CN111176253A - 一种基于蒙特卡洛的飞行控制律自动评估方法 - Google Patents

一种基于蒙特卡洛的飞行控制律自动评估方法 Download PDF

Info

Publication number
CN111176253A
CN111176253A CN201911309890.3A CN201911309890A CN111176253A CN 111176253 A CN111176253 A CN 111176253A CN 201911309890 A CN201911309890 A CN 201911309890A CN 111176253 A CN111176253 A CN 111176253A
Authority
CN
China
Prior art keywords
parameter
flight
test
parameters
screening
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
Application number
CN201911309890.3A
Other languages
English (en)
Other versions
CN111176253B (zh
Inventor
蒋静
罗天成
张强
苏铁
周姝春
丁颖浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AVIC Chengdu Aircraft Design and Research Institute
Original Assignee
AVIC Chengdu Aircraft Design and Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by AVIC Chengdu Aircraft Design and Research Institute filed Critical AVIC Chengdu Aircraft Design and Research Institute
Priority to CN201911309890.3A priority Critical patent/CN111176253B/zh
Publication of CN111176253A publication Critical patent/CN111176253A/zh
Application granted granted Critical
Publication of CN111176253B publication Critical patent/CN111176253B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0256—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults injecting test signals and analyzing monitored process response, e.g. injecting the test signal while interrupting the normal operation of the monitored system; superimposing the test signal onto a control signal during normal operation of the monitored system

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于仿真试验分析领域，是一种基于蒙特卡洛的飞行控制律自动评估方法，用于从若干不确定参数中提取对飞行性能影响最大的敏感性参数做控制律的进一步迭代优化设计。本发明通过生成蒙特卡洛测试用例集，批量调用仿真环境执行用例测试，筛选分析测试结果并计算各不确定度参数的敏感性指标，完成系统敏感性参数的提取。本发明方案工程应用简便，结论可靠。

Description

一种基于蒙特卡洛的飞行控制律自动评估方法
技术领域
本发明属于仿真试验分析领域，具体为一种基于蒙特卡洛的飞行控制律自动评估方法。
背景技术
在飞行器建模过程中，飞行器的动力系统、质量特性、气动数据等参数输入存在不确定性，需评估各种不确定度参数组合情况下飞行器的飞行品质性能，以及提取出影响飞行品质最大的敏感性参数用于进一步迭代优化设计。蒙特卡洛方法是一种计算方法，又称随机抽样或统计模拟方法，原理是通过大量随机样本，去了解一个系统，进而得到所要计算的值。将蒙特库洛方法应用于飞行控制律评估，缺乏一种提取分析敏感参数的评估方法，因此需要研究一种基于蒙特卡洛的飞行控制律自动评估方法。
发明内容
一种基于蒙特卡洛的飞行控制律自动评估方法创新性地提出一种反映不确定度参数对飞行性能影响大小程度的敏感性指标，再基于此完成从若干不确定度参数中提取对飞行性能影响最大的敏感性参数，以用于进一步的控制律优化设计。
技术方案
一种基于蒙特卡洛的飞行控制律自动评估方法，技术方案包括以下步骤：
步骤一、确定不确定参数的组合关系；假定测试模型共含n个不确定度参数，从中选择小于等于m个参数进行单参数及多参数组合，共计生成
Figure BDA0002324231960000011
种参数组合方式。其中，r＝1，2，3，…，m；若n为奇数
m＝0.5*(n+1),若n为偶数m＝0.5*n。
步骤二、生成蒙特卡洛测试用例集；设置每个不确定性参数的拉偏规则为正态分布，同时设置每个参数的拉偏范围及各参数间的值约束关系，对步骤一的每种参数组合方式进行L次拉偏，自动生成测试用例N＝L·N0个。
步骤三、执行用例测试；对步骤二中生成的测试用例集，调用仿真运行环境批量执行测试用例，保存测试结果文件。
步骤四、结果筛选；设置筛选规则对结果文件进行筛选统计，如飞行指标A1在整个飞行过程中，不能超过某一常数b，则设置不满足筛选规则为A1>b，筛选出不满足指标A1要求的所有测试用例。
步骤五、结果失败率统计分析；按步骤四中的筛选规则，筛选出所有测试用例中不满足飞行指标A1要求的用例数Nf，则失败率为p＝Nf/N；对n个不确定度参数进行循环，分别统计每个参数的总仿真用例总数Mj及其中不满足A1指标要求的用例个数Nfj，第j个参数作为输入的失败率为pj＝Nfj/Mj；若pj>p，则初步确定不确定参数j对飞行性能指标A1有重要影响。
步骤六、敏感性指标计算；根据统计值z(k)的标准正态分布N(0,1)及检验水平判定H0下，蒙特卡洛辨识失败次数大于Nfj的概率为
Figure BDA0002324231960000021
(zj<z<+∞)Ф:标准正态分布其中，
Figure BDA0002324231960000022
步骤七、敏感性分析；假定检验水平确定为a＝1/10/n，根据步骤六可计算出每个不确定度参数的敏感性指标P，将P与检验水平a进行比较，若P小于检验水平a，则可判定该不确定参数对飞行品质指标A1有重要影响，根据该结论可进行控制律的进一步优化设计。
所述步骤一当中的不确定度参数总数n不宜超过14，以10-14为宜，若不确定度参数总数n远大于14，可根据物理意义进行分组提取敏感性参数。
所述步骤二的拉偏规则还包括均值分布。
所述步骤二的拉偏次数L默认为1，也可综合考虑组合方式基数N0大小及仿真测试总时长设置其余数值。
所述步骤三，调用仿真测试环境，可以采用多计算机多任务调度并行执行用例以缩短测试总时间。
所述步骤四的筛选规则还包括区间段飞行指标的筛选，如飞行指标A2在飞行参数P的某一区间段内需满足不大于常值b，需先提取飞行参数P指定区间的仿真时间段，在该时间段内设置不满足筛选规则A2>b，进行失败测试用例的筛选。
所述步骤七敏感性分析完成后，可进一步将测试时间、测试用例、测试结果等信息以一定的模板自动生成测试报告，提高评估方法的自动性。
所述步骤一当中对不确定参数的组合方式可以替换为对所有不确定参数进行拉偏，依次执行步骤二、步骤三、步骤四、步骤五，用以评估控制律在所有参数输入下的控制鲁棒性。
技术效果
一种基于蒙特卡洛的飞行控制律自动评估方法创新性地基于蒙特卡洛方法提出了一种反映不确定度参数对系统性能影响大小程度的敏感性参数，可以很简便地从若干影响飞行性能的不确定参数中评估提取出对飞行性能影响最大的敏感性参数，用于控制律的进一步优化设计。工程实际应用表明，本发明应用方便，结论可靠。
附图说明
图1是本自动评估方法流程示意图。
图2为敏感性参数提取示意图，判定标准为，敏感性指标P小于检验水平a，则可判定该不确定参数对飞行性能有重要影响；反之，则没有影响。
具体实施方式
具体实施方法如下：
步骤A、确定不确定参数的组合关系；假定测试模型共含n个不确定度参数，从中选择小于等于m个参数进行单参数及多参数组合，共计生成
Figure BDA0002324231960000041
种参数组合方式。其中，r＝1，2，3，…，m；若n为奇数m＝0.5*(n+1),若n为偶数m＝0.5*n。
出于仿真测试总时长的考虑，建议不确定度参数总数n不宜超过14；若超过14，可根据物理意义对不确定度参数进行分组，再执行本方法提取敏感性参数。
步骤B、生成蒙特卡洛测试用例集；设置每个不确定性参数的拉偏规则为正态分布，同时设置每个参数的拉偏范围及各参数间的值约束关系，对步骤A的每种参数组合方式进行L次拉偏，自动生成测试用例N＝L·N0个。
不确定度参数的拉偏范围可以根据相应的工程经验确定；参数间值约束关系可以是两参数同向拉偏、或两参数之比不超过某常值等关系。
步骤C、执行用例测试；对步骤B中生成的测试用例集，调用仿真运行环境批量执行测试用例，保存测试结果文件。
步骤D、结果筛选；设置筛选规则对结果文件进行筛选统计，如飞行指标A1在整个飞行过程中，不能超过某一常数b，则设置不满足筛选规则为A1>b，筛选出不满足指标A1要求的所有测试用例。
步骤E、结果失败率统计分析；按步骤D中的筛选规则，筛选出所有测试用例中不满足飞行指标A1要求的用例数Nf，则失败率为p＝Nf/N；对n个不确定度参数进行循环，分别统计每个参数的总仿真用例总数Mj及其中不满足A1指标要求的用例个数Nfj，第j个参数作为输入的失败率为pj＝Nfj/Mj；若pj>p，则初步确定不确定参数j对飞行性能指标A1有重要影响。
步骤F、敏感性指标计算；根据统计值z(k)的标准正态分布N(0,1)及检验水平判定H0下，蒙特卡洛辨识失败次数大于Nfj的概率为
Figure BDA0002324231960000051
(zj<z<+∞)Ф:标准正态分布其中，
Figure BDA0002324231960000052
步骤G、敏感性分析；假定检验水平确定为a＝1/10/n，根据步骤F可计算出每个不确定度参数的敏感性指标P，将P与检验水平a进行比较，若P小于检验水平a，则可判定该不确定参数对飞行品质指标A1有重要影响，根据该结论可进行控制律的进一步优化设计。同理可以完成其余飞行品质指标的敏感性参数提取。
所述步骤A当中的不确定度参数总数n不宜超过14，以10–14最佳，若不确定度参数总数n远大于14，可根据物理意义进行分组提取敏感性参数。
所述步骤B的拉偏规则还包括均值分布。
所述步骤B的拉偏次数L默认为1，也可综合考虑组合方式基数N0大小及仿真测试总时长设置其余数值。
所述步骤C，调用仿真测试环境，可以采用多计算机多任务调度并行执行用例以缩短测试总时间。
所述步骤D的筛选规则还包括区间段飞行指标的筛选，如飞行指标A2在飞行参数P的某一区间段内需满足不大于常值b，需先提取飞行参数P指定区间的仿真时间段，在该时间段内设置不满足筛选规则A2>b，进行失败测试用例的筛选。
所述步骤G敏感性分析完成后，可进一步将测试时间、测试用例、测试结果等信息以一定的模板自动生成测试报告，提高评估方法的自动性。
所述步骤A当中对不确定参数的组合方式可以替换为对所有不确定参数进行拉偏，依次执行步骤B、步骤C、步骤D、步骤E，用以评估控制律在所有参数输入下的控制鲁棒性。

Claims (6)

1.一种基于蒙特卡洛的飞行控制律自动评估方法，其特征在于，包括以下步骤：
步骤一、确定不确定参数的组合关系；假定测试模型共含n个不确定度参数，从中选择小于等于m个参数进行单参数及多参数组合，共计生成
Figure FDA0002324231950000011
种参数组合方式；其中，r＝1，2，3，…，m；若n为奇数m＝0.5*(n+1),若n为偶数m＝0.5*n；
步骤二、生成蒙特卡洛测试用例集；设置每个不确定性参数的拉偏规则为正态分布，同时设置每个参数的拉偏范围及各参数间的值约束关系，对步骤一的每种参数组合方式进行L次拉偏，自动生成测试用例N＝L·N0个；
步骤三、执行用例测试；对步骤二中生成的测试用例集，调用仿真运行环境批量执行测试用例，保存测试结果文件；
步骤四、结果筛选；设置筛选规则对结果文件进行筛选统计，如飞行指标A1在整个飞行过程中，不能超过某一常数b，则设置不满足筛选规则为A1>b，筛选出不满足指标A1要求的所有测试用例；
步骤五、结果失败率统计分析；按步骤四中的筛选规则，筛选出所有测试用例中不满足飞行指标A1要求的用例数Nf，则失败率为p＝Nf/N；对n个不确定度参数进行循环，分别统计每个参数的总仿真用例总数Mj及其中不满足A1指标要求的用例个数Nfj，第j个参数作为输入的失败率为pj＝Nfj/Mj；若pj>p，则初步确定不确定参数j对飞行性能指标A1有重要影响；
步骤六、敏感性指标计算；根据统计值z(k)的标准正态分布N(0,1)及检验水平判定H0下，蒙特卡洛辨识失败次数大于Nfj的概率为
Figure FDA0002324231950000012
(zj<z<+∞)Ф:标准正态分布
其中，
Figure FDA0002324231950000021
步骤七、敏感性分析；假定检验水平确定为a＝1/10/n，根据步骤六可计算出每个不确定度参数的敏感性指标P，将P与检验水平a进行比较，若P小于检验水平a，则可判定该不确定参数对飞行品质指标A1有重要影响，根据该结论可进行控制律的进一步优化设计。
2.根据权利要求1所述的一种基于蒙特卡洛的飞行控制律自动评估方法，其特征在于，所述步骤一当中的不确定度参数总数n不超过14，若不确定度参数总数n远大于14，可根据物理意义进行分组提取敏感性参数。
3.根据权利要求1所述的一种基于蒙特卡洛的飞行控制律自动评估方法，其特征在于，所述步骤二的拉偏规则还包括均值分布。
4.根据权利要求1所述的一种基于蒙特卡洛的飞行控制律自动评估方法，其特征在于，所述步骤二的拉偏次数L默认为1，考虑组合方式基数N0大小及仿真测试总时长设置其余数值。
5.根据权利要求1所述的一种基于蒙特卡洛的飞行控制律自动评估方法，其特征在于，所述步骤三，调用仿真测试环境，采用多计算机多任务调度并行执行用例以缩短测试总时间。
6.根据权利要求1所述的一种基于蒙特卡洛的飞行控制律自动评估方法，其特征在于，所述步骤四的筛选规则还包括区间段飞行指标的筛选，如飞行指标A2在飞行参数P的某一区间段内需满足不大于常值b，需先提取飞行参数P指定区间的仿真时间段，在该时间段内设置不满足筛选规则A2>b，进行失败测试用例的筛选。
CN201911309890.3A 2019-12-18 2019-12-18 一种基于蒙特卡洛的飞行控制律自动评估方法 Active CN111176253B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911309890.3A CN111176253B (zh) 2019-12-18 2019-12-18 一种基于蒙特卡洛的飞行控制律自动评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911309890.3A CN111176253B (zh) 2019-12-18 2019-12-18 一种基于蒙特卡洛的飞行控制律自动评估方法

Publications (2)

Publication Number Publication Date
CN111176253A true CN111176253A (zh) 2020-05-19
CN111176253B CN111176253B (zh) 2022-04-19

Family

ID=70655570

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911309890.3A Active CN111176253B (zh) 2019-12-18 2019-12-18 一种基于蒙特卡洛的飞行控制律自动评估方法

Country Status (1)

Country Link
CN (1) CN111176253B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113360412A (zh) * 2021-07-20 2021-09-07 北京赛目科技有限公司 一种测试场景选取方法、装置、电子设备及存储介质
CN114035536A (zh) * 2021-10-15 2022-02-11 北京航空航天大学 一种基于蒙特卡洛法的飞行控制系统鲁棒性评估方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040249696A1 (en) * 2003-06-03 2004-12-09 The Boeing Company Systems, methods and computer program products for modeling demand, supply and associated profitability of a good
US20120316845A1 (en) * 2011-06-09 2012-12-13 Pulsar Informatics, Inc. Systems and Methods for Distributed Calculation of Fatigue-Risk Prediction and Optimization
CN103150446A (zh) * 2013-03-21 2013-06-12 天津大学 临近空间飞行器模型验证与仿真实现方法
CN104122896A (zh) * 2013-04-24 2014-10-29 成都飞机设计研究所 一种基于ttp/c总线的无人飞行器飞行控制系统体系架构
CN104123122A (zh) * 2013-04-24 2014-10-29 成都飞机设计研究所 一种非相似三余度飞控计算机的非相似余度软件开发方法
CN105807753A (zh) * 2014-12-31 2016-07-27 国家电网公司 一种适用于mmc阀基控制器的功能测试系统
CN106202823A (zh) * 2016-07-28 2016-12-07 北京航空航天大学 一种基于高阶区间摄动理论的飞行器不确定气动载荷上下界评估方法
CN109033487A (zh) * 2018-05-10 2018-12-18 北京微迪航天科技有限公司 一种基于蒙特卡洛仿真的飞行器总体概率设计方法
CN109074063A (zh) * 2015-12-22 2018-12-21 BWXT m动力股份有限公司 用数据驱动的工作流程进行安全分析评估的装置和方法
CN109508482A (zh) * 2018-10-26 2019-03-22 天津大学 一种用于复杂曲面表面轮廓度误差不确定度的计算方法
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040249696A1 (en) * 2003-06-03 2004-12-09 The Boeing Company Systems, methods and computer program products for modeling demand, supply and associated profitability of a good
US20120316845A1 (en) * 2011-06-09 2012-12-13 Pulsar Informatics, Inc. Systems and Methods for Distributed Calculation of Fatigue-Risk Prediction and Optimization
CN103150446A (zh) * 2013-03-21 2013-06-12 天津大学 临近空间飞行器模型验证与仿真实现方法
CN104122896A (zh) * 2013-04-24 2014-10-29 成都飞机设计研究所 一种基于ttp/c总线的无人飞行器飞行控制系统体系架构
CN104123122A (zh) * 2013-04-24 2014-10-29 成都飞机设计研究所 一种非相似三余度飞控计算机的非相似余度软件开发方法
CN105807753A (zh) * 2014-12-31 2016-07-27 国家电网公司 一种适用于mmc阀基控制器的功能测试系统
CN109074063A (zh) * 2015-12-22 2018-12-21 BWXT m动力股份有限公司 用数据驱动的工作流程进行安全分析评估的装置和方法
CN106202823A (zh) * 2016-07-28 2016-12-07 北京航空航天大学 一种基于高阶区间摄动理论的飞行器不确定气动载荷上下界评估方法
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和系统
CN109033487A (zh) * 2018-05-10 2018-12-18 北京微迪航天科技有限公司 一种基于蒙特卡洛仿真的飞行器总体概率设计方法
CN109508482A (zh) * 2018-10-26 2019-03-22 天津大学 一种用于复杂曲面表面轮廓度误差不确定度的计算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CURRAN R , CASTAGNE S , ROTHWELL A: "Uncertainty and Sensitivity Analysis in Aircraft Operating Costs in Structural Design Optimization", 《JOURNAL OF AIRCRAFT》 *
高扬, 李密, 于洋: "蒙特卡洛法在发动机性能试飞不确定度分析中的应用", 《现代机械》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113360412A (zh) * 2021-07-20 2021-09-07 北京赛目科技有限公司 一种测试场景选取方法、装置、电子设备及存储介质
CN114035536A (zh) * 2021-10-15 2022-02-11 北京航空航天大学 一种基于蒙特卡洛法的飞行控制系统鲁棒性评估方法
CN114035536B (zh) * 2021-10-15 2023-06-06 北京航空航天大学 一种基于蒙特卡洛法的飞行控制系统鲁棒性评估方法

Also Published As

Publication number Publication date
CN111176253B (zh) 2022-04-19

Similar Documents

Publication Publication Date Title
US8745588B2 (en) Method for testing operation of software
Asrafi et al. On testing effectiveness of metamorphic relations: A case study
CN111176253B (zh) 一种基于蒙特卡洛的飞行控制律自动评估方法
CN106294174B (zh) 测试充分性的多维度度量方法及装置
US9891281B1 (en) Method and system for automatically identifying test runs contributing to coverage events of interest in verification test data
US10901882B1 (en) Automated determination of software testing resources
CN102541736A (zh) 一种软件可靠性执行过程加速测试方法
CN108681505B (zh) 一种基于决策树的测试用例排序方法和装置
Hooda et al. A review: study of test case generation techniques
CN106886620B (zh) 航天器测试资源优化配置方法
CN113642209B (zh) 基于数字孪生的结构植入故障响应数据获取及评判方法
CN108446213A (zh) 一种静态代码质量分析方法和装置
CN110083538A (zh) 一种并发程序噪声注入方法
US9245067B2 (en) Probabilistic method and system for testing a material
CN115525660A (zh) 一种数据表的校验方法、装置、设备及介质
Lipke Further Study of the Normality of CPI and SPI (t)
CN115994093A (zh) 测试用例推荐方法和装置
CN108008999B (zh) 指标评估方法及装置
CN114327586A (zh) 一种非嵌入式军用软件质量评价方法、系统及存储介质
CN114021338A (zh) 一种基于多源数据融合的可靠性评估方法
CN108269004B (zh) 产品寿命分析方法及终端设备
US20100131143A1 (en) Method and system for automatic test data generation for lookup tables
CN115543719B (zh) 基于芯片设计的组件优化方法、装置、计算机设备及介质
CN113434408B (zh) 一种基于测试预言的单元测试用例排序方法
EP4404066A1 (en) Automated test generation

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