行数据调谐,以例如提供推力输出,其对于给定操作条件和安装在飞行器上的各个发动机而言是真实的。
在一些情况下,带有多个发动机的飞行器的发动机可单独调谐。多个发动机的调谐可顺序地或至少部分地并行实现。在一些情况下,并非所有测量结果同时使用,如由发动机模型220和发动机模型调谐225的相互作用指示的那样。
在一些实施例中,多个不同或各种发动机模型参数可通过使用相关数据样本来调谐。数据样本可根据一个或多个不同过程来选择。发动机模型调谐225可使用成批数据样本使用回归或其他优化技术来实现。在一些实施例中,发动机模型220可使用流过的数据来调谐,其中一些测量结果可能使用滤波器(例如,卡尔曼滤波器)来估计。
在一些实施例中,当调谐的空气动力学性能参数变得可用时,在过程200中调谐的发动机可检查一致性。如由点线示出的那样,将空气动力学偏差模型参数250经由调谐的空气动力学模型255输送至发动机调谐模块225,诸如发动机怠速参数的发动机模型参数可使用怠速下降数据样本调谐,且空气动力学模型参数可使用巡航数据样本调谐。
在一些实施例中,记录的飞行数据可按时间顺序按由特定飞行器资产执行的飞行分类,且进一步由资产构造变化而分组。资产构造变化可能包括例如发动机替换或交换、卫星天线的安装、和其他变化。飞行数据的该分类可用于确保调谐将针对特定资产构造,相对于混淆不同构造(其可导致模型的降低的准确性)。
对于各个资产构造组,飞行数据可进一步由选择的尺度的时间段分组,其中尺度可按日历日、飞行循环的数量、飞行小时数、或这些方面中的一个或多个的组合。该分组可能允许参数调谐过程跟踪资产状态随时间的演化。在一些实施例中,其中可能存在资产构造变化信息,按不同尺度的时间段分组可帮助探测对参数调谐过程未知的资产构造变化。
在一些方面且与时间分组过程独立或有关,测量结果的子组可能基于限定测量结果和飞行性能参数之间的关系的物理定律而从飞行数据中的所有可用测量结果选择。测量结果的选择可能还基于飞行性能参数对独立测量结果的一些敏感性。当可使用备选关系时,该方案可能特别有用,例如,从攻角(AOA)确定升程(假定两者之间的线性关系),或从飞行器沿给定方向的加速度来确定升程。在一些情况下,测量结果的选择可能还基于独立测量结果的可靠性,这可通过比较一个测量结果以及按物理定律与其相关的另一个测量结果的时间历史。例如,一些测量结果可包含较高水平的噪声,由于传感器性能或由于物理现象的一些固有特性。然而,在其他情况下,一些测量结果可能用在冗余关系或方程中,以降低建模结果中的偏向和噪声。在一些情况和实施例中,测量结果可能在本文中针对空气动力学模型和发动机模型单独地选择,或针对飞行器资产作为整体选择。
在一些实施例中,范围从独立数据点到数据点的整个组的数据片断可针对各个独立飞行而从飞行数据选择,作为数据样本,来在本文中的模型调谐中使用。此数据片断的示例可包括用于像是稳定状态爬升、巡航、下降和协调转弯的飞行节段的数据。此数据片断的一些示例还可包括给定空气动力学构造的节段,诸如带有副翼、板条、或延伸的起落装置的构造;带有处于给定操作模式的发动机的节段;以及这些条件的独特组合。数据样本的选择可针对空气动力学模型单独地执行、针对发动机模型单独地执行、或针对飞行器资产作为整体执行。
在一些实施例中,本文公开的数据的分类、分组和选择可使用飞行数据分析平台利用自动确定或用户输入的参数来自动地执行。
再次参照图2,飞行数据空气动力学测量结果215提供至基线空气动力学模型230。基线空气动力学模型230生成基线空气动力学系数232。
用于特定飞行器的运动方程235接收和使用样本飞行数据动力学测量结果210、从调谐的发动机模型估计的推力222、和从基线空气动力学模型230计算的基线空气动力学系数232来生成估计的空气动力学系数237。飞行数据飞行动力学测量结果210和飞行数据空气动力学测量结果215的样本测量结果例如包括,纬度和经度,压力高度,校准的空速(CAS)/马赫数,静态空气温度(SAT)/总空气温度(TAT),飞行路径角度(FPA),攻角(AOA),侧滑角,空气动力学表面的偏转,起落装置位置,飞行器质量,重心(CG),加速度,风速和方向等。在一些实施例中,关于成批数据样本,成批估计的数据点可针对一系列飞行条件产生,诸如由高度、马赫数和其他参数限定的飞行条件。在一些方面,基线空气动力学系数的使用可帮助改进空气动力学系数估计的准确性。要注意的是,并非公开为可能在确定估计的空气动力学系数中使用的所有测量结果需要在所有情况下和/或同时使用。
估计的空气动力学偏差242可通过经由加法函数240比较估计的空气动力学系数237和基线空气动力学系数232来获得。基线空气动力学系数可使用与空气动力学相关的样本测量结果(飞行数据空气动力学测量结果215)来计算,诸如,例如,压力高度,校准的空速(CAS)/马赫数,静态空气温度(SAT)/总空气温度(TAT),攻角(AOA),侧滑角,空气动力学表面的偏转,起落装置位置,飞行器质量,重心(CG),或估计或计算的升程系数。对于成批估计的空气动力学系数样本,成批估计的空气动力学偏差可针对一系列飞行条件产生,例如由高度、马赫数和其他参数表征。
形成本文的基于物理的空气动力学性能模型的一部分的空气动力学偏差模型245,然后可使用估计的空气动力学偏差数据点调谐,以限定成组参数,其限定参数模型,参数模型限定针对特定飞行器在整个飞行迹线用于所有操作点的误差(即,偏差)。在一些实施例中,空气动力学偏差模型的调谐可使用回归过程或优化方法。
在单个参数模型(即,简单百分比阻力系数)的情况下,参数可针对各个样本数据点获得,而不使用回归或优化方法。单个参数的分布可从成批样本数据点获得。
空气动力学偏差模型参数可通过在255处的调谐的空气动力学模型反馈,以在225处校验调谐的发动机模型的一致性,以及在相关时使用一些空气动力学参数来辅助调谐发动机模型。
在一些实施例中且对于相同发动机资产,过程200的调谐过程可针对系列或多个时间段中的各个来执行,从而导致一系列模型参数组,每一个时间段各有一个模型参数组。
在一些实施例中,总计偏差可基于各个模型参数组来获得,以跟踪飞行器资产状态随时间的变化。随时间跟踪飞行器资产的性能可揭示飞行器资产性能退化和恢复的情况。
在一些操作期间或由于从飞行器资产收集的有限数据,用于调谐模型的样本数据点也可在飞行条件空间中聚集在相对较小区域中或有限数量的小区域中。如此,使用一些数据批调谐的一些参数模型可能朝数据点存在的地方偏向,而不是飞行器资产的真实状态。在这些情况中的一些中,可能的是,在数据点存在之处准确地调谐模型,且在没有数据点存在之处相当不准确地调谐模型。
图3是突出由本公开解决的一些方面的示范性图示300,包括模型调谐偏向。在图3中,虚线305代表未约束模型,其直接从可用数据点调谐。未约束模型不在操作条件的整个范围内代表特定飞行器资产,尽管它可在聚集的数据点310的区域中代表飞行器资产。数据点310可各自代表特定飞行器的测量结果。然而,如图3中所示的示例示出的那样,数据点310聚集在相对较小的区域中。由于数据中的噪声,未约束模型305可在数据点310可聚集的区域之处从由线320代表的真值而偏差。飞行条件离得越远,则偏差可越大。基线模型的大体行为或偏差模型的大体行为的知识或两者可用于确定、估计、推断或表征误差,以确定由线315代表的校正的模型。在一些实施例中,数据点310的分布和模型的大体行为的知识可用于约束模型315,使得其较接近由线320代表的真值。例如,上束缚模型325和下束缚模型330可用于束缚空气动力学偏差或发动机模型量度。上束缚模型325和下束缚模型330的参数组可进一步用于导出参数约束,其已知将模型行为限制在合理空间中,其中参数约束可在模型调谐过程(例如,过程200)中使用。例如,该策略可用于应用简单固定百分比偏差超曲面来束缚从飞行数据样本的空气动力学模型偏差,如在图3中由上束缚325和下束缚330所示的那样,其分别代表相对于基线模型的上束缚百分比偏差和下束缚百分比偏差。
图4是根据本文的一些方面的模型预测过程400的示范性示例。在一些方面,过程400可使用来自模型调谐过程(诸如,图2的过程200)的调谐的模型。图4的示例可使用调谐的空气动力学模型和调谐的发动机模型来预测飞行性能,诸如,例如巡航操作成本模型预测。在过程400中使用的数据输入可来源于快速时间或实时飞行模拟器以及记录的飞行数据测量结果的选择的子组。数据输入包括飞行数据燃料流405、飞行数据操作条件410、飞行数据飞行动力学测量结果415、飞行数据空气动力学测量结果420、和空气动力学偏差模型参数425。在使用飞行模拟器的情况下,特别地如果优化方法包括在模拟器中,则预测的误差可指示调谐的模型的准确性,以及模型的准确性对优化的影响(如图1中所示的那样)。在模型性能预测过程使用记录的飞行数据的情况下(如图4中所示的那样),预测的误差可指示调谐的模型的准确性。
基线空气动力学模型430使用飞行数据空气动力学测量结果420来取得基线空气动力学系数432。基线空气动力学系数与预测的空气动力学偏差437(其基于空气动力学偏差模型参数425由空气动力学偏差模型435计算)组合以获得预测的空气动力学系数442。在一些实施例中,特定飞行器模型的总计空气动力学偏差可通过收集预测的空气动力学偏差437且然后随时间(例如,如果主要关注燃料流)、随距离(例如,如果主要关注燃料英里里程)、或随对调谐过程的目标合适的任何其他变量积分来从空气动力学偏差模型435直接地获得。
预测的空气动力学系数442和飞行数据飞行动力学测量结果415由运动方程445使用来生成预测的所需推力447。预测的推力继而由调谐的发动机模型450使用,以在452处产生预测的燃料流。预测的燃料流在455处与飞行数据燃料流405相比以生成误差预测457。
误差预测,诸如图4中所示的误差预测(或来自模拟的误差预测),可针对各个数据点计算。在一些方面,如果飞行对应于被试飞行器资产的使用的类型,则总计模型准确性可针对大量飞行而获得。备选地,可使用完整飞行轮廓的代表性飞行。
在一些实施例中,可期望,在一段时间内维持和跟踪飞行器资产状态变化。状态变化可由模型参数的变化代表且进一步由总计偏差显现。这些变化可能提供信息,以在未来获得更准确和可靠的模型。在一些方面,当资产的构造变化(例如,发动机替代和发动机交换)时,发动机参数和发动机参数历史可为伴随发动机的发动机日记的一部分,使得发动机状态的变化可连续地跟踪和维持。发动机参数和发动机参数历史的副本也可与机身一起保持,使得模型调谐结果可与不同发动机比较,以帮助维持一致性和模型稳定性。
可大体上假定,资产的发动机性能和空气动力学性能可随着时间逐渐变化。然而,如果在由飞行循环或相同飞行期间的飞行轮廓节段限定的时间段之间通过本文的模型调谐过程观察到模型参数或总计偏差的突然变化,则此变化可能指示对飞行器资产的突然破坏(例如,气流泄露或发动机破坏)。以此方式,单独或结合其他类型的可用信息,本文公开的模型调谐特征中的一个或多个可用于探测特定飞行器资产的操作中的反常。在一些实施例中,调谐的模型可用于支持多种不同应用或使用情况。
图5是包含本文的模型调谐和使用情况(即,模型的配置)的一些方面的示范性框架500。框架500可包括将模型周期性配置至飞行器资产,诸如至机上系统505以用于飞行管理系统(FMS)性能优化515,其中模型调谐在飞行器上执行。本文的模型也可配置至基于地面的系统,其中模型调谐可通过基于地面的系统实现,且调谐的模型参数可周期性地传输至飞行器。
参照图5,其中各个大体水平行代表配置实施例。在505处,示出了飞行器配置,其中可生成飞行器的测量结果。在一个实施例中,来自传感器502的测量结果可供给到在线估计(调谐)模块508中以调谐模型参数。调谐的模型参数可然后供给至飞行器模型510,以用于FMS性能优化515。在另一个实施例中,在520处,飞行分析平台例如经由空载飞行数据记录器507收集从飞行器下载的数据,且供给至基于地面的模型调谐521。发动机数字双胞胎522提供调谐的发动机模型。调谐的空气动力学模型参数和调谐的发动机模型参数可周期性地传输至空载飞行器模型510,以用于FMS性能优化515。在又一个实施例中,调谐的空气动力学模型参数和调谐的发动机模型参数还可周期性地供给至基于地面的尾号特定飞行器模型525。在又一个实施例中,在526处,通用轨迹预测器(UTP)可使用尾号特定飞行器模型525来预测轨迹且与快速时间飞行器模拟器527一起工作来生成尾号特定的模拟的飞行量度。在又一个实施例中,来自526的预测的轨迹以及来自527的模拟的飞行器量度可反馈至飞行器数字双胞胎。在一个示例中,发动机模型可配置以理解发动机如何用于更好地维持和修理发动机(例如,维护、修理和检查模块、MRO、523)。在又一个实施例中,在530处,模型可配置于基于地面的系统来优化尾号特定的飞行器路线和轮廓优化以及生成飞行和空域量度。在还有又一个实施例中,在535处,模型可配置于基于地面的系统来优化机群或网络系统操作以及生成与其相关的量度。在另一个实施例中,在540处,模型可配置于飞行分析平台,以用于异常探测和轮廓燃料量度的尾号特定预测。在一些实施例中,可通过将本文的参数配置到对应的系统且将调谐和校验的模型参数周期性地传输至配置的系统来实现配置。
图6是根据一些实施例中的一个示例的设备600的示范性框图。设备600可包括计算设备且可运行程序指令来执行本文描述的任何功能。设备600可包括实施服务器、专用处理器激活装置、和其他系统,包括飞行器配置的系统,以及在一些实施例中例如配置在外部计算资产或设施中的系统。设备600可包括根据一些实施例的其他未知元件。
设备600包括处理器605(其操作性地联接至通信装置615来与其他系统通信),数据存储装置630,一个或多个输入装置610(以从其他系统和实体接收输入),一个或多个输出装置620以及存储器625。通信装置615可促进与其他系统和构件的通信,诸如其他外部计算资产、空中交通控制网络和飞行器。输入装置610可例如包括键盘、键区、鼠标或其他指向装置、麦克风、旋钮或开关、红外(IR)端口、坞站、和/或触摸屏。输入装置610可例如用于将信息输入设备600。输出装置620可例如包括显示器(例如,显示屏)、扬声器、和/或打印器。
数据存储装置630可包括任何适当的持久存储装置,包括以下的组合:磁性存储装置(例如,磁带、硬盘驱动和闪速存储器),固态存储装置,光学存储装置,只读存储器(ROM)装置,随机存取存储器(RAM),存储类存储器(SCM),或任何其他快速存取存储器。数据存储装置630可存储飞行数据计划、由本文的一些实施例优化的控制命令等。
优化引擎635、飞行器建模器640和应用645可包括由处理器605运行以引起设备600执行本文描述的过程中的任何一个或多个(包括但不限于图2和图3中公开的方面)的程序指令。实施例不限于由单个设备运行这些过程。
数据650(缓存或完整数据库)可存储在诸如存储器625的易失性存储器中。数据存储装置630还可存储数据和其他程序代码,其提供额外功能性且/或对于设备600(诸如,装置驱动器、操作系统文件等)的操作有必要。数据650可包括与飞行器相关的性能数据,其可在未来模型调谐中针对特定飞行器资产使用,以用于优化目的。
虽然本公开的各种实施例的特定特征可在一些附图中示出且在其他附图中未示出,但这仅为了方便。根据本公开的原理,附图的任何特征可与任何其他附图的任何特征组合来参照和/或请求保护。
此书面描述使用示例来公开实施例,包括最佳模式,并且还使任何本领域的技术人员能够实践本发明,包括制造和使用任何装置或系统以及执行任何包含的方法。本公开可申请专利的范围由权利要求限定,且可包括本领域的技术人员想到的其他示例。如果这些其他示例具有不与权利要求的字面语言不同的结构元件,或者如果它们包括与权利要求的字面语言无实质差异的等同结构元件,则意在使这些其他示例处于权利要求的范围内。
Claims (10)
1.一种由处理器实施的针对特定飞行器资产的模型调谐的方法,所述方法包括:
接收用于所述特定飞行器资产的至少一个发动机的飞行数据发动机测量结果;
接收用于所述特定飞行器资产的飞行数据飞行动力学测量结果;
接收用于所述特定飞行器资产的飞行数据空气动力学测量结果;
组合基于物理的参数空气动力学性能模型和基于物理的发动机模型,所述基于物理的参数空气动力学性能模型针对所述特定飞行器资产使用所述飞行数据飞行动力学测量结果、飞行数据空气动力学测量结果来调谐,所述基于物理的发动机模型针对所述特定飞行器资产使用所述飞行数据发动机测量结果来调谐;
基于组合的调谐的空气动力学性能模型和调谐的发动机模型,计算针对所述特定飞行器资产作为整体的性能模型;以及
存储针对所述特定飞行器资产的计算的性能模型的记录以用于未来配置。
2.根据权利要求1所述的方法,其特征在于,所述飞行数据发动机测量结果、飞行数据飞行动力学数据和所述飞行数据空气动力学测量结果是记录的数据、流过的数据及其组合中的至少一者。
3.根据权利要求1所述的方法,其特征在于,所述空气动力学性能模型包括参照基线模型和参数模型,所述参照基线模型捕获给定类型的名义或平均飞行器的行为,所述参数模型可使用飞行数据调谐以捕获所述特定飞行器资产的性能之间的偏差。
4.根据权利要求3所述的方法,其特征在于,所述至少一个发动机模型包括数值推进系统仿真(NPSS)、从NPSS的行为或实验数据导出的数学表达及其组合中的至少一者的基于物理的模型。
5.根据权利要求1所述的方法,其特征在于,所述至少一个发动机模型包括针对安装在所述特定飞行器资产上的各个发动机的其情况。
6.根据权利要求1所述的方法,其特征在于,所述至少一个发动机模型提供对于所述特定飞行器资产的实际操作条件而言真实的推力输出。
7.根据权利要求1所述的方法,其特征在于,用于所述特定飞行器资产的性能模型由操作条件限定且针对所述特定飞行器资产在整个飞行迹线上准确。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括,在飞行之间以及一段时间内跟踪所述特定飞行器资产的性能。
9.根据权利要求1所述的方法,其特征在于,所述特定飞行器资产由其资产构造和资产状态限定。
10.根据权利要求1所述的方法,其特征在于,测量结果从所述飞行数据发动机测量结果和所述飞行数据空气动力学测量结果分别地、单独地或针对所述特定飞行器资产作为整体而选择,以用于所述发动机模型和所述空气动力学模型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/462,054 US10592636B2 (en) | 2017-03-17 | 2017-03-17 | Methods and systems for flight data based parameter tuning and deployment |
US15/462054 | 2017-03-17 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108733868A true CN108733868A (zh) | 2018-11-02 |
CN108733868B CN108733868B (zh) | 2022-05-13 |
Family
ID=63520153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810224572.6A Active CN108733868B (zh) | 2017-03-17 | 2018-03-19 | 用于基于飞行数据的参数调谐和配置的方法和系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10592636B2 (zh) |
CN (1) | CN108733868B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274652A (zh) * | 2018-12-04 | 2020-06-12 | 通用电气公司 | 所设计、所制造、所测试、所运行和所服务的耦合数字孪生生态系统 |
CN113728159A (zh) * | 2019-04-26 | 2021-11-30 | 珀金斯发动机有限公司 | 发动机控制系统 |
CN113795661A (zh) * | 2019-04-26 | 2021-12-14 | 珀金斯发动机有限公司 | 内燃发动机的控制器 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10909780B2 (en) * | 2018-04-30 | 2021-02-02 | L-3 Communications Integrated Systems L.P. | Methods and systems for operating aircraft with modified flight performance characteristics |
US11410058B2 (en) | 2019-03-29 | 2022-08-09 | QuantumiD Technologies Inc. | Artificial intelligence system for estimating excess non-sapient payload capacity on mixed-payload aeronautic excursions |
CN112286214B (zh) * | 2020-10-12 | 2021-11-09 | 同济大学 | 基于Vicon运动捕捉系统无人机数字孪生的可行性评估方法 |
US11637989B2 (en) | 2020-12-23 | 2023-04-25 | Motorola Mobility Llc | Methods, systems, and devices for presenting an audio difficulties user actuation target in an audio or video conference |
CN113051750B (zh) * | 2021-03-19 | 2024-04-05 | 北京圣涛平试验工程技术研究院有限责任公司 | 一种飞机可靠性数据资产风险闭环控制方法及装置 |
CN117910392A (zh) * | 2024-03-19 | 2024-04-19 | 上海华模科技有限公司 | 气动模型的矫正方法及装置、飞行模拟机及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050254958A1 (en) * | 2004-05-14 | 2005-11-17 | Paul Stone | Natural frequency tuning of gas turbine engine blades |
US20100251692A1 (en) * | 2006-10-27 | 2010-10-07 | Kinde Sr Ronald August | Methods of combining a series of more efficient aircraft engines into a unit, or modular units |
US20100268517A1 (en) * | 2009-04-21 | 2010-10-21 | Airbus Operations (Societe Par Actions Simplifiee) | Method and tool for simulation of the aerodynamic behaviour of an aircraft in flight close to the ground |
US20140316613A1 (en) * | 2013-04-23 | 2014-10-23 | The Boeing Company | Aircraft Performance Monitoring System |
EP2902987A1 (en) * | 2014-01-30 | 2015-08-05 | The Boeing Company | Method for modeling aircraft performance through adaptive aircraft performance models |
US20150308834A1 (en) * | 2014-04-28 | 2015-10-29 | Airbus Operations (Sas) | Method and system for adjusting the descent trajectory of an aircraft |
EP3020924A1 (en) * | 2014-11-12 | 2016-05-18 | United Technologies Corporation | A gas turbine component comprising a lattice cooling structure |
Family Cites Families (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5070458A (en) * | 1989-03-31 | 1991-12-03 | Honeywell Inc. | Method of analyzing and predicting both airplane and engine performance characteristics |
EP0719429B1 (en) | 1993-09-17 | 1998-06-10 | Honeywell Inc. | Method of airplane performance estimation and prediction |
US5908176A (en) * | 1997-01-14 | 1999-06-01 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | In-flight adaptive performance optimization (APO) control using redundant control effectors of an aircraft |
WO1999034336A1 (en) | 1997-12-29 | 1999-07-08 | The United States Of America, Represented By The Administrator Of The National Aeronautics And Space Administration (Nasa) | Triangle geometry processing for surface modeling and cartesian grid generation |
WO2002008057A1 (en) * | 2000-07-20 | 2002-01-31 | Kapadia Viraf S | System and method for transportation vehicle monitoring, feedback and control |
ITMI20012170A1 (it) * | 2001-10-18 | 2003-04-18 | Aermacchi S P A | Configurazione velivolo a prestazioni aerodinamiche migliorate |
US7236914B1 (en) * | 2002-02-22 | 2007-06-26 | Microsoft Corporation | Integrated aircraft flight dynamics prediction and simulation |
ATE532276T1 (de) * | 2002-11-11 | 2011-11-15 | Aeromechanical Services Ltd | Flugzeugflugdaten-managementsystem und entsprechendes verfahren |
US6823675B2 (en) * | 2002-11-13 | 2004-11-30 | General Electric Company | Adaptive model-based control systems and methods for controlling a gas turbine |
US7781172B2 (en) * | 2003-11-21 | 2010-08-24 | Kimberly-Clark Worldwide, Inc. | Method for extending the dynamic detection range of assay devices |
US7177785B2 (en) * | 2003-08-22 | 2007-02-13 | Honeywell International, Inc. | Systems and methods for improved aircraft performance predictions |
FR2861198B1 (fr) * | 2003-10-20 | 2006-01-20 | Airbus France | Procede et dispositif d'optimisation de la quantite de carburant transfere sur un aeronef, lors d'au moins un transfert de carburant en vol. |
FR2872327B1 (fr) * | 2004-06-28 | 2006-10-06 | Avions De Transp Regional Grou | Procede et dispositif de detection de degradation de performances d'un aeronef |
US8463461B2 (en) * | 2005-03-30 | 2013-06-11 | The Boeing Company | Trajectory prediction based on state transitions and lantencies |
DE102005058081B9 (de) * | 2005-12-06 | 2009-01-29 | Airbus Deutschland Gmbh | Verfahren zur Rekonstruktion von Böen und Strukturlasten bei Flugzeugen, insbesondere Verkehrsflugzeugen |
US7734411B2 (en) * | 2006-03-03 | 2010-06-08 | Honeywell International Inc. | Predicted path selection system and method for hazard coding in selectively constrained aircraft control systems |
US8209083B2 (en) * | 2006-08-04 | 2012-06-26 | Honeywell International Inc. | Tunable architecture for aircraft fault detection |
WO2008115216A2 (en) | 2006-12-01 | 2008-09-25 | Aai Corporation | Apparatus, method and computer program product for weapon flyout modeling and target damage assesment |
US7925393B2 (en) * | 2007-08-01 | 2011-04-12 | Arinc Incorporated | Method and apparatus for generating a four-dimensional (4D) flight plan |
US20090112645A1 (en) * | 2007-10-25 | 2009-04-30 | Lockheed Martin Corporation | Multi objective national airspace collaborative optimization |
US20090112535A1 (en) * | 2007-10-26 | 2009-04-30 | Sensis Corporation | Method of integrating point mass equations to include vertical and horizontal profiles |
US20090150012A1 (en) * | 2007-12-10 | 2009-06-11 | Leedor Agam | System for producing a flight plan |
FR2944125B1 (fr) * | 2009-04-03 | 2015-10-30 | Airbus France | Procede d'identification de modeles aerodynamiques pour procede de simulation d'aeronef. |
EP2282247B1 (en) * | 2009-05-05 | 2019-07-10 | The Boeing Company | Four-dimensional guidance of an aircraft |
US20120053916A1 (en) * | 2010-08-26 | 2012-03-01 | Aviv Tzidon | System and method for determining flight performance parameters |
US8818696B2 (en) * | 2011-03-23 | 2014-08-26 | Ge Aviation Systems Llc | Method and system for aerial vehicle trajectory management |
US20120265374A1 (en) * | 2011-04-15 | 2012-10-18 | Thomas Edward Yochum | Aircraft vertical trajectory optimization method |
US8467918B2 (en) * | 2011-07-05 | 2013-06-18 | Universal Avionics Systems Corporation | Heuristic method for computing performance of an aircraft |
FR2991486B1 (fr) * | 2012-06-05 | 2014-07-11 | Airbus Operations Sas | Procede et dispositif d'assistance au suivi de mission d'un aeronef |
US9026273B2 (en) * | 2012-06-06 | 2015-05-05 | Harris Corporation | Wireless engine monitoring system with multiple hop aircraft communications capability and on-board processing of engine data |
FR2997778B1 (fr) * | 2012-11-05 | 2015-12-11 | Snecma | Procede de construction d'un modele comportemental d'un moteur d'avion |
US9177479B2 (en) * | 2013-03-13 | 2015-11-03 | General Electric Company | System and method for determining aircraft operational parameters and enhancing aircraft operation |
US9073623B1 (en) * | 2013-03-15 | 2015-07-07 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | System and method for dynamic aeroelastic control |
US10520389B2 (en) * | 2013-11-27 | 2019-12-31 | United States Of America As Represented By The Administrator Of Nasa | Aerodynamic modeling using flight data |
EP2887015A1 (en) * | 2013-12-18 | 2015-06-24 | The Boeing Company | Assessing feasability of an aircraft trajectory |
WO2016087949A1 (en) * | 2014-10-24 | 2016-06-09 | King Abdullah University Of Science And Technology | Flight envelope protection system for unmanned aerial vehicles |
US9406238B2 (en) * | 2014-11-13 | 2016-08-02 | The Boeing Company | Aviation weather and performance optimization system and method |
US20160179992A1 (en) * | 2014-12-18 | 2016-06-23 | Dassault Systèmes Simulia Corp. | Interactive 3D Experiences on the Basis of Data |
US9984580B2 (en) * | 2015-01-09 | 2018-05-29 | General Electric Company | Method and system for robust network planning optimization of airline flight operations |
FR3031817B1 (fr) * | 2015-01-15 | 2018-05-25 | Laurent BERDOULAT | Methode de correction du calcul d'une caracteristique de vol d'un avion par prise en compte du vent vertical, procede de calcul du coefficient de trainee |
FR3032545B1 (fr) * | 2015-02-06 | 2018-06-01 | Airbus (S.A.S.) | Dispositif, systeme et procede d'aide a la maintenance d'un aeronef |
US9751614B1 (en) * | 2015-02-20 | 2017-09-05 | The United States Of America As Represented By The Administrator Of Nasa | Aeroelastic wing shaping using distributed propulsion |
FR3040801B1 (fr) * | 2015-09-09 | 2017-08-25 | Thales Sa | Optimisation de la trajectoire d'un aeronef |
US9745052B2 (en) * | 2015-10-30 | 2017-08-29 | Ge Aviation Systems Llc | Determining enhanced operating state for aircraft |
US9911339B2 (en) * | 2015-11-05 | 2018-03-06 | Ge Aviation Systems Llc | Experimental real-time performance enhancement for aircraft |
US10071818B2 (en) * | 2016-01-13 | 2018-09-11 | The Boeing Company | Systems and methods for providing airplane performance calculations |
US10017263B2 (en) * | 2016-04-11 | 2018-07-10 | Sikorsky Aircraft Corporation | Model based contact predictor |
US10643480B2 (en) * | 2016-04-19 | 2020-05-05 | George Mason University | Method and apparatus for probabilistic alerting of aircraft unstabilized approaches using big data |
US10170007B2 (en) * | 2016-06-23 | 2019-01-01 | Ge Aviation Systems Llc | Trajectory amendment system |
US20180268090A1 (en) * | 2017-03-17 | 2018-09-20 | General Electric Company | Methods and systems for parametric asset performance modeling |
-
2017
- 2017-03-17 US US15/462,054 patent/US10592636B2/en active Active
-
2018
- 2018-03-19 CN CN201810224572.6A patent/CN108733868B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050254958A1 (en) * | 2004-05-14 | 2005-11-17 | Paul Stone | Natural frequency tuning of gas turbine engine blades |
US20100251692A1 (en) * | 2006-10-27 | 2010-10-07 | Kinde Sr Ronald August | Methods of combining a series of more efficient aircraft engines into a unit, or modular units |
US20100268517A1 (en) * | 2009-04-21 | 2010-10-21 | Airbus Operations (Societe Par Actions Simplifiee) | Method and tool for simulation of the aerodynamic behaviour of an aircraft in flight close to the ground |
US20140316613A1 (en) * | 2013-04-23 | 2014-10-23 | The Boeing Company | Aircraft Performance Monitoring System |
EP2902987A1 (en) * | 2014-01-30 | 2015-08-05 | The Boeing Company | Method for modeling aircraft performance through adaptive aircraft performance models |
US20150308834A1 (en) * | 2014-04-28 | 2015-10-29 | Airbus Operations (Sas) | Method and system for adjusting the descent trajectory of an aircraft |
EP3020924A1 (en) * | 2014-11-12 | 2016-05-18 | United Technologies Corporation | A gas turbine component comprising a lattice cooling structure |
Non-Patent Citations (3)
Title |
---|
A.M.KAMAL: "Modeling and flight simulation of unmanned aerial vehicle enhanced with fine tuning", 《AEROSPACE SCIENCE AND TECHNOLOGY》 * |
R. ZAERI: "Fuzzy Logic Controller based Pitch Control of Aircraft tuned with Bees Algorithm", 《2011 2ND INTERNATIONAL CONFERENCE ON CONTROL, INSTRUMENTATION AND AUTOMATION 》 * |
胡伟波等: "面向对象的通用航空发动机建模技术研究", 《航空动力学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274652A (zh) * | 2018-12-04 | 2020-06-12 | 通用电气公司 | 所设计、所制造、所测试、所运行和所服务的耦合数字孪生生态系统 |
CN111274652B (zh) * | 2018-12-04 | 2023-11-24 | 通用电气公司 | 根据优化的制造过程制作新零件的方法和系统 |
CN113728159A (zh) * | 2019-04-26 | 2021-11-30 | 珀金斯发动机有限公司 | 发动机控制系统 |
CN113795661A (zh) * | 2019-04-26 | 2021-12-14 | 珀金斯发动机有限公司 | 内燃发动机的控制器 |
CN113795661B (zh) * | 2019-04-26 | 2024-03-01 | 珀金斯发动机有限公司 | 内燃发动机的控制器 |
Also Published As
Publication number | Publication date |
---|---|
CN108733868B (zh) | 2022-05-13 |
US10592636B2 (en) | 2020-03-17 |
US20180268100A1 (en) | 2018-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108733868A (zh) | 用于基于飞行数据的参数调谐和配置的方法和系统 | |
CN102227691B (zh) | 检测航空发动机的异常 | |
CA2807984C (en) | Method and system for monitoring a structure | |
CN103983453B (zh) | 一种航空发动机的执行机构和传感器故障诊断的区分方法 | |
JP6072446B2 (ja) | 航空機のパフォーマンスを算出する発見的方法 | |
CN104773304B (zh) | 空气动力学结构的负荷估计系统 | |
CN107021237A (zh) | 合成空气数据输出生成 | |
CN109766566A (zh) | 用以改善涡轮发动机的操作的设备、方法和存储介质 | |
CN103017819A (zh) | 传感器系统 | |
US9091616B2 (en) | Engine operations support systems and methods for reducing fuel flow | |
Sushchenko et al. | Processing of redundant information in airborne electronic systems by means of neural networks | |
Szafranski et al. | Altitude estimation for the UAV's applications based on sensors fusion algorithm | |
CN107977526B (zh) | 大涵道比民航发动机性能诊断方法及系统 | |
US20220242592A1 (en) | System and method for monitoring an aircraft engine | |
US11416007B2 (en) | Computer-implemented method and system for evaluating uncertainty in trajectory prediction | |
US20150106313A1 (en) | Predictive modeling of high-bypass turbofan engine deterioration | |
Puranik et al. | Aircraft performance model calibration and validation for general aviation safety analysis | |
CN105408828B (zh) | 对曲线上用于检测发动机异常的相关点进行估算的方法以及用于实施该方法的数据处理系统 | |
US20200339286A1 (en) | Estimating fatigue damage in a structure | |
Battipede et al. | Neural networks for air data estimation: Test of neural network simulating real flight instruments | |
Kilic et al. | Digital twin for Electronic Centralized Aircraft Monitoring by machine learning algorithms | |
CN110231122A (zh) | 用于验证空气数据探针的操作的装置和方法 | |
CN104408326A (zh) | 一种对深空探测自主导航滤波算法的评估方法 | |
CN113574418A (zh) | 气象预测数据创建程序、气象预测数据创建方法及移动体 | |
Karali et al. | Data-driven Synthetic Air Data Estimation System Development for a Fighter Aircraft |
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 |