CN111353209A - 优化飞机性能的参数模型 - Google Patents
优化飞机性能的参数模型 Download PDFInfo
- Publication number
- CN111353209A CN111353209A CN201911315109.3A CN201911315109A CN111353209A CN 111353209 A CN111353209 A CN 111353209A CN 201911315109 A CN201911315109 A CN 201911315109A CN 111353209 A CN111353209 A CN 111353209A
- Authority
- CN
- China
- Prior art keywords
- flight
- aircraft
- parameters
- determining
- par
- 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
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 2
- 229920001098 polystyrene-block-poly(ethylene/propylene) Polymers 0.000 description 5
- 239000012530 fluid Substances 0.000 description 4
- SLVOVFVZZFUEAS-UHFFFAOYSA-N 2-[2-[2-[bis(carboxymethyl)amino]ethoxy]ethyl-(carboxymethyl)amino]acetic acid Chemical compound OC(=O)CN(CC(O)=O)CCOCCN(CC(O)=O)CC(O)=O SLVOVFVZZFUEAS-UHFFFAOYSA-N 0.000 description 3
- 230000010006 flight Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0005—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with arrangements to save energy
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0052—Navigation or guidance aids for a single aircraft for cruising
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
- B64D2045/0075—Adaptations for use of electronic flight bags in aircraft; Supports therefor in the cockpit
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
公开了用于优化飞机飞行的方法和系统。将轨迹分为多个段,每个段由不同的方程组控制,这取决于引擎推力模式和垂直引导(爬升、巡航或下降)。通过假设空气动力学模型和引擎转速这两个模型,从飞行记录中接收数据,并通过应用最小二乘法计算直到满足预定义的最小标准来迭代确定来自参数优化引擎的多个参数。接下来参数优化引擎用于预测给定点之后的轨迹点。描述了软件方面和系统方面(例如,FMS和/或EFB)。
Description
技术领域
概括而言,本发明涉及航空电子领域。具体而言,本发明涉及用于优化飞机的全部或一些操作的方法和系统。
背景技术
现有技术(例如,WO 2017042166或US9290262)中已知的方法通常基于对所述飞机的性能进行建模的数据集。尽管这些性能数据对于飞机制造商是已知的,但是通常是不公开的,这对开发用于优化飞机操作的方法造成了显著的障碍。
此外,当公开这些数据时,这些数据(一般性地)描述了飞机类型的行为,而不是特定飞机的行为(即,数据不是特定的)。最后,飞机模型可能不是免使用税的。
在适当的情况下,用于优化飞机操作的系统的生产商必须使用飞机制造商提供的性能数据(在适当的情况下),并且因此会发现自己处于不利的依赖境况。
在当前的现有技术中,某些工具(例如,“BADA”(“飞机数据库”的缩写)或EUCASS(“欧洲航空航天科学会议”)的“Safety-Line”)具有局限性。该BADA模型在推力和阻力方面受到限制。EUCASS模型仅适用于由涡轮喷气引擎(N1驱动)推动的飞机。
当前的优化使用了各种技术。具体而言,一些方法偏好非线性参数估计(例如,最小二乘法)。这些技术基于梯度下降算法,其有时会有收敛于局部极小值的缺陷,这造成模型参数估算不佳。
航空的技术问题通常涉及许多不同的参数,并且因此非线性参数方法收敛得很少、较差或根本不收敛。特别是在所建模的过程规模很大(并取决于视点而遵循不同的模型)时通常会观察到这种缺乏收敛(或朝局部极小值收敛)。
基于并入了飞机物理方程的模型的方法通常取决于建模的质量和对飞机实际行为的了解。事实上,与“平均”(建模)飞机的行为相比,这些方法通常在面对给定飞机的实际行为变化时并不鲁棒。
工业上需要用于用于优化飞机的全部或一些操作的先进方法和系统。
发明内容
公开了用于优化飞机飞行的方法和系统。将轨迹分为多段,每段由不同的方程组控制,取决于引擎推力模式和垂直引导(爬升、巡航或下降)。通过假设空气动力学模型和引擎转速模型这两个模型,接收到来自飞行记录的数据,并通过应用最小二乘法计算直到满足预定义的最小标准来迭代确定来自参数优化引擎的多个参数。然后使用参数优化引擎来预测给定点之后的轨迹点。描述了软件方面和系统(例如,FMS和/或EFB)方面。
有利地,根据本发明的方法基于推力(和阻力)模型,所述推力(和阻力)模型比在BADA模型中实现的模型更接近实际。
有利地,本发明使得有可能独立于其制造商来确定飞机的性能模型。
有利地,本发明使得有可能在大规模混合多模型问题上确保最小二乘法估计方法的收敛。
本发明可以优选地在各种航空电子行业中实现,并且尤其是在用于辅助飞机驾驶的系统中。
特别地,本发明可以部署在诸如FMS之类的计算机中,或者部署在将FMS与EFB互连的系统组装件中。更具体地,潜在的应用涉及计算轨迹,辅助飞机制造商确定飞机性能,在更广泛的意义上优化航空公司的飞行运营、模拟飞行或调整航空电子系统。
附图说明
参考以下附图,将出现本发明的各个方面和优点,以支持对本发明的一种优选的但非限制性的实施方式的模式的描述:
[图1]示出了根据本发明的一个实施例的方法的步骤的示例;
[图2]示出了参数优化的一个示例。
具体实施方式
[图1]示出了推力模式和垂直引导对参数SEP、FF和N1的影响。
“特定的过剩功率”的首字母缩写SEP 111是指飞机可用于爬升的能量,即飞机的爬升能力除以重量(此参数不是恒定的)。
“燃料流量”的首字母缩写FF是指燃料重量的变化。
首字母缩写N1是指引擎的第一级的转速,这是对燃油消耗影响最大的转速。可用功率与该转速N1强相关。
参数SEP、FF和N1密切相关。
量化或限定SEP、FF和N1之间的关系的一种方法包括公式化对这些关系建模的模型(方程式)。
参数FF、N1和SEP之间存在多种关系,但它们主要取决于飞机的飞行模式,一方面将其分解为“推力模式”(THR代表“推力”111)(无论是调整后的1111还是固定的1111),另一方面分解为“垂直引导”112(例如,爬升、巡航或下降)。
这些推力和垂直引导模式为生产中使用的引擎定义了N种飞行模式(这些是自动驾驶模式,例如被称为open accel、IDLE、“能量共享”、引擎空转,具有或不具有空气制动部署等模式)。例如,“open-accel”模式对应于全推力,以便达到并保持预定义的目标参数。这些Nt模式对应于相同数量的模型或方程组。
因此,每种模式都导致一种预测下一个轨迹点的方式(基于一种模式)。
[图2]示出了根据本发明的方法的步骤的示例。
在一个实施例中,该方法包括以下步骤:基于在(实际)商业飞行期间获得的记录,确定参数模型,所述参数模型包括描述飞机的飞行机制的多个飞行阶段。
在一个实施例中,使用最小二乘法来确定参数模型。最小二乘法使得有可能将通常由于测量误差而污损的实验数据与旨在描述这些数据的数学模型进行比较。误差模型通常是高斯模型(正态律)。如果误差模型是非高斯模型,则该方法可以使用最大似然法(最小二乘法是其一种特殊情况)。
在一个实施例中,使用递归最小二乘法(RLS)来确定参数模型,所述RLS是自适应滤波器(最小化误差函数或加权最小二乘法)。
在一个实施例中,使用两阶段最小二乘法来确定参数模型。该估计器尤其使得有可能估计具有工具变量的线性回归模型。
在一个实施例中,飞机的飞行包括不同的飞行阶段,所述飞行阶段取决于沿轨迹的飞行段而由不同的规律支配:如果考虑推力和垂直引导信息,则有利地改善最小二乘法的性能。
飞行阶段尤其包括起飞、爬升、巡航、高度变化和着陆的阶段。
在一个实施例中,该方法构成了通过最小二乘法(或根据变型)确定飞机性能模型的估计的步骤,该估计是在增加复杂性的多个“遍”中具体做出的,每个遍使用i)通过相对于前一遍的飞行阶段充实的数据集;和ii)将前一遍的结果作为起点(第一起始遍是在爬升阶段进行的)。
本发明可以使用预定义的参数模型(即,方程式的使用)。
可能有多个模型。在下面的描述中,描述了两个模型(空气动力学模型和引擎模型),这些对于确定性能模型是必要和充分的。
下面指定的模型进一步有利地组合了现实性和快速的计算速度。
空气动力学模型
在一实施例中,空气动力学被建模如下:
[数学式1]
其中,ai,j代表系数或函数,CL(升力)和CD(阻力)建立升力、迎角和阻力之间的联系,并且M(马赫)表示马赫数(其表达流体的局部速度与相同流体中的声速的比值)。此模型是通用的。
引擎模型
在一个实施例中,引擎转速通过以下类型的仿射函数来建模:
[数学式2]
TSP=a×zp+b×M+c
其中,TSP、a、b和c代表系数,zp代表根据海拔高度的压力,并且M代表马赫数。
更一般地,在其他实施例中,引擎转速通过多项式函数(具有实数系数或复数系数)来建模。
引擎制造商可以使用更完整的方程式;阻力和推力尤其可以是函数(空气动力学配置)。
[图2]示出了根据本发明的参数优化的一个示例,特别是通过相继添加飞行阶段来进行完善的步骤。
在步骤210(这是先前的离线初始化步骤)中,根据本发明的方法包括将每个飞行分段成飞行数量为n_phase的阶段,其可以由取决于数量为p_exp的解释变量和数量为n_par的参数的预定义方程组E来建模,并且提供大小为q_mes的观察向量。
解释变量采用连续数值或离散变量来描述各个子过程,之后是建模的过程。
在步骤220中,基于一组文件(例如,来自商业飞行的记录,即真实数据),确定观察表,所述观察表包括数量为m_obs的行和数量为p_exp+q_mes的列,并包含与飞机爬升阶段相关联的点。
在步骤230中,根据本发明的方法包括以下步骤:确定(例如,任意地,但并非总是为了加速计算)数量为n_par的初始参数,以及计算来自步骤220的表格的最小二乘法标准。
最小二乘法标准可以如下所述获得。
对于表的每一行,方法使用在步骤1中定义的方程组E确定向量Y=E(X1,..Xp_exp,P1,…Pn_par)的m_obs个分量(Y1…Ym_obs)。接下来,该方法确定向量[Y–Yobs]的欧几里德范数N,向量Yobs的分量是表的第i行中m_obs个最后值。最后,计算表中所有行中N个行的平均值。
在下一步中,如此获得的结果被传递到参数优化引擎240,所述参数优化引擎240将从其演绎n_par个初始参数的迭代,并将重复步骤230和240,直到满足极小值标准241为止,在此过程结束时,提供一组n_par个参数,其被称为结束或优化的参数。
在步骤250中,根据预定义的变型来重复步骤220、200 3240。
根据一种变型,来自步骤220的观察表包含飞机的爬升点和下降点,并且来自步骤230的初始参数是在步骤240中获得的结束参数。
根据另一变型,重复步骤220、230和240,其中,步骤220中的观察表包含飞机的爬升点、下降点和巡航点,来自步骤230的初始参数为步骤240中获得的结束参数。
在一个实施例中,观察表包括与推力模式和垂直引导相关的信息。
可以基于硬件和/或软件元素来实现本发明。它可以作为计算机可读介质上的计算机程序产品来使用。
在一个变型实施例中,方法的一个或多个步骤可以在地面计算机内实现。
有利地,如果计算机位于飞机上并连接到参数记录器,则可以在实时架构中使用飞行数据来实时了解飞机性能。
在一个变型实施例中,根据本发明的方法的一个或多个步骤以EFB(电子飞行袋)便携式计算机上托管的计算机程序的形式实现。在一个变型实施例中,该方法的一个或多个步骤可以在FMS(飞行管理系统)计算机内或在飞行计算机的FM功能中实现。
所描述的是一种用于优化飞机飞行的方法,所述飞机的飞行被分成数量为n_phase的飞行阶段,其可以由取决于数量为p_exp的解释变量以及取决于数量为n_par的参数的预定义方程组E来建模,并提供大小为q_mes的观察向量,该方法包括以下步骤:接收多个飞行记录并确定包括数量为m_obs的行和数量为p_exp+q_mes的列的表;确定数量为n_par的参数并计算由此确定的表的最小二乘法标准;在参数优化引擎中通过迭代直到满足预定义的最小标准为止,来确定n_par个参数(称为结束参数),。
解释变量可以是连续的数值和/或离散变量,其描述建模的过程之后的各个子过程。
在一个实施例中,最小二乘法计算步骤包括以下步骤:-针对表的每一行,使用定义的方程组E来计算向量Y=E(X1,..Xp_exp,P1,…Pn_par)的m_obs个分量(Y1…Ym_obs);-确定向量Y-Yobs的欧几里德范数N,向量Yobs的分量是表中第I行中的m_obs个最后值;并且-确定表中所有行中的N个行的平均值。
在一个实施例中,观察表包括与推力模式和垂直引导相关的信息。这些数据(全油门、空转、爬升、下降等)用作积分器(预测)。
在一个实施例中,通过联系升力、迎角和阻力的模型和描述马赫数的M来对空气动力学进行建模。马赫数表达流体的局部速度与同一流体中声速的比。
在一个实施例中,与空气动力学模型耦合引擎转速通过多项式函数来建模。
在一个实施例中,初始参数是结束参数。
在一个实施例中,最小二乘法标准是递归最小二乘法标准。
给出了一种计算机程序产品的描述,所述计算机程序包括代码指令,所述代码指令用于当在计算机上执行所述程序时执行方法的一个或多个步骤。
所描述的是一种用于实现方法的一个或多个步骤的系统,该系统包括一个或多个航空电子系统。
在一个实施例中,计算是在地面上执行的。
在一个实施例中,系统还包括一个或多个非航空电子系统,例如电子飞行袋(EFB)。
在一个实施例中,系统包括用于实时处理飞机性能的机载计算机和存储系统。
Claims (11)
1.一种用于优化飞机飞行的方法,
所述飞机的所述飞行被分成数量为n_phase的飞行阶段,所述飞行阶段能够由预定义方程组E建模,所述预定义方程组E取决于数量为p_exp的解释变量和数量为n_par的参数,并且提供大小为q_mes的观测向量,
所述方法包括以下步骤:
-接收多个飞行记录并且确定包括数量为m_obs的行和数量为p_exp+q_mes列的表;
-确定数量为n_par的参数并且计算由此确定的所述表的最小二乘法标准;
-在参数优化引擎中通过迭代直到满足预定义的最小标准为止,来确定被称为结束参数的n_par个参数,。
2.根据权利要求1所述的方法,所述最小二乘法计算步骤包括以下步骤:
-对于所述表的每一行,使用定义的所述方程组E来计算向量Y=E(X1,..Xp_exp,P1,…Pn_par)的m_obs个分量(Y1...Ym_obs);
-确定所述向量Y-Yobs的欧几里德范数N,所述向量Yobs的分量是所述表的第I行中的m_obs个最后值;以及
-确定所述表中的所有行中的N行的平均值。
3.根据前述权利要求中的任一项所述的方法,所述观察表包括与推力模式和垂直引导相关的信息。
5.根据前述权利要求中任一项所述的方法,其中,与空气动力学模型耦合的引擎转速是由多项式函数建模的。
6.根据前述权利要求中的任一项所述的方法,初始参数是所述结束参数。
7.根据前述权利要求中的任一项所述的方法,所述最小二乘法标准是递归最小二乘法标准。
8.一种计算机程序产品,所述计算机程序包括代码指令,所述代码指令用于当在计算机上执行所述程序时执行根据权利要求1至7中任一项所述的方法的步骤。
9.一种用于实现根据前述权利要求中的任一项所述的方法的步骤的系统,所述系统包括一个或多个航空电子系统。
10.根据权利要求9所述的系统,所述系统还包括一个或多个非航空电子系统,例如电子飞行袋(EFB)。
11.根据权利要求9或10所述的系统,包括用于实时处理飞机性能的机载计算机和存储系统。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1873496 | 2018-12-20 | ||
FR1873496A FR3090852B1 (fr) | 2018-12-20 | 2018-12-20 | Optimisation d’un modele parametrique de performances d’un aeronef |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111353209A true CN111353209A (zh) | 2020-06-30 |
Family
ID=66641074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911315109.3A Pending CN111353209A (zh) | 2018-12-20 | 2019-12-19 | 优化飞机性能的参数模型 |
Country Status (8)
Country | Link |
---|---|
US (1) | US11823582B2 (zh) |
EP (1) | EP3671391B1 (zh) |
CN (1) | CN111353209A (zh) |
BR (1) | BR102019027269A2 (zh) |
CA (1) | CA3065679A1 (zh) |
ES (1) | ES2953038T3 (zh) |
FR (1) | FR3090852B1 (zh) |
IL (1) | IL271466B2 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018118437A1 (de) * | 2018-07-31 | 2020-02-06 | Airbus Defence and Space GmbH | System und Verfahren zum Überwachen des Zustands eines unbemannten Luftfahrzeugs |
CN112416021B (zh) * | 2020-11-17 | 2021-12-21 | 中山大学 | 一种基于学习的旋翼无人机路径跟踪预测控制方法 |
US20220169397A1 (en) * | 2020-11-30 | 2022-06-02 | Bell Textron Inc. | Modeling and integrating engine installation deltas |
CN113753256B (zh) * | 2021-09-19 | 2023-04-18 | 中国航空工业集团公司西安飞机设计研究所 | 一种舰载无人预警机顶层参数优化设计方法 |
CN117268391B (zh) * | 2023-09-08 | 2024-04-26 | 中山大学 | 一种基于目标分层架构的变形飞行器智能规划方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102610126A (zh) * | 2010-12-20 | 2012-07-25 | 塞莱斯系统集成公司 | 空中交通管理的快速垂直轨迹预测方法及相关atm系统 |
US20150239582A1 (en) * | 2009-07-10 | 2015-08-27 | The Boeing Company | Health-Adaptive Reaction Control System |
WO2015196259A1 (en) * | 2014-06-26 | 2015-12-30 | The University Of Sydney | Fuel estimation for an aircraft |
WO2016113511A1 (fr) * | 2015-01-15 | 2016-07-21 | Berdoulat Laurent | 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 traînee |
CN106406092A (zh) * | 2016-09-28 | 2017-02-15 | 南京航空航天大学 | 一种适用于直升机自适应飞行控制的鲁棒辨识方法 |
FR3040801A1 (fr) * | 2015-09-09 | 2017-03-10 | Thales Sa | Optimisation de la trajectoire d'un aeronef |
CN108053079A (zh) * | 2017-12-29 | 2018-05-18 | 山东超越数控电子股份有限公司 | 一种用于机务外场的备件数量预测方法和系统 |
Family Cites Families (11)
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 |
US7027953B2 (en) * | 2002-12-30 | 2006-04-11 | Rsl Electronics Ltd. | Method and system for diagnostics and prognostics of a mechanical system |
US8412392B2 (en) * | 2010-02-24 | 2013-04-02 | Honeywell International Inc. | Methods and systems for displaying predicted downpath parameters in a vertical profile display |
WO2013049930A1 (en) * | 2011-10-06 | 2013-04-11 | Cae Inc. | Method of developing a mathematical model of dynamics of a vehicle for use in a computer-controlled vehicle simulator |
US9296474B1 (en) * | 2012-08-06 | 2016-03-29 | The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) | Control systems with normalized and covariance adaptation by optimal control modification |
FR3002657B1 (fr) | 2013-02-22 | 2015-03-06 | Thales Sa | Procede d elaboration d un profil vertical de trajectoire comprenant des niveaux d altitude multiples |
US10520389B2 (en) * | 2013-11-27 | 2019-12-31 | United States Of America As Represented By The Administrator Of Nasa | Aerodynamic modeling using flight data |
EP4163900A1 (en) * | 2014-07-18 | 2023-04-12 | The University Of Malta | Flight trajectory optimisation and visualisation tool |
WO2017162197A1 (zh) * | 2016-03-23 | 2017-09-28 | 冯春魁 | 飞行器的数据的获取、处理及飞行状况监控的方法及系统 |
US10832581B2 (en) * | 2017-03-31 | 2020-11-10 | General Electric Company | Flight management via model-based iterative optimization |
EP3396487B1 (en) * | 2017-04-27 | 2019-03-13 | The Boeing Company | Computer-implemented method and system for modelling performance of a fixed-wing aerial vehicle with six degrees of freedom |
-
2018
- 2018-12-20 FR FR1873496A patent/FR3090852B1/fr active Active
-
2019
- 2019-12-13 EP EP19216243.6A patent/EP3671391B1/fr active Active
- 2019-12-13 ES ES19216243T patent/ES2953038T3/es active Active
- 2019-12-16 IL IL271466A patent/IL271466B2/en unknown
- 2019-12-16 US US16/716,198 patent/US11823582B2/en active Active
- 2019-12-19 CN CN201911315109.3A patent/CN111353209A/zh active Pending
- 2019-12-19 CA CA3065679A patent/CA3065679A1/en active Pending
- 2019-12-19 BR BR102019027269-4A patent/BR102019027269A2/pt unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150239582A1 (en) * | 2009-07-10 | 2015-08-27 | The Boeing Company | Health-Adaptive Reaction Control System |
CN102610126A (zh) * | 2010-12-20 | 2012-07-25 | 塞莱斯系统集成公司 | 空中交通管理的快速垂直轨迹预测方法及相关atm系统 |
WO2015196259A1 (en) * | 2014-06-26 | 2015-12-30 | The University Of Sydney | Fuel estimation for an aircraft |
WO2016113511A1 (fr) * | 2015-01-15 | 2016-07-21 | Berdoulat Laurent | 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 traînee |
FR3040801A1 (fr) * | 2015-09-09 | 2017-03-10 | Thales Sa | Optimisation de la trajectoire d'un aeronef |
WO2017042166A1 (fr) * | 2015-09-09 | 2017-03-16 | Thales | Optimisation de la trajectoire d'un aéronef |
CN106406092A (zh) * | 2016-09-28 | 2017-02-15 | 南京航空航天大学 | 一种适用于直升机自适应飞行控制的鲁棒辨识方法 |
CN108053079A (zh) * | 2017-12-29 | 2018-05-18 | 山东超越数控电子股份有限公司 | 一种用于机务外场的备件数量预测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
EP3671391B1 (fr) | 2023-07-05 |
IL271466B1 (en) | 2023-07-01 |
BR102019027269A2 (pt) | 2020-11-10 |
US11823582B2 (en) | 2023-11-21 |
ES2953038T3 (es) | 2023-11-07 |
IL271466A (en) | 2020-06-30 |
US20200202725A1 (en) | 2020-06-25 |
FR3090852A1 (fr) | 2020-06-26 |
FR3090852B1 (fr) | 2020-11-27 |
EP3671391A1 (fr) | 2020-06-24 |
CA3065679A1 (en) | 2020-06-20 |
IL271466B2 (en) | 2023-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111353209A (zh) | 优化飞机性能的参数模型 | |
US6757570B1 (en) | System and method for adaptive control of uncertain nonlinear processes | |
Keviczky et al. | Software-enabled receding horizon control for autonomous unmanned aerial vehicle guidance | |
WO2022037157A1 (zh) | 基于神经网络的narma-l2多变量控制方法 | |
CN111353256A (zh) | 航空电子设备中的机器学习 | |
Murrieta-Mendoza et al. | Method to calculate aircraft VNAV trajectory cost using a performance database | |
Yin et al. | Probabilistic flight envelope estimation with application to unstable overactuated aircraft | |
CN112269174A (zh) | 基于交互式多模型信息融合的助推滑翔飞行器目标估计方法及系统 | |
CN113221237B (zh) | 一种基于降阶建模的大迎角颤振分析方法 | |
Biannic et al. | Surrogate models for aircraft flight control: some off-line and embedded applications | |
Jategaonkar et al. | Aircraft parameter estimation—A tool for development of aerodynamic databases | |
Al-Swailem | Application of robust control in unmanned vehicle flight control system design | |
GB2544877A (en) | Determining enhanced operating state for aircraft | |
Shamsudin et al. | Recursive Gauss-Newton based training algorithm for neural network modelling of an unmanned rotorcraft dynamics | |
Bardela et al. | Identification and validation of the Cessna citation X Turbofan modelling with flight tests | |
Wang et al. | Design of automatic carrier-landing controller based on compensating states and dynamic inversion | |
KR102093746B1 (ko) | 각가속도 정보를 이용한 비행체 제어방법 | |
CN110275514B (zh) | 带有时变传感器故障的编队飞控系统渐近故障诊断方法 | |
Zanette et al. | RealSysId: A software tool for real-time aircraft model structure selection and parameter estimation | |
CN113524907A (zh) | 飞行器喷墨式打印 | |
Henrichfreise et al. | Estimation of gusts and structural loads for commercial aircraft | |
Trujillo et al. | Piloting changes to changing aircraft dynamics: What do pilots need to know? | |
Gursoy et al. | Non-iterative adaptive limit and control margin estimation with concurrent learning | |
Zhao et al. | Dynamic data-driven spatiotemporal system behavior prediction with simulations and sensor measurement data | |
US20230130496A1 (en) | Foreign object debris movement simulation |
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 |