CN111967126B - 一种考虑不确定度的仿真模型准确度验证方法 - Google Patents
一种考虑不确定度的仿真模型准确度验证方法 Download PDFInfo
- Publication number
- CN111967126B CN111967126B CN202010621700.8A CN202010621700A CN111967126B CN 111967126 B CN111967126 B CN 111967126B CN 202010621700 A CN202010621700 A CN 202010621700A CN 111967126 B CN111967126 B CN 111967126B
- Authority
- CN
- China
- Prior art keywords
- data
- uncertainty
- simulation
- worst
- difference
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012795 verification Methods 0.000 title claims abstract description 28
- 238000012360 testing method Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 8
- 238000002474 experimental method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑不确定度的仿真模型准确度验证方法，包括以下步骤：在试验过程或仿真过程中考虑不确定度的影响，将考虑不确定度影响的仿真数据或实验数据的曲线拓展为包络线，根据包络线得到最好重合情况和最差重合情况；将最好重合情况数据和最差重合情况数据对齐，产生工作数据集；对最好重合情况数据和最差重合情况数据从时域到频域进行傅里叶变换，经过运算处理后再由频域经逆傅里叶变换转为时域数据；计算得到不确定度计算结果。本发明提出一种考虑不确定度的仿真模型准确度验证方法，能够对试验或仿真中考虑不确定的影响的仿真模型的准确度验证给出合理、可行的评估和判断。
Description
技术领域
本发明属于多学科系统仿真领域，具体涉及一种考虑不确定度的仿真模型准确度验证方法。
背景技术
从仿真技术发展初期开始，人们就已经注意到了关于模型检验与评估的问题，这是模型准确度或可信度评估的雏形，归根结底，对仿真系统的研究是基于一个非现实的系统对象，仿真结果不可能百分之百符合实际情形，人们有理由去怀疑结果的正确性，仿真模型的准确度评估就是为了减少人们的相关疑虑而采取的必要手段，通过评估人们可以及时修正仿真系统建设和运行过程中的不合理和错误之处，降低仿真应用风险，提高决策信心。
在工程应用上经常会遇到试验测量数据存在一定不确定度的情况，比如传感器测量不确定度、试验系统随机误差等；仿真模型的输入参数由于特定的原因也只能给出一个范围，如工质属性偏差、边界条件偏差等，所以在模型准确度验证中也需要对传统的验证方法进行调整。国内目前仍缺乏标准的、成熟的、可靠的方法来定义和考察时间相关模型的准确性。
发明内容
本发明解决的技术问题在于提供一种考虑不确定度的仿真模型准确度验证方法，能够在试验或仿真中考虑不确定度时，对仿真模型的准确度验证给出合理、可行的评估和判断。
本发明是通过以下技术方案来实现：
一种考虑不确定度的仿真模型准确度验证方法，包括以下步骤：
1)在试验过程或仿真过程中考虑不确定度的影响，将考虑不确定度影响的仿真数据或实验数据的曲线拓展为包络线，根据包络线不同的重叠情况得到最好重合情况和最差重合情况；
2)以采样频率一致且开始和结束时间相同，将最好重合情况数据和最差重合情况数据对齐，产生工作数据集；
3)对最好重合情况数据和最差重合情况数据从时域到频域进行傅里叶变换；
4)将频域成分分解为直流、低频和高频分量，并对其进行低通滤波、高通滤波；
5)对滤波后的频域成分进行傅里叶逆变换，得到时域下数据的直流均值分量、趋势低频分量和波动高频分量；
6)通过直流分量均值分量、趋势低频分量和波动高频分量，计算幅值差异量与平均幅值差异量，给出幅值差异量的置信直方图；
7)为计算特性征差异量提供所需要的导数，计算特征性差异量和平均特征性差异量，给出特征性差异量的置信直方图；
8)计算全局差异量和平均全局差异量，并绘制全局差异量的置信直方图；
9)计算适用于幅值差异量、特征性差异量和全局差异量的等效视觉标度，得到不确定度计算结果。
进一步，对于在试验和仿真中均考虑不确定性影响的数据，处理步骤包括以下操作：
1)对任意时刻的数据进行辨识和判断，得到两条包络线；
以实验数据结果为基准Data_ref＝Data 1，考虑不确定度带来的影响则试验数据的包络范围是Data1±eD，其中eD为试验数据的不确定度；将仿真数据结果记为Data 2，考虑不确定度后的包络范围为Data2±eS，其中eS为仿真数据的不确定度；
2)根据两条包络线的包络叠加情况，得到最好重合情况和最差重合情况，得到最好情况和最坏情况的不确定度计算结果。
进一步，在步骤2)中的不确定度计算中，在包络范围内对比较数据Data2±eS和基准数据Data1±eD进行调整。
与现有技术相比，本发明具有以下有益的技术效果：
本发明公开了一种考虑不确定度的仿真模型准确度验证方法，包括以下步骤：在试验过程或仿真过程中考虑不确定度的影响，将考虑不确定度影响的仿真数据或实验数据的曲线拓展为包络线，根据包络线得到最好重合情况和最差重合情况；根据最好重合情况和最差重合情况，计算得到不确定度计算结果。
本发明在试验或仿真中考虑不确定性的影响，提出了一种考虑不确定度的仿真模型准确度验证方法，为航空、航天、汽车、船舶、核工业等大型工业系统多学科系统仿真提供了一种模型准确度验证、评估方法，能够对在试验或仿真中考虑不确定性影响的仿真模型准确度验证给出合理、可行的评估和判断。
附图说明
图1为本发明的考虑不确定度的仿真模型准确度验证方法流程图；
图2为本发明实施例的不考虑不确定性的仿真和试验对比的示意图；
图3为本发明实施例的考虑试验不确定性的仿真和试验对比的示意图；
图4为本发明实施例的考虑仿真和试验不确定性的仿真和试验对比的示意图；
图5为本发明的在试验或仿真中考虑不确定度的仿真模型准确度验证的原理图；
图6为本发明的仿真数据包络和试验数据包络叠加情况分类图；
图7为本发明的实施例的管道试验水击压力波动的仿真结果和试验结果对比图；
图8为本发明的实施例的管道试验水击压力波动的模型准确度验证结果。
具体实施方式
下面对本发明做进一步详细描述，所述是对本发明的解释而不是限定。
参见图1，一种考虑不确定度的仿真模型准确度验证方法，包括以下步骤：
1)在试验过程或仿真过程中考虑不确定度的影响，将考虑不确定度影响的仿真数据或实验数据的曲线拓展为包络线，根据包络线不同的重叠情况得到最好重合情况和最差重合情况；
2)以采样频率一致且开始和结束时间相同，将最好重合情况数据和最差重合情况数据对齐，产生工作数据集；
3)对最好重合情况数据和最差重合情况数据从时域到频域进行傅里叶变换；
4)将频域成分分解为直流、低频和高频分量，并对其进行低通滤波、高通滤波；
5)对滤波后的频域成分进行傅里叶逆变换，得到时域下数据的直流均值分量、趋势低频分量和波动高频分量；
6)通过直流分量均值分量、趋势低频分量和波动高频分量，计算幅值差异量与平均幅值差异量，给出幅值差异量的置信直方图；
7)为计算特性征差异量提供所需要的导数，计算特征性差异量和平均特征性差异量，给出特征性差异量的置信直方图；
8)计算全局差异量和平均全局差异量，并绘制全局差异量的置信直方图；
9)计算适用于幅值差异量、特征性差异量和全局差异量的等效视觉标度，得到不确定度计算结果。
具体的，在试验过程或仿真过程中考虑不确定度的影响，将考虑不确定度影响的仿真数据或实验数据的曲线拓展为包络线，不确定区间与仿真或实验数据累加生成包络线；如仿真数据和实验数据包络叠加，那么最好情况是完全重合，最差情况是两者相距最远的包络边界；如仿真数据和实验数据包络不叠加，那么最好情况是两者相距最近的包络边界，最差情况是两者相距最远的包络边界。
具体的，对滤波后的频域成分进行傅里叶逆变换，得到时域下数据的均值分量Mean、趋势分量Trend和波动分量Wave；
6)通过均值分量Mean、趋势分量Trend和波动分量Wave，计算幅值差异量与平均幅值差异量，给出幅值差异量的置信直方图；
7)为计算特征差异量提供所需要的导数，计算特征差异量和平均特征差异量，给出特征差异量的置信直方图；
8)计算全局差异量和平均全局差异量，并绘制全局差异量的置信直方图；
9)计算适用于幅值差异量、特征差异量和全局差异量的等效视觉标度，得到不确定度计算结果。
进一步，对于在试验或仿真中考虑不确定性影响的数据，首先将仿真数据或实验数据由单一曲线拓展为包络线，得到两组数据，一组为最好情况，一组为最差情况；然后将最好重合情况数据和最差重合情况数据对齐，产生工作数据集，分别对最好情况和最差情况进行处理和评估，得到不确定度计算结果。
进一步，对于在试验和仿真中均考虑不确定性影响的数据，处理步骤包括以下操作：
1)对任意时刻的数据进行辨识和判断，得到两条包络线；
以实验数据结果为基准Data_ref＝Data 1，考虑不确定度带来的影响则试验数据的包络范围是Data1±eD，其中eD为试验数据的不确定度；将仿真数据结果记为Data 2，考虑不确定度后的包络范围为Data2±eS，其中eS为仿真数据的不确定度；
2)根据两条包络线的包络叠加情况，得到最好情况和最坏情况的不确定度计算结果。
进一步，在步骤2)中的不确定度计算中，在包络范围内对比较数据Data2±eS和基准数据Data1±eD进行调整。
一般来说，验证过程中的三种分类，第一种为Type 1类型，即在试验数据和仿真数据都不考虑不确定性的影响，图2为Type 1类型的仿真和试验对比图；第二种为Type 2类型，即在试验或仿真中考虑不确定性的影响，图3为Type 2类型的仿真和试验对比图；第三种为Type 3类型，即在试验数据和仿真数据都需要考虑不确定性的影响，图4为Type 3类型的仿真和试验对比图。
对于Type 2型数据的处理机制图如图5所示。处理机制的特点是考虑了单一曲线的不确定度，将仿真或试验数据的数据由单一曲线拓展为包络线，进而得到两组数据：一组是最好情况(best way)，另一种是最差情况(worst way)。其中最差情况(worst way)意味着在任意时刻两组数据之间的距离最远；而最好情况(best way)则表示在任意时刻两组数据之间的距离最近。
对于Type 3类型数据的处理机制与Type2类型类似，区别是前者是对一条曲线和一个包络线进行准确度评估分析，后者是对两条包络线进行准确度评估分析。对于Type3类型不确定度的处理要比Type2类型更加复杂，下面我们给出具体的处理步骤：
首先，需要对任意时刻的数据进行辨识和判断。
以试验数据为基准Data_ref＝Data 1，考虑不确定度带来的影响则试验数据的包络范围是Data1±eD，eD为试验数据的不确定度；类似地我们将仿真结果记为Data 2，考虑不确定度后的包络范围为Data2±eS，eS为仿真数据的不确定度。
处理两条包络线的叠加比较复杂，需要进一步细分为三种情况，图6汇总给出了第i时刻的瞬时场景：第一种是包含与被包含，如图6中的①和②；第二种是相交，如图6中的③和④；第三种是分离且不相交，如图6中的⑤和⑥。无论两条包络线如何变化都不会有这6种之外的情况出现，因此需要对这6种场景逐个分析。
接着，根据不同的包络叠加情况，给出最好情况(best way)和最坏(worst way)情况的计算结果。与Type2类型不确定度计算有所区别的是，在Type3类型不确定度计算中不但需要在包络范围内调整比较数据(Data2±eS)，还要对基准数据(Data1±eD)进行调整。
无论是Type1、Type2或Tpye3类型的数据，首先根据仿真和试验曲线状态得到最好重合情况(best)和最差重合情况(worst)，并将其输出，然后分别对最好重合情况和最差重合情况分别进行处理和评估，最终得到两种评估结果，分别作为在该不确定度下模型验证结果的最好与最差边界。
实验以某次管道试验水击压力波动为例，仿真和实验结果比较如图7所示。
对于试验不确定度的计算，假定简单管路的系统性不确定度仅来自于压力传感器的测量精度，假定压力传感器不确定度为±0.01MPa(量程10MPa，精度约±0.1％)；同时假定压力测量值的随机不确定度为±0.1MPa。综上，得到试验不确定度uD为±0.1005MPa。
假定模型输入参数不确定度主要来自水的含气率和阀门关闭响应时间，仿真结果表明，水的质量含气率在0％～5％范围变化时水击压力波动变化非常小，约0.01MPa。阀门关闭响应时间在50ms～100ms范围变化时，水击压力波动幅值变化为±0.5MPa。所以输入参数不确定度uinput为±0.5001MPa。
应用Type3类型数据的处理方法，得到最优全局差异量(最优GDM)和最差全局差异量(最差GDM)，如图8所示，由此可得模型准确度验证结果。从图8中不仅可以看出仿真结果与试验数据的一致性程度，而且能够看出试验测量不确定度和仿真输入参数对模型准确性的影响。
由以上技术方案，本发明提供了一种考虑不确定度的仿真模型准确度验证方法，包括以下步骤：在试验过程或仿真过程中考虑不确定度的影响，将仿真数据或实验数据的曲线拓展为包络线，根据包络线得到最好重合情况和最差重合情况；根据最好重合情况和最差重合情况，计算得到不确定度计算结果。
本发明在试验或仿真中考虑不确定性的影响，提出了一种考虑不确定度的仿真模型准确度验证方法，为航空、航天、汽车、船舶、核工业等大型工业系统多学科系统仿真提供了一种模型准确度验证、评估方法，能够对在试验或仿真中考虑不确定性影响的仿真模型准确度验证给出合理、可行的评估和判断。
以上给出的实施例是实现本发明较优的例子，本发明不限于上述实施例。本领域的技术人员根据本发明技术方案的技术特征所做出的任何非本质的添加、替换，均属于本发明的保护范围。
Claims (3)
1.一种考虑不确定度的仿真模型准确度验证方法，其特征在于，包括以下步骤：
1)在试验过程或仿真过程中考虑不确定度的影响，将考虑不确定度影响的仿真数据或实验数据的曲线拓展为包络线，根据包络线不同的重叠情况得到最好重合情况和最差重合情况；
2)以采样频率一致且开始和结束时间相同，将最好重合情况数据和最差重合情况数据对齐，产生工作数据集；
3)对最好重合情况数据和最差重合情况数据从时域到频域进行傅里叶变换；
4)将频域成分分解为直流、低频和高频分量，并对其进行低通滤波、高通滤波；
5)对滤波后的频域成分进行傅里叶逆变换，得到时域下数据的直流均值分量、趋势低频分量和波动高频分量；
6)通过直流分量均值分量、趋势低频分量和波动高频分量，计算幅值差异量与平均幅值差异量，给出幅值差异量的置信直方图；
7)为计算特性征差异量提供所需要的导数，计算特征性差异量和平均特征性差异量，给出特征性差异量的置信直方图；
8)计算全局差异量和平均全局差异量，并绘制全局差异量的置信直方图；
9)计算适用于幅值差异量、特征性差异量和全局差异量的等效视觉标度，得到不确定度计算结果。
2.根据权利要求1所述的考虑不确定度的仿真模型准确度验证方法，其特征在于，对于在试验和仿真中均考虑不确定性影响的数据，处理步骤包括以下操作：
1)对任意时刻的数据进行辨识和判断，得到两条包络线；
以实验数据结果为基准Data_ref＝Data 1，考虑不确定度带来的影响则试验数据的包络范围是Data1±eD，其中eD为试验数据的不确定度；将仿真数据结果记为Data 2，考虑不确定度后的包络范围为Data2±eS，其中eS为仿真数据的不确定度；
2)根据两条包络线的包络叠加情况，得到最好重合情况和最差重合情况，得到最好情况和最坏情况的不确定度计算结果。
3.根据权利要求2所述的考虑不确定度的仿真模型准确度验证方法，其特征在于，在步骤2)中的不确定度计算中，在包络范围内对比较数据Data2±eS和基准数据Data1±eD进行调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010621700.8A CN111967126B (zh) | 2020-06-30 | 2020-06-30 | 一种考虑不确定度的仿真模型准确度验证方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010621700.8A CN111967126B (zh) | 2020-06-30 | 2020-06-30 | 一种考虑不确定度的仿真模型准确度验证方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111967126A CN111967126A (zh) | 2020-11-20 |
| CN111967126B true CN111967126B (zh) | 2023-11-28 |
Family
ID=73360793
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010621700.8A Active CN111967126B (zh) | 2020-06-30 | 2020-06-30 | 一种考虑不确定度的仿真模型准确度验证方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111967126B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105353304A (zh) * | 2014-08-21 | 2016-02-24 | 国家电网公司 | 一种风电机组电气模型低电压穿越特性验证方法 |
| CN107609286A (zh) * | 2017-09-20 | 2018-01-19 | 北京安怀信科技股份有限公司 | 一种数学模型验模工具 |
| CN110244454A (zh) * | 2019-05-30 | 2019-09-17 | 华中科技大学 | 一种包含参数波长相关性的高效的克尔梳仿真模型 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2897178B1 (fr) * | 2006-02-07 | 2008-09-05 | Coupling Wave Solutions Cws Sa | Procede d'estimation d'un bruit genere dans un systeme electronique et procede de test d'immunite au bruit associe |
-
2020
- 2020-06-30 CN CN202010621700.8A patent/CN111967126B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105353304A (zh) * | 2014-08-21 | 2016-02-24 | 国家电网公司 | 一种风电机组电气模型低电压穿越特性验证方法 |
| CN107609286A (zh) * | 2017-09-20 | 2018-01-19 | 北京安怀信科技股份有限公司 | 一种数学模型验模工具 |
| CN110244454A (zh) * | 2019-05-30 | 2019-09-17 | 华中科技大学 | 一种包含参数波长相关性的高效的克尔梳仿真模型 |
Non-Patent Citations (3)
| Title |
|---|
| Propagation of uncertainty in a discrete Fourier transform algorithm;Giovanni Betta 等;《Measurement》;第27卷(第4期);231-239 * |
| 基于准同步采样的电力系统谐波与间谐波在线检测方法研究;周峰;《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》;C042-67 * |
| 考虑随机不确定性的常态仿真模型确认试验设计;锁斌 等;《控制与决策》;第35卷(第8期);1923-1928 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111967126A (zh) | 2020-11-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101899563B (zh) | 基于pca模型的连续退火机组炉内温度、张力监测及故障追溯方法 | |
| CN104443427B (zh) | 飞行器颤振预测系统及方法 | |
| CN109444350B (zh) | 一种基于无人机的大气污染物监测传感器的布局方法 | |
| CN107025172B (zh) | 一种基于概率风险评价的软件测试方法 | |
| CN105546352A (zh) | 基于声音信号的天然气管道微泄漏检测方法 | |
| CN112231847A (zh) | 转捩位置确定方法、装置、电子设备及存储介质 | |
| CN107436963A (zh) | 一种基于Copula函数多元退化的O型橡胶密封圈寿命预测方法 | |
| CN108959795A (zh) | 一种试验场载荷谱标准化方法 | |
| CN103678938B (zh) | 一种面向空间形状和误差范围的退化模型一致性检验方法 | |
| CN113266766B (zh) | 一种供水dma爆管监测与定位方法 | |
| CN103197663A (zh) | 一种故障预测方法及系统 | |
| Frechette et al. | Strategy for testing conformance to geometric dimensioning & tolerancing standards | |
| Heeg | Overview and lessons learned from the Aeroelastic Prediction Workshop | |
| CN110083076A (zh) | 一种燃气轮机气动执行器故障半实物仿真平台及仿真方法 | |
| Liu et al. | Explicit polynomial regression models of wind characteristics and structural effects on a long‐span bridge utilizing onsite monitoring data | |
| CN111967126B (zh) | 一种考虑不确定度的仿真模型准确度验证方法 | |
| CN111338310B (zh) | 一种工业过程稳态工况识别与分类方法 | |
| CN114091347A (zh) | 一种电子元器件寿命预测方法 | |
| CN115407662A (zh) | 一种基于扩张故障检测观测器和集员估计的鲁棒故障检测方法 | |
| CN113359667B (zh) | 一种基于凸空间滤波的工业系统故障诊断方法 | |
| Cao et al. | An adaptive UKF algorithm for process fault prognostics | |
| CN115048809A (zh) | 一种用于多物理多尺度耦合系统的不确定性量化方法 | |
| CN115879355A (zh) | 一种压电传感器的温度补偿方法 | |
| US20220215138A1 (en) | Method for Validating System Parameters of an Energy System, Method for Operating an Energy System, and Energy Management System for an Energy System | |
| Heeg | Unsteady aerodynamic validation experiences from the Aeroelastic Prediction Workshop |
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 |