CN113609155A - 试飞数据分析的试验点快速筛选方法、系统及装置 - Google Patents
试飞数据分析的试验点快速筛选方法、系统及装置 Download PDFInfo
- Publication number
- CN113609155A CN113609155A CN202110906504.XA CN202110906504A CN113609155A CN 113609155 A CN113609155 A CN 113609155A CN 202110906504 A CN202110906504 A CN 202110906504A CN 113609155 A CN113609155 A CN 113609155A
- Authority
- CN
- China
- Prior art keywords
- test
- screening
- data
- flight data
- test flight
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
Abstract
本发明公开了一种试飞数据分析的试验点快速筛选方法、系统及装置,包括,根据试飞专业数据分析要求,通过参数表达式描述试验点特征并计算试验点分段的特征参数,根据特征参数得到筛选条件;获取试飞数据,根据筛选条件自动筛选试飞数据的有效试验点段,完成试验点有效数据的分段识别和分类;绘制所述试飞数据的曲线图,将筛选得到的试飞数据的有效试验点段在所述曲线图中可视化,接收微调指令对分段结果进行微调;根据试验点有效数据的分类,将分类数据存入数据库。采用本发明实施例,筛选效率高,有效性高,且依据客观的判断标准。
Description
技术领域
本发明涉及试飞数据分析领域,尤其是涉及一种试飞数据分析的试验点快速筛选方法、系统及装置。
背景技术
目前,应用于试飞数据快速分析的试飞试验点筛选技术主要是基于试飞数据绘图可视化,通过专业试飞工程师根据试飞专业经验人工判断筛选;同时在实时试飞监控时,通过现场记录试验点动作的开始和结束时间及发生异常时的时间,辅助试飞数据中识别出分析所需的有效数据。
存在问题有3个,第一试飞试验点筛选结果有效性低,通过实时监控时记录试验点或异常点的执行时间可以直接获取进行试飞数据试验点筛选,但是这种直接的时间选段方式通常会有冗余信息,同时记录时间也可能有错误,因此筛选得到的结果不是试飞数据分析期望的有效试验点信息。
第二试飞试验点筛选效率低,目前的试飞数据试验点筛选需要大量的人工识别和判断的工作,筛选方法依赖于专业试飞工程师的经验和熟练程度,筛选的流程较为繁琐需要花费较长的处理时间。同时试验点筛选结果无效需要重新进行试飞试验点的筛选工作,重复筛选过程也降低了试验点筛选的效率。
第三筛选技术缺少客观性,目前的试飞数据试验点筛选技术缺少从客观数据出发的方法和工具,无法支持工程师依据客观的判断准则或算法识别有效的试验数据,这就使得试验点筛选过程过于依赖人的主观经验。
发明内容
本发明的目的在于提供一种试飞数据分析的试验点快速筛选方法、系统及装置,旨在解决试验点快速筛选。
本发明提供一种试飞数据分析的试验点快速筛选方法,包括:
S1、根据试飞专业数据分析要求,通过参数表达式描述试验点特征并计算试验点分段的特征参数,根据特征参数得到筛选条件;
S2、获取试飞数据,根据筛选条件自动筛选试飞数据的有效试验点段,完成试验点有效数据的分段识别和分类;
S3、绘制所述试飞数据的曲线图,将筛选得到的试飞数据的有效试验点段在所述曲线图中可视化,接收微调指令对分段结果进行微调;
S4、根据试验点有效数据的分类,将分类数据存入数据库。
本发明还提供一种试飞数据分析的试验点快速筛选系统,包括:
特征参数模块:用于根据试飞专业数据分析要求,通过参数表达式描述试验点特征并计算试验点分段的特征参数,根据特征参数得到筛选条件;
识别和分类模块:用于获取试飞数据,根据筛选条件自动筛选试飞数据的有效试验点段,完成试验点有效数据的分段识别和分类;
曲线图模块:用于绘制所述试飞数据的曲线图,将筛选得到的试飞数据的有效试验点段在所述曲线图中可视化,接收微调指令对分段结果进行微调;
数据库模块:用于根据试验点有效数据的分类,将分类数据存入数据库。
本发明实施例还提供一种试飞数据分析的试验点快速筛选装置,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述试飞数据分析的试验点快速筛选系统方法的步骤。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现上述方法的步骤。
采用本发明实施例,筛选效率高,有效性高,且依据客观的判断标准。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的试飞数据分析的试验点快速筛选方法的流程图;
图2是本发明实施例的试飞数据分析的试验点快速筛选方法的具体流程图;
图3是本发明实施例的试飞数据分析的试验点快速筛选系统的示意图;
图4是本发明实施例的试飞数据分析的试验点快速筛选装置的示意图。
附图标记说明:
310:特征参数模块;320:识别和分类模块;330:曲线图模块;340:数据库模块。
具体实施方式
下面将根据实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。此外,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
方法实施例
根据本发明实施例,提供了一种试飞数据分析的试验点快速筛选方法,图1是本发明实施例的试飞数据分析的试验点快速筛选方法的流程图,如图1所示,具体包括:
S1、根据试飞专业数据分析要求,通过参数表达式描述试验点特征并计算试验点分段的特征参数,根据特征参数得到筛选条件;
S1具体包括:根据试飞专业数据分析要求,通过参数表达式描述试验点特征并计算试验点分段的特征参数,根据特征参数得到组合筛选条件和自定义算法筛选条件,通过输入试飞参数及其导出参数表达式得到试验点判定条件,得到针对试飞数据时间序列的组合筛选条件,其中导出参数表达式由基本关键试飞参数通过表达式计算得到,通过提供各试飞专业的试验点筛选算法函数和通用数据分析函数并结合特征参数得到自定义算法筛选条件。
S2、获取试飞数据,根据筛选条件自动筛选试飞数据的有效试验点段,完成试验点有效数据的分段识别和分类;
S2具体包括:获取试飞数据,通过文本解析自动识别选定试飞数据的基本参数,基于所述基本参数矩阵实施矢量化计算,针对组合条件和试验点自定义识别算法的筛选操作,通过将筛选操作转化为序列化函数以矢量化的方式对试飞数据时间序列进行快速筛选,对架次试飞数据的多试验点连续快速识别,并对筛选的试验点进行标记分类,完成试验点有效数据的分段识别和分类。
S3、绘制所述试飞数据的曲线图,将筛选得到的试飞数据的有效试验点段在所述曲线图中可视化,接收微调指令对分段结果进行微调;
S3具体包括:绘制所述试飞数据的曲线图,将筛选得到的试飞数据段对象在所述曲线图中自动生成选中数据段高亮的曲线图,接收微调指令对分段结果进行微调,所述曲线图在选定范围内自动进行数据统计聚合,展示选中数据段的统计情况。
S4、根据试验点有效数据的分类,将分类数据存入数据库。
根据上述方法,具体实施方法如下:
图2是本发明实施例的试飞数据分析的试验点快速筛选方法的具体流程图,如图2所示:
本发明实施例提供一种试飞数据分析的试验点快速筛选方法。通过对编辑组合条件筛选模板程序和自定义算法筛选模板程序,形成针对试飞数据时间序列的筛选算法,完成试飞数据中有效试验点的分段识别,并绘制可交互曲线图。方法如下:
试飞数据分析的试验点快速筛选方法包括如下步骤:
步骤一,根据试飞专业数据分析要求,基于试飞关键参数通过参数表达式描述试验点特征,计算试验点分段的特征参数并编辑用于快速筛选的试飞筛选模板程序;
步骤一中编辑试飞筛选模板程序包括特征参数的组合条件筛选程序和自定义算法筛选程序。
特征参数的组合条件筛选程序通过输入试飞参数及其导出参数表达式得到试验点判定条件,形成针对试飞数据时间序列的组合筛选条件。其中导出参数表达式由基本关键试飞参数通过表达式计算得到。
自定义算法筛选程序提供各试飞专业的常用试验点筛选算法函数和通用数据分析函数,通过使用Python编写自定义的专业筛选脚本程序,然后经过封装生成试飞试验点快速筛选的模板文件。
针对复杂试验点判定的场景,试飞筛选模板支持多模板的嵌套使用。
步骤二,加载架次试飞数据,应用试飞筛选模板自动筛选有效试验点,完成试验点有效数据的分段识别和分类;
步骤二中应用试飞筛选模板自动筛选有效试验点段的方法为:
通过文本解析自动识别选定试飞数据的基本参数,基于参数矩阵实施矢量化计算,针对组合条件和试验点识别算法的筛选操作,通过将筛选操作转化为序列化函数以矢量化的方式对试飞数据时间序列进行快速筛选。
所述快速筛选方法还能用于架次试飞数据的多试验点连续快速识别,并对筛选的试验点进行标记分类。
步骤三,绘制试飞数据的参数曲线图,根据筛选得到的分段试飞数据段对象,通过在曲线图上高亮显示分段结果进行筛选结果的可视化,在必要情况时可对筛选段进行交互操作人工微调试验点段;
步骤三中筛选结果可视化在完成快速筛选后自动生成选中数据段高亮的曲线图,曲线图在选定范围内自动进行数据统计聚合,展示选中数据段的统计情况。
步骤四,按照试飞数据快速筛选的分类结果,将筛选得到的试飞数据段按类别写入数据库。
步骤四中试飞数据快速筛选结果是分段的试飞数据对象,数据段按分类标记存储到数据库中,支持后续试飞数据分析的快速使用。
在一些可选实施方式中,筛选结果可视化界面也可以辅助工程师对数据筛选结果做进一步的细节调整。
本发明实施例还提供了一种试飞数据分析的试验点快速筛选工具,包括:
数据对象模块,用于处理试飞数据及其导出数据;
数据筛选模块,用于提供试飞数据的组合条件筛选和自动化模板筛选功能;
绘图筛选模块,用于提供试飞数据曲线绘图的可视化交互筛选功能;
筛选脚本模块,用于提供筛选脚本的编辑、生成模板等功能;
筛选结果模块,用于实现筛选结果对象的数据定位、统计信息可视化,及后续分析的交互功能。
试飞试验点快速筛选方法主要由编辑筛选模板程序、加载试飞数据执行自动筛选、筛选结果可视化、获取试验点段数据几部分组成,通过这些筛选技术的根据应用实现试飞试验点的快速识别和自动提取。
本实施案例中,数据筛选实现试飞试验点快速筛选和自动化筛选的,绘图筛选实现试飞试验点的交互式筛选,数据筛选与绘图筛选可以联合嵌套使用满足试飞试验点更加灵活的确定要求。
筛选模板为模板化的自动数据筛选提供算法,通过编辑筛选模板可以将试飞专业的试验点判定方法进行固化,形成标准化的筛选模板,适用于标准的试飞分析流程和多架次试飞分析场景。
筛选结果为试飞数据的分段对象,在一些可选实施方式中,分段结果对象可以直接用于试飞数据的快速分析,也可以作为二次筛选的输入。
通过编辑筛选模板定义并实现试飞试验点的判断逻辑,筛选模板编辑的流程为支持数据加载、筛选算法编辑、筛选模板封装和筛选模板验证。
本实施案例中,支持数据加载包括试飞关键参数和已固化的计算或算法对象。
本实施案例中,筛选算法采用Python脚本编写,应用加载的支持数据快速完成筛选算法的编辑。在一些可选实施方式中,筛选算法编辑也可以是C/C++、Matlab等语言实现。
筛选模板根据实施方式的需求可选择是否进行封装后应用与模板筛选中。
筛选模板可以应用数据进行验证。
选取部分关键试飞参数绘制特定的曲线图,通过绘图筛选模式综合数值、曲线和统计分析展示,在曲线图上交互式地筛选试飞试验点。
本实施案例中,试飞工程师根据绘图可视化分析在绘图区域手动选择关注的试验数据区域,并可以进行区域参数的再调整精确定位试飞试验点。
在一些可选实施方式中,参数绘图曲线的区域统计分析可以很好地辅助判定有效试验点。
在一些可选实施方式中,绘图筛选通常作为试验点筛选的初步判断方式,可以为后续筛选缩小范围。
针对绘图筛选选定的试飞数据段进行二次筛选,应用组合条件筛选和模板筛选技术自动化地筛选出有效试飞试验点。
本实施案例中,组合条件筛选可以根据实际试飞科目输入相关的参数组合条件执行快速筛选。在一些可选实施方式中,首先根据试飞关键参数计算用于试验点判断的若干衍生参数,再综合所有参数进行组合条件的筛选。
参数组合条件可以保存为参数组合模板实现快速复用,在一些可实施方式中,可以直接使用固化的参数组合模板进行试验点筛选。
本实施案例中应用预先编辑的筛选模板进行复杂条件的试验点筛选,模板筛选方式可以实现自动化的试验点判断和试验点数据提取。
在一些可实施方式中筛选模板可以进行二次编辑后再应用。
试验点筛选结果对象是试飞试验点数据分析的直接对象,可以通过绘图、统计分析表等方式展示分段试验点选段情况。
试验点筛选的结果是试飞数据的分段可迭代对象,支持单独或循环处理每个试验段数据。
在一些可实施方式中,试验点选段结果可以在原试飞参数曲线图上展示分段效果,支持试验点绘图区域的交互分析操作。
在一些可实施方式中,试验点选段结果可以进行分段统计信息的展示。
试验点筛选结果与试飞数据的结构保持统一可以方便的作为计算分析对象进行后续的试验点分析。
采用本发明实施例,筛选效率高,有效性高,且依据客观的判断标准。
系统实施例
根据本发明实施例,提供了一种试飞数据分析的试验点快速筛选系统,图3是本发明实施例的试飞数据分析的试验点快速筛选系统的示意图,如图3所示,具体包括:
特征参数模块310:用于根据试飞专业数据分析要求,通过参数表达式描述试验点特征并计算试验点分段的特征参数,根据特征参数得到筛选条件;
特征参数模块310具体用于:根据试飞专业数据分析要求,通过参数表达式描述试验点特征并计算试验点分段的特征参数,根据特征参数得到组合筛选条件和自定义算法筛选条件,通过输入试飞参数及其导出参数表达式得到试验点判定条件,得到针对试飞数据时间序列的组合筛选条件,其中导出参数表达式由基本关键试飞参数通过表达式计算得到,通过提供各试飞专业的试验点筛选算法函数和通用数据分析函数并结合特征参数得到自定义算法筛选条件。
识别和分类模块320:用于获取试飞数据,根据筛选条件自动筛选试飞数据的有效试验点段,完成试验点有效数据的分段识别和分类;
识别和分类模块320具体用于:获取试飞数据,通过文本解析自动识别选定试飞数据的基本参数,基于所述基本参数矩阵实施矢量化计算,针对组合条件和试验点自定义识别算法的筛选操作,通过将筛选操作转化为序列化函数以矢量化的方式对试飞数据时间序列进行快速筛选,对架次试飞数据的多试验点连续快速识别,并对筛选的试验点进行标记分类,完成试验点有效数据的分段识别和分类。
曲线图模块330:用于绘制所述试飞数据的曲线图,将筛选得到的试飞数据的有效试验点段在所述曲线图中可视化,接收微调指令对分段结果进行微调;
曲线模块330具体用于:绘制识别和分类模块得到的试飞数据的曲线图,将筛选得到的试飞数据段对象在所述曲线图中自动生成选中数据段高亮的曲线图,接收微调指令对分段结果进行微调,所述曲线图在选定范围内可以自动进行数据统计聚合,展示选中数据段的统计情况。
数据库模块340:用于根据试验点有效数据的分类,将分类数据存入数据库。
本发明实施例是与上述方法实施例对应的系统实施例,各个模块的具体操作可以参照方法实施例的描述进行理解,在此不再赘述。
装置实施例一
本发明实施例提供一种试飞数据分析的试验点快速筛选装置,如图4所示,包括:存储器40、处理器42及存储在存储器40上并可在处理器42上运行的计算机程序,计算机程序被处理器执行时实现上述方法实施例中的步骤。
装置实施例二
本发明实施例提供一种计算机可读存储介质,计算机可读存储介质上存储有信息传输的实现程序,程序被处理器42执行时实现上述方法实施例中的步骤。
本实施例所述计算机可读存储介质包括但不限于为:ROM、RAM、磁盘或光盘等。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件根据。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替本发明各实施例技术方案,并不使相应技术方案的本质脱离本方案的范围。
Claims (10)
1.一种试飞数据分析的试验点快速筛选方法,其特征在于,包括,
S1、根据试飞专业数据分析要求,通过参数表达式描述试验点特征并计算试验点分段的特征参数,根据特征参数得到筛选条件;
S2、获取试飞数据,根据筛选条件自动筛选试飞数据的有效试验点段,完成试验点有效数据的分段识别和分类;
S3、绘制所述试飞数据的曲线图,将筛选得到的试飞数据的有效试验点段在所述曲线图中可视化,接收微调指令对分段结果进行微调;
S4、根据试验点有效数据的分类,将分类数据存入数据库。
2.根据权利要求1所述的方法,其特征在于,所述S1具体包括:根据试飞专业数据分析要求,通过参数表达式描述试验点特征并计算试验点分段的特征参数,根据特征参数得到组合筛选条件和自定义算法筛选条件,通过输入试飞参数及其导出参数表达式得到试验点判定条件,得到针对试飞数据时间序列的组合筛选条件,其中导出参数表达式由基本关键试飞参数通过表达式计算得到,通过提供各试飞专业的试验点筛选算法函数和通用数据分析函数并结合特征参数得到自定义算法筛选条件。
3.根据权利要求1所述的方法,其特征在于,所述S2具体包括:获取试飞数据,通过文本解析自动识别选定试飞数据的基本参数,基于所述基本参数矩阵实施矢量化计算,针对组合条件和试验点自定义识别算法的筛选操作,通过将筛选操作转化为序列化函数以矢量化的方式对试飞数据时间序列进行快速筛选,对架次试飞数据的多试验点连续快速识别,并对筛选的试验点进行标记分类,完成试验点有效数据的分段识别和分类。
4.根据权利要求1所述的方法,其特征在于,所述S3具体包括:绘制所述试飞数据的曲线图,将筛选得到的试飞数据段对象在所述曲线图中自动生成选中数据段高亮的曲线图,接收微调指令对分段结果进行微调,所述曲线图在选定范围内自动进行数据统计聚合,展示选中数据段的统计情况。
5.一种试飞数据分析的试验点快速筛选系统,其特征在于,包括:
特征参数模块:用于根据试飞专业数据分析要求,通过参数表达式描述试验点特征并计算试验点分段的特征参数,根据特征参数得到筛选条件;
识别和分类模块:用于获取试飞数据,根据筛选条件自动筛选试飞数据的有效试验点段,完成试验点有效数据的分段识别和分类;
曲线图模块:用于绘制所述试飞数据的曲线图,将筛选得到的试飞数据的有效试验点段在所述曲线图中可视化,接收微调指令对分段结果进行微调;
数据库模块:用于根据试验点有效数据的分类,将分类数据存入数据库。
6.根据权利要求5所述系统,其特征在于,所述特征参数模块具体用于:根据试飞专业数据分析要求,通过参数表达式描述试验点特征并计算试验点分段的特征参数,根据特征参数得到组合筛选条件和自定义算法筛选条件,通过输入试飞参数及其导出参数表达式得到试验点判定条件,得到针对试飞数据时间序列的组合筛选条件,其中导出参数表达式由基本关键试飞参数通过表达式计算得到,通过提供各试飞专业的试验点筛选算法函数和通用数据分析函数并结合特征参数得到自定义算法筛选条件。
7.根据权利要求6所述系统,其特征在于,所述识别和分类模块具体用于:获取试飞数据,通过文本解析自动识别选定试飞数据的基本参数,基于所述基本参数矩阵实施矢量化计算,针对组合条件和试验点自定义识别算法的筛选操作,通过将筛选操作转化为序列化函数以矢量化的方式对试飞数据时间序列进行快速筛选,对架次试飞数据的多试验点连续快速识别,并对筛选的试验点进行标记分类,完成试验点有效数据的分段识别和分类。
8.根据权利要求7所述系统,其特征在于,所述曲线模块具体用于:绘制识别和分类模块得到的试飞数据的曲线图,将筛选得到的试飞数据段对象在所述曲线图中自动生成选中数据段高亮的曲线图,接收微调指令对分段结果进行微调,所述曲线图在选定范围内自动进行数据统计聚合,展示选中数据段的统计情况。
9.一种试飞数据分析的试验点快速筛选装置,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的试飞数据分析的试验点快速筛选方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现如权利要求1至4中任一项所述的试飞数据分析的试验点快速筛选方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110906504.XA CN113609155A (zh) | 2021-08-09 | 2021-08-09 | 试飞数据分析的试验点快速筛选方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110906504.XA CN113609155A (zh) | 2021-08-09 | 2021-08-09 | 试飞数据分析的试验点快速筛选方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113609155A true CN113609155A (zh) | 2021-11-05 |
Family
ID=78339908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110906504.XA Pending CN113609155A (zh) | 2021-08-09 | 2021-08-09 | 试飞数据分析的试验点快速筛选方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113609155A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091629A (zh) * | 2022-01-21 | 2022-02-25 | 西安羚控电子科技有限公司 | 一种试飞数据智能处理系统及其方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6259977B1 (en) * | 1998-11-17 | 2001-07-10 | Austin Digital Inc. | Aircraft flight data analysis system and method |
CN106383859A (zh) * | 2016-08-31 | 2017-02-08 | 北京蓝天航空科技股份有限公司 | 一种试飞数据分析处理方法 |
CN108100301A (zh) * | 2017-12-03 | 2018-06-01 | 中国直升机设计研究所 | 一种用于直升机模拟机客观测试的试飞数据处理方法 |
CN109657294A (zh) * | 2018-11-29 | 2019-04-19 | 中国航空工业集团公司沈阳飞机设计研究所 | 基于特征参数的试飞数据自动化分析方法及系统 |
CN110109896A (zh) * | 2019-04-13 | 2019-08-09 | 成都飞机工业(集团)有限责任公司 | Uav飞行参数智能还原方法 |
CN112150886A (zh) * | 2020-09-22 | 2020-12-29 | 中国商用飞机有限责任公司 | 用于评估飞行模拟机的数据包试飞数据的有效性的方法 |
CN112199397A (zh) * | 2020-10-21 | 2021-01-08 | 中国商用飞机有限责任公司 | 试飞数据分析软件及试飞数据分析方法 |
-
2021
- 2021-08-09 CN CN202110906504.XA patent/CN113609155A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6259977B1 (en) * | 1998-11-17 | 2001-07-10 | Austin Digital Inc. | Aircraft flight data analysis system and method |
CN106383859A (zh) * | 2016-08-31 | 2017-02-08 | 北京蓝天航空科技股份有限公司 | 一种试飞数据分析处理方法 |
CN108100301A (zh) * | 2017-12-03 | 2018-06-01 | 中国直升机设计研究所 | 一种用于直升机模拟机客观测试的试飞数据处理方法 |
CN109657294A (zh) * | 2018-11-29 | 2019-04-19 | 中国航空工业集团公司沈阳飞机设计研究所 | 基于特征参数的试飞数据自动化分析方法及系统 |
CN110109896A (zh) * | 2019-04-13 | 2019-08-09 | 成都飞机工业(集团)有限责任公司 | Uav飞行参数智能还原方法 |
CN112150886A (zh) * | 2020-09-22 | 2020-12-29 | 中国商用飞机有限责任公司 | 用于评估飞行模拟机的数据包试飞数据的有效性的方法 |
CN112199397A (zh) * | 2020-10-21 | 2021-01-08 | 中国商用飞机有限责任公司 | 试飞数据分析软件及试飞数据分析方法 |
Non-Patent Citations (1)
Title |
---|
范志鹏: "一种基于Matlab的大文本试飞数据绘图策略研究", 《软件导刊》, vol. 19, no. 01, pages 280 - 284 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091629A (zh) * | 2022-01-21 | 2022-02-25 | 西安羚控电子科技有限公司 | 一种试飞数据智能处理系统及其方法 |
CN114091629B (zh) * | 2022-01-21 | 2022-07-15 | 西安羚控电子科技有限公司 | 一种试飞数据智能处理系统及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107220648B (zh) | 理赔单据的字符识别方法及服务器 | |
AU2018102232A4 (en) | Bone marrow cell marking method and system | |
US7912795B2 (en) | Automated predictive modeling of business future events based on transformation of modeling variables | |
CN110334722B (zh) | 图像分类方法、装置、计算机设备和存储介质 | |
CN108229485B (zh) | 用于测试用户界面的方法和装置 | |
US11791044B2 (en) | System for generating medical reports for imaging studies | |
CN109635292B (zh) | 基于机器学习算法的工单质检方法和装置 | |
CN112766655B (zh) | 自动化排产方法、装置、设备及计算机可读存储介质 | |
CN110136153A (zh) | 一种图像处理方法、设备及存储介质 | |
CN113222913A (zh) | 一种电路板缺陷检测定位方法、装置和存储介质 | |
CN115909059A (zh) | 一种自然资源样本库建立方法和装置 | |
CN113888514A (zh) | 导地线缺陷检测方法、装置、边缘计算设备和存储介质 | |
CN113609155A (zh) | 试飞数据分析的试验点快速筛选方法、系统及装置 | |
CN111208998A (zh) | 数据可视化大屏自动布局的方法、装置及存储介质 | |
CN115859935A (zh) | 一种基于指标库的数据分析报告模板生成系统及方法 | |
CN112036118A (zh) | 一种可配置的数据报表动态展现方法及系统 | |
EP1672578A1 (en) | Method and system for analyzing the risk of a project | |
CN113610393A (zh) | 基于遥测数据的航后分析方法及辅助系统 | |
CN110826306B (zh) | 数据采集的方法、装置、计算机可读存储介质及电子设备 | |
JP3572626B2 (ja) | 検査システム、解析ユニット及び電子デバイスの製造方法 | |
CN113191671B (zh) | 工程量计算方法、装置及电子设备 | |
JPH10275168A (ja) | 設計支援方法および設計支援システム | |
CN114663975A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN108337323B (zh) | 一种基于全终端的仪表计量数据ar对比系统和方法 | |
CN111178780A (zh) | 运维策略的设置方法、装置、存储介质及电子设备 |
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 |