CN114091629A - 一种试飞数据智能处理系统及其方法 - Google Patents

一种试飞数据智能处理系统及其方法 Download PDF

Info

Publication number
CN114091629A
CN114091629A CN202210070877.2A CN202210070877A CN114091629A CN 114091629 A CN114091629 A CN 114091629A CN 202210070877 A CN202210070877 A CN 202210070877A CN 114091629 A CN114091629 A CN 114091629A
Authority
CN
China
Prior art keywords
inspection
decision
data
judgment
processing
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
CN202210070877.2A
Other languages
English (en)
Other versions
CN114091629B (zh
Inventor
李瑞轩
田建升
雷杰
赵文琪
何宇
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.)
Xian Lingkong Electronic Technology Co Ltd
Original Assignee
Xian Lingkong Electronic Technology Co Ltd
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 Xian Lingkong Electronic Technology Co Ltd filed Critical Xian Lingkong Electronic Technology Co Ltd
Priority to CN202210070877.2A priority Critical patent/CN114091629B/zh
Publication of CN114091629A publication Critical patent/CN114091629A/zh
Application granted granted Critical
Publication of CN114091629B publication Critical patent/CN114091629B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/10Pre-processing; Data cleansing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211Selection of the most significant subset of features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques

Abstract

本发明涉及数据处理技术领域,具体涉及一种试飞数据智能处理系统及其方法,将得到的原始试验数据先经过多个降噪算法处理得到试验处理数据,为了保证试验处理数据能够满足使用要求需要对试验处理数据进行筛选,为了方便筛选降低筛选难度,将每条试验处理数据经过多个检查计算后得到含有多个检查值的检查集,再通过含有决策值的决策配表与检查值进行决策判断,实现试验处理数据有效性的快速准确高效的判断,得到满足使用要求的检查集,通过在所有满足要求的检查集中选取最优检查集得到有效性最高的试验处理数据,提高使用效果,整个工作过程操作简单,能够快速有效地得到理想型的试验处理数据,从而提高了工作质量与效率。

Description

一种试飞数据智能处理系统及其方法
技术领域
本发明涉及数据处理技术领域,具体涉及一种试飞数据智能处理系统及其方法。
背景技术
在航空仿真中,有一个真实的飞机数据不仅可以验证所搭建的仿真模型是否正确、而且能够帮助用户修改模型,从而得到接近真实飞机的仿真模型。但在实际中环境中,采集到的飞机数据往往因为受到一系列的干扰导致飞机数据不够真实,例如电磁波干扰、飞机抖动、采集设备的精度等一系列干扰因素,因此需要将采集到的试飞数据去除干扰,尽可能还原真实的飞机数据。
目前,现在通用的处理方法是对这些数据通过人工采用滤波算法或者平滑算法等算法进行一次或者多次计算对原始试验数据进行处理,这种方法耗时耗力,提高了人工成本,也降低了工作效率,同时存在人工操作出现错误的情况,使得得到的数据结果不精准导致试验失败;并且对人工处理后的数据需要通过人工进行对比校验是否能够使用,进一步增加工作时间,降低工作效率,并且存在人工失误造成的结果不准确,从而对结果造成判断失误造成不可弥补的损失。
发明内容
针对现有技术的不足,本发明提供一种试飞数据智能处理系统及其方法,能够快速、准确并且高效地对试飞数据进行处理,提高数据处理的效率和质量。
本发明所提供的技术解决方案:
第一方面,本申请提供了一种试飞数据智能处理方法,包括以下步骤:
S1、接收处理算法指定指令及原始试验数据,对所述原始试验数据进行降噪处理得到试验处理数据;
S2、接收所述处理算法指定指令及试验处理数据,将所述原始试验数据与所述试验处理数据通过检查方法得到检查集;
S3、接收检查集,将所述检查集通过决策配表进行检查集决策判断后得到最优检查集;
S4、输出与所述最优检查集对应的试验处理数据。
进一步限定,所述步骤S1包括以下步骤:
S11、接收处理算法指定指令,根据处理算法指定指令在算法集中选择一个或者多个处理算法;
S12、接收原始试验数据,根据选择的一个或者多个处理算法对所述原始试验数据进行降噪处理后得到对应的试验处理数据。
进一步限定,所述步骤S2包括以下步骤:
S21、接收检查方法指定指令,根据所述检查方法指定指令从预设的检查方法集中选择一个或者多个对应的检查方法;
S22、接收原始试验数据和步骤S12中所述的试验处理数据,根据步骤S21选择的检查方法对所述原始试验数据和所述试验处理数据进行检查计算得到检查集,所述检查集与所述试验处理数据一一对应,所述检查集包括检查计算得到的检查值。
进一步限定,所述步骤S3包括以下步骤:
S31、导入预设的决策配表并上传,所述决策配表包括决策值,所述决策值与步骤S22所述的检查值相对应;
S32、接收步骤S22所述的检查集并上传;
S33、判断所述检查集是否满足决策配表并得到判断结果,判断所有检查集是否均完成检查集决策判断并得到判断结果,判断是否得到满足要求的检查集并得到判断结果,判断原始试验数据是否使用所有处理算法并得到判断结果,收集满足要求的检查集,从满足要求的检查集中得到最优检查集。
进一步限定,所述步骤S33包括以下步骤:
S331、判断检查集中的检查值是否满足决策配表中的决策值并得到检查集决策判断的结果,当判断检查集是否满足决策配表的结果为是时,得到满足要求的检查集,将满足要求的检查集进行输出;
S332、接收并收集满足要求的检查集;
S333、当检查集决策判断的结果为否时,开始判断检查集是否均已完成检查集决策判断并得到是否决策完成的判断结果,若判断检查集是否均已完成检查集决策判断的结果为否时,则对下一组检查集进行检查集决策判断;
S334、当检查集决策判断的结果为否,并且决策完成判断的结果为是时,对是否得到满足要求的检查集进行判断并得到判断结果;
S335、当对是否得到满足要求的检查集进行判断的结果为否时,则对所有处理算法是否均使用过进行判断并得到判断结果,若对所有处理算法是否均使用过进行判断的结果为是,则结束;若对所有处理算法是否均使用过进行判断的结果为否,则由处理算法指定指令重新指定处理算法获取新的试验处理数据,然后回到步骤S2;
S336、当检查集决策判断的结果为是时,开始判断检查集是否均已完成检查集决策判断并得到是否决策完成的判断结果,若判断检查集是否均完成检查集决策判断的结果为否时,对下一组检查集进行检查集决策判断;
S337、接收满足要求的检查集,当检查集决策判断的结果为是并且检查集是否均已完成检查集决策判断的结果为是或者当检查集决策判断的结果为是并且对是否得到满足要求的检查集进行判断的结果为是时,从所有满足要求的检查集中选取最优检查集并输出。
第二方面,本申请提供了一种试飞数据智能处理系统,包括:
数据处理单元,用于接收处理算法指定指令及原始试验数据,并对原始试验数据进行处理生成试验处理数据;
数据检查单元,用于接收检查方法指定指令及所述试验处理数据,并将所述原始试验数据与所述试验处理数据通过检查方法得到检查集;
数据决策单元,用于接收检查集,并将检查集进行检查集决策判断得到最优检查集,输出与最优检查集对应的试验处理数据。
进一步限定,所述数据处理单元包括:
算法指定模块,用于接收处理算法指定指令,并根据处理算法指定指令在算法集中选择一个或者多个处理算法;
算法处理模块,用于接收原始试验数据,并通过算法指定模块选择一个或者多个处理算法对原始试验数据进行降噪处理后得到对应的试验处理数据。
进一步限定,所述数据检查单元包括:
检查指定模块,用于接收检查方法指定指令,同时根据检查方法指定指令从预设的检查方法集中选择一个或者多个对应的检查方法;
检查处理模块,用于接收原始试验数据和试验处理数据,通过检查指定模块选择一个或者多个检查方法对原始试验数据和试验处理数据进行检查计算得到与每条试验处理数据对应的检查集,所述检查集中包括检查计算得到的检查值。
进一步限定,所述数据决策单元包括:
决策配表输入模块,用于导入带有决策值的决策配表并上传,所述决策值与检查值相对应;
检查集输入模块,用于接收检查集并上传;
决策判断模块,用于判断检查集是否满足决策配表并得到判断结果,用于判断所有检查集是否均完成检查集决策判断并得到判断结果,用于判断是否得到满足要求的检查集并得到判断结果,用于判断原始试验数据是否使用所有处理算法并得到判断结果,用于收集满足要求的检查集,用于从满足要求的检查集中得到最优检查集;
匹配模块,用于接收最优检查集,匹配并输出与最优检查集对应的试验处理数据,得到最优试验处理数据。
进一步限定,所述决策判断模块包括:
检查集决策判断子模块,用于判断检查集中的检查值是否满足决策配表中的决策值并得到检查集决策判断的结果,当判断检查集是否满足决策配表的结果为是时,得到满足要求的检查集,用于将满足要求的检查集进行输出;
满足要求检查集收集子模块,用于接收并收集满足要求的检查集;
第一决策完成判断子模块,用于当检查集决策判断的结果为否时,开始判断检查集是否均已完成检查集决策判断并得到是否决策完成的判断结果,若判断检查集是否均已完成检查集决策判断的结果为否时,则对下一组检查集进行检查集决策判断;
检查集满足要求判断子模块,用于当第一决策完成判断模块的判断的结果为是时,对是否得到满足要求的检查集进行判断并得到判断结果;
数据处理循环判断子模块,用于当对是否得到满足要求的检查集进行判断的结果为否时,则对所有处理算法是否均使用过进行判断并得到判断结果,若对所有处理算法是否均使用过进行判断的结果为是,则结束;若对所有处理算法是否均使用过进行判断的结果为否,则由处理算法指定指令重新指定处理算法获取新的试验处理数据,然后回到步骤S2;
第二决策完成判断子模块,用于当检查集决策判断的结果为是时,开始判断检查集是否均已完成检查集决策判断并得到是否决策完成的判断结果,若判断检查集是否均完成检查集决策判断的结果为否时,对下一组检查集进行检查集决策判断;
最优检查集输出子模块,用于接收满足要求的检查集,用于当第二决策完成判断模块的判断的结果为是或者当检查集决策判断的结果为是并且对是否得到满足要求的检查集进行判断的结果为是时,从所有满足要求的检查集中选取最优检查集并输出。
本发明的有益效果在于:
1、将得到的原始试验数据先经过多个的降噪算法处理得到处理后的试验处理数据,为了保证得到的试验处理数据能够满足使用要求需要对试验处理数据进行筛选,而为了方便筛选降低筛选难度,将每条试验处理数据经过多个检查计算后得到含有多个检查值的检查集,再通过含有规定决策值的决策配表来与检查值进行决策判断,实现对试验处理数据有效性的快速准确高效的判断,得到满足使用要求的检查集,通过在所有满足要求的检查集中选取最优检查集得到有效性最高的试验处理数据,提高使用效果,整个工作过程操作简单,能够快速有效地得到理想型的试验处理数据,从而提高了工作质量与效率。
2、能够指定选择一个或者多个处理算法来对原始试验数据进行降噪处理,得到多个试验处理数据,保证不同类型的原始试验数据能够选择最佳的降噪算法进行处理,从而避免使用单个或者固定降噪算法得到的试验处理数据效果较差或者得到的试验处理数据不满足使用要求的问题,从而减少工作强度,节省工作时间,提高工作效率。
3、通过检查方法来实现能够简单明了地对试验处理数据有效性进行判断;通过简单的数值大小判断来得知检查值是否满足要求,操作简单;通过多种检查方法来进一步确保对试验处理数据有效性的评判更准确、更全面,从而提高对试验处理数据是否满足要求的判断,保证工作有效完成,提高工作效率。
4、通过对所有检查集进行决策判断来筛选得到满足要求的检查集,如果没有满足要求的检查集通过重新指定降噪算法(即处理方法)来最大程度保证得到满足要求的检查集,从而得到能够使用的试验处理数据,当满足要求的检查集个数大于1时找出1个最优检查集并匹配出与之对应的最优试验处理数据,该试验处理数据在使用时的效果最接近真实数据,保证了使用效果,提高工作质量,避免使用效果不佳需要重复选取造成的时间与成本的浪费,降低了成本,也提高了工作效率。
附图说明
图1为本发明实施例1的实施步骤示意图;
图2为本发明实施例1中得到处理数据的流程示意图;
图3为本发明实施例1中得到检查集的流程示意图;
图4为本发明实施例1的实施步骤流程示意图;
图5为本发明实施例2的系统整体示意图;
图6为本发明实施例3的系统整体示意图;
图7为本发明实施例4的系统整体示意图;
图8为本发明实施例5的系统整体示意图;
图9为本发明实施例6系统整体示意图。
具体实施方式
通常在建立产品或者设备的模型时不但需要根据产品或者设备自身的参数来进行搭建,同时也需要实际产品或者设备在现实场景中通过特定的试验来得到具有代表性的试验数据,通过试验数据来完成修正模型参数的需求,使得对应的模型所做的其他模拟数据更加接近实际产品或者设备的实际数据,从而避免多次试验需要消耗过多产品或者设备;而在采集实际产品或者设备在现实场景中得到的试验数据往往会因为电磁波干扰、飞机抖动、采集设备存在误差等一系列干扰因素导致试验数据与真实数据存在偏差,使得利用试验数据作为真实数据矫正模型参数时并不能使模型的模拟数据接近实际数据,甚至导致模型与实际产品或者设备相差更大。
实施例1
参考图1-4,本实施例提供一种试飞数据智能处理方法,包括以下步骤:
S1、接收原处理算法指定指令及始试验数据,对所述原始试验数据进行降噪处理得到试验处理数据;
S2、接收检查方法指定指令及试验处理数据,将所述原始试验数据与所述试验处理数据通过检查方法得到检查集;
S3、接收检查集,将所述检查集通过决策配表进行检查集决策判断后得到最优检查集;
S4、输出与所述最优检查集对应的试验处理数据。
具体的,步骤S1包括以下步骤:
S11、接收处理算法指定指令,根据处理算法指定指令在算法集中选择一个或者多个处理算法;
在使用时,通常会选用的处理算法包括但不限于限幅均值滤波法、加权均值滤波法、中值法、拉格朗日平滑法、三次样条平滑法、最小二乘法和/或一阶滤波法,在使用中也可以增加新的处理算法或者删掉原有的处理算法。
S12、接收原始试验数据,根据选择的一个或者多个处理算法对所述原始试验数据进行降噪处理后得到对应的试验处理数据;
在使用时,通常默认情况下算法集为全部选择。
步骤S2包括以下步骤:
S21、接收检查方法指定指令,根据所述检查方法指定指令从预设的检查方法集中选择一个或者多个对应的检查方法;
在使用时,检查方法通常会选用但不限于通过均方根值、极值、相关系数和/或相似度算法进行检查计算,同理,在使用中也可以增加新的检查方法或者删掉原有的检查方法。
S22、接收原始试验数据和步骤S12中所述的试验处理数据,根据步骤S21选择的检查方法对所述原始试验数据和所述试验处理数据进行检查计算得到检查集,所述检查集与所述试验处理数据一一对应,所述检查集包括检查计算得到的检查值;
在使用时,一条试验处理数据在经过多个检查方法后得到与检查方法对应的检查值,每个试验处理数据的所有检查值合并为一个与之对应的检查集,检查集中包括所有检查值和与检查值匹配的决策项,决策项为对应的检查方法,通常默认情况下为所有检查方法全部进行选择。
步骤S3包括以下步骤:
S31、导入预设的决策配表并上传,所述决策配表包括决策值,所述决策值与步骤S22所述的检查值相对应;
在使用时,决策配表包括决策项和决策值,其中决策项为与检查方法对应的检查算法,例如为均方根值、极值越界、相关系数和/或相似度,与决策项匹配的决策值依次为x<0.5、x==1、x>0.8和/或x>0.85,通过修改决策值来控制对试验处理数据的有效性要求的高低,要求越高则满足检查集的数量越少,但是越接近真实数据。
S32、接收步骤S22所述的检查集并上传;
在使用时,检查集中与决策项对应的检查值与决策配表中的决策值一一对应,保证每个检查值都对应一个决策值,从而完成决策判断。
S33、判断所述检查集是否满足决策配表并得到判断结果,判断所有检查集是否均完成检查集决策判断并得到判断结果,判断是否得到满足要求的检查集并得到判断结果,判断原始试验数据是否使用所有处理算法并得到判断结果,收集满足要求的检查集,从满足要求的检查集中得到最优检查集。
步骤S33包括以下步骤:
S331、判断检查集中的检查值是否满足决策配表中的决策值并得到检查集决策判断的结果,当判断检查集是否满足决策配表的结果为是时,得到满足要求的检查集,将满足要求的检查集进行输出;
S332、接收并收集满足要求的检查集;
S333、当检查集决策判断的结果为否时,开始判断检查集是否均已完成检查集决策判断并得到是否决策完成的判断结果,若判断检查集是否均已完成检查集决策判断的结果为否时,则对下一组检查集进行检查集决策判断;
S334、当检查集决策判断的结果为否并且决策完成判断的结果为是时,对是否得到满足要求的检查集进行判断并得到判断结果;
S335、当对是否得到满足要求的检查集进行判断的结果为否时,则对所有处理算法是否均使用过进行判断并得到判断结果,若对所有处理算法是否均使用过进行判断的结果为是,则结束;若对所有处理算法是否均使用过进行判断的结果为否,则由处理算法指定指令重新指定处理算法获取新的试验处理数据,然后回到步骤S2;
S336、当检查集决策判断的结果为是时,开始判断检查集是否均已完成检查集决策判断并得到是否决策完成的判断结果,若判断检查集是否均完成检查集决策判断的结果为否时,对下一组检查集进行检查集决策判断;
S337、接收满足要求的检查集,当检查集决策判断的结果为是并且检查集是否均已完成检查集决策判断的结果为是或者当检查集决策判断的结果为是并且对是否得到满足要求的检查集进行判断的结果为是时,从所有满足要求的检查集中选取最优检查集并输出。
步骤S4包括以下步骤:
S41、接收S33所述的最优检查集,匹配并输出与最优检查集对应的试验处理数据,得到最优试验处理数据;
在使用时,在满足要求的所有检查集中,利用检查值与决策值的差值来得到最优检查值,也可以通过使用其他类似方法来得到最优检查集,例如,利用公式Y=(X1-Xa)+(X2-Xb)+(X3-Xc)+(X4-Xd)来得到最优的检查集,其中X1是经过代号为a的检查方法经过检查计算得到的检查值,Xa为与代号为a的检查方法所对应的决策值,同理,X2、X3、X4分别是经过代号为b、c、d的检查方法经过检查计算得到的检查值,通过与对应的决策值对比计算差值,利用整体差值大小来判断最符合要求的检查集,简单方便快捷。
实施例2
参考图5,一种试验数据智能处理系统,包括:
数据处理单元,用于接收处理算法指定指令及原始试验数据,并通过处理算法对试验数据进行降噪处理得到试验处理数据;
在使用时,将试验中得到的数据先进行分类,例如在对飞机进行试验后,将试验数据按照地面、起飞、爬升、巡航、进近和着陆等不同阶段进行划分,并进行试验数据入库,从而在需要的时候根据需求挑选提取对应类型的试验数据,简单方便,此时的试验数据属于原始试验数据,存在噪声;为了对原始试验数据进行降噪处理,直接选取需要处理的原始试验数据通过降噪算法进行处理,得到接近飞机真实数据的试验处理数据。
数据检查单元,用于接收检查方法指定指令及试验处理数据,同时将原始试验数据与试验处理数据通过检查方法得到检查集;
在使用时,由于目前现有的降噪算法较多,并且经过不同的降噪算法处理后得到的试验处理数据并不完全都接近实际数据,而且会存在真实数据被处理的情况,噪音数据被放大的情况,所以为了筛选符合要求的数据剔除不符合要求的数据,接收原始试验数据和所有的试验处理数据,并将原始试验数据与所有的试验处理数据经过检查后得到一个能够表明试验处理数据有效性的检查集,有效性越高表明所对应的试验处理数据越接近实际数据,使用该试验处理数据修正后的模型更接近实际产品或者设备,从而通过模型试验得到的数据更准确。
数据决策单元,用于接收检查集,同时用于将检查集通过决策配表进行检查集决策判断后得到最优检查集,并且用于输出与最优检查集对应的试验处理数据;
在使用时,判断一个试验处理数据的有效性是否满足要求会制定一个作为判断标准的决策配表,此时,为了判断每个试验处理数据的有效性是否满足要求只需要将决策配表与检查集进行对比,若检查集满足要求,则代表该检查集对应的试验处理数据满足要求。为了避免同时获得多条满足要求的试验处理数据,需要在满足要求中的试验处理数据中选择一个与决策配表最接近的检查集所对应的试验处理数据,最后将该试验处理数据进行输出即可作为真实数据来完成对模型的修正。
避免了人为选取同一种降噪处理算法后将得到的试验处理数据直接使用,使得飞机模型的参数偏离真实飞机实际参数导致模型模拟数据错误;通过对原始试验数据自动进行降噪算法处理后再自动进行检查,最后得到最优的一个试验处理数据,从而在使用该试验处理数据对飞机模型进行校准时能够使得飞机模型的各种数据更加接近实际飞机的数据,从而导致飞机模型所完成的试验数据具有实际使用价值,降低了工作强度,减少了工作时间,提高了工作效率。
实施例3
参考图6,与实施例2不同的是,具体的,数据处理单元包括:
算法指定模块,用于接收处理算法指定指令,同时根据处理算法指定指令在算法集中选择一个或者多个处理算法;
在使用时,由于降噪算法较多,为了降低计算处理时间可以只选取其中的一种或者多种处理算法进行计算处理,为了提高试验处理数据中存在最优选择,则默认选取全部的处理算法;并且在使用时可以对算法集中的现有处理算法进行删除,也可以将新的处理算法增加到算法集中,保证算法集能够满足使用需求。
算法处理模块,用于接收原始试验数据,用于通过算法指定模块指定一个或者多个处理算法对原始试验数据进行降噪处理后得到对应的试验处理数据;
在使用时,通过选取的一个或者多个处理算法对原始试验数据进行处理,得到一个或者多个不同的试验处理数据,默认情况下得到与降噪算法个数对应的试验处理数据,从而使得到的试验处理数据中的最优数据更接近真实数据;例如原始试验数据代号为A,降噪算法选择3种分别代号为1、2、3的算法,则原始试验数据经过指定降噪算法处理后得到三组代号为A1、A2、A3的试验处理数据。
实施例4
参考图7,与实施例3不同的是,具体的数据检查单元包括:
检查指定模块,用于接收检查方法指定指令,同时根据检查方法指定指令从预设的检查方法集中选择一个或者多个对应的检查方法;
在使用时,与数据处理同理,通常会有多种检查方法对原始试验数据与试验处理数据进行检查对比,为了节省检查时间可以在所有检查方法中选取指定的检查方法进行检查,同样默认情况下选取全部检查方法,即在不指定检查方法的时候会通过所有的检查方法对原始试验数据与所有的试验处理数据进行检查,保证对每一条试验处理数据的检查更全面准确;同理,在使用中能够增加新的检查方法也可以删除检查集中的检查方法。
检查处理模块,用于接收原始试验数据和所有试验处理数据,用于通过检查指定模块指定一个或者多个检查方法对原始试验数据和所有试验处理数据进行检查计算得到与每条试验处理数据对应的检查集,所述检查集中包括检查计算得到的检查值;
在使用时,将原始试验数据和所有的试验处理数据通过选取的检查方法进行检查最后得到检查集,检查集中包括所有检查值和与检查值匹配的决策项,决策项为对应的检查方法,例如选择2种代号为a、b的检查方法,代号为A1的试验处理数据分别经过2种检查方法得到对应代号为A1a和A1b的检查值,代号为A1a和A1b的检查值所组成的集合为与代号为A1试验处理数据对应的检查集,同理,代号为A2的试验处理数据与代号为A3的试验处理数据在经过选取的2种检查方法后得到含有检查值代号为A2a和A2b的检查集和检查值代号为A3a和A3b的检查集,并且对应地与代号为A2和代号为A3的试验处理数据对应。
实施例5
参考图8,与实施例4不同的是,具体的数据决策单元包括:
决策配表输入模块,用于导入带有决策值的决策配表并上传,所述决策值与检查值相对应;
在使用时,为了方便判断试验处理数据是否满足需求,可以制作决策配表来与检查集进行对比,其中决策配表中含有决策值,决策值为通过检查方法后试验处理数据应该所满足的要求,例如试验处理数据经过代号为a的检查方法后得到代号为x的检查值,当x<0.5即可满足数据处理有效性能够接受的范围,则可以规定x<0.5为与a对应的决策值,也就是所有通过代号为a的检查方法检查得到的检查值如果小于0.5,则表示该检查值满足决策值,同理,通过代号为b的检查方法检查后得到代号为y的检查值,当y>0.8时属于满足要求,则规定y>0.8为b所对应的决策值,决策值的大小取决于对试验处理数据有效性要求的高低,通过不同检查方法得到的决策值大小可以根据需要进行调整。
检查集输入模块,用于接收检查集并上传;
在使用时,将得到的所有检查集接收后进行上传,准备进行检查集决策判断。
决策判断模块,用于判断检查集是否满足决策配表并得到判断结果,用于判断所有检查集是否均完成检查集决策判断并得到判断结果,用于判断是否得到满足要求的检查集并得到判断结果,用于判断原始试验数据是否使用所有处理算法并得到判断结果,用于收集满足要求的检查集,用于从满足要求的检查集中得到最优检查集;
在使用时,需要对所有试验处理数据进行检查判断其有效性是否能够使用,判断的标准就是利用其检查集与决策配表进行检查集决策判断,如果其检查值满足要求,则说明与该检查集对应的试验处理数据能够使用,反之则不能够使用,而当有多组满足要求的检查集时,需要选取一组最优的检查集,此时最优检查集对应的试验处理数据失真度最小,噪音去除效果最佳,属于最接近真实数据的试验处理数据;而实际使用时遇到的情况多种多样,例如:对第一组检查集决策判断完成后需要判断还有没有检查集未进行检查集决策判断,保证所有检查集都进行检查集决策判断;通过指定的降噪算法得到的试验处理数据在经过检查集决策判断后一部分满足要求另一部分不满足要求的时候判断是否开始找出最优值,保证能够在第一次得到的试验处理数据中得到最优试验处理数据,保证工作质量的同时节约时间来提高效率;通过指定的降噪算法得到的试验处理数据在经过检查集决策判断后全部不满足要求时判断是否重新选择降噪算法来得到新的试验处理数据再进行后续操作,尽可能保证最终能够得到最优试验处理数据;最终将得到的满足要求的全部检查集进行入库收集后从中得出一个最优检查集。
匹配模块,用于接收最优检查集,用于匹配并输出与最优检查集对应的试验处理数据,得到最优试验处理数据;
在使用时,通过最优检查集来匹配出对应的试验处理数据,从而得到最优试验处理数据,完成对原始试验数据处理得到最优试验处理数据的任务,操作简单,结果准确,在提高工作效率的同时提高工作质量。
实施例6
参考图9,与实施例5不同的是,具体的决策判断模块包括:
检查集决策判断子模块,用于判断检查集中的检查值是否满足决策配表中的决策值并得到检查集决策判断的结果,当判断检查集是否满足决策配表的结果为是时,得到满足要求的检查集,用于将满足要求的检查集进行输出;
在使用时,例如,需要对代号分别为A1、A2和A3的试验处理数据所对应的检查集进行检查集决策判断,则首先可以对代号为A1的试验处理数据进行检查集决策判断,此时先对A1a与x进行对比判断,若A1a满足x的取值范围即A1a<0.5,则代表代号为A1a的检查值满足要求,随后对A1b与y进行检查集决策判断,若A1b≤0.8则表示代号为A1b的检查值不满足要求,当检查集中至少有一个检查值不满足决策值时则判断该检查集不满足决策配表,此时得到判断的结果为:与A1对应的检查集不满足要求;若A1b>0.8则表示代号为A1b的检查值满足要求,此时得到A1对应的检查集是否满足决策配表的结果为是,即与A1对应的检查集为满足要求的检查集,同时将满足要求的检查集进行输出。
满足要求检查集收集子模块,用于接收并收集满足要求的检查集;
在使用时,每一次对检查集进行检查集决策判断后,对于满足要求的检查集全部写入数据库进行收集,得到一个全部为满足要求检查集的数据库,方便后续的操作。
第一决策完成判断子模块,用于当检查集决策判断的结果为否时,开始判断检查集是否均已完成检查集决策判断并得到是否决策完成的判断结果,若判断检查集是否均已完成检查集决策判断的结果为否时,则对下一组检查集进行检查集决策判断;
在使用时,如果A1b≤0.8,即与A1对应的检查集是否满足要求的判断的结果为否,则此时开始判断检查集是否均完成检查集决策判断;通过上述举例可知,由于还有与A2和A3对应的检查集未进行检查集决策判断,则此时关于判断所有检查集是否均完成检查集决策判断的结果为否,这样就可以对与A2对应的检查集进行检查集决策判断。
检查集满足要求判断子模块,用于当第一决策完成判断模块的判断的结果为是时,对是否得到满足要求的检查集进行判断并得到判断结果;
在使用时,如果完成对与A2对应的检查集完成检查集决策判断后,在判断与A3对应的检查集得到不满足要求的结果时,发现所有的检查集均已经完成检查集决策判断,则得到决策完成判断的结果为是,即完成所有检查集的检查集决策判断并且最后一个检查集不满足要求,此时来判断在对前面所有的检查集进行检查集决策判断时是否有一个满足要求的检查集,有一个或者多个满足要求的检查集时此时判断的结果为是,没有一个满足要求的检查集时判断的结果为否。
数据处理循环判断子模块,用于当对是否得到满足要求的检查集进行判断的结果为否时,则对所有处理算法是否均使用过进行判断并得到判断结果,若对所有处理算法是否均使用过进行判断的结果为是,则结束;若对所有处理算法是否均使用过进行判断的结果为否,则由处理算法指定指令重新指定处理算法获取新的试验处理数据,然后回到步骤S2;
在使用时,如果判断得知与A1、A2和A3对应的检查集均不满足要求时,即对是否得到满足要求的检查集进行判断的结果为否,然后判断是不是所有的降噪处理算法已经都被使用过了,即判断所有处理算法是否均使用过,如果此时的判断的结果为是,也就是所有的降噪处理算法都已经使用过了,则就没有可以重新选用的降噪算法了,代表原始试验数据噪音过大没有参考价值,需要通过试验重新获取,此时选取最优试验处理数据的任务结束;如果在开始的时候选择了所有降噪算法中的一部分,对所有处理算法是否均使用过进行判断的结果为否,则此时可以继续重新选择指定的降噪算法得到新的试验处理数据,然后重新进行对最优试验处理数据的选取任务,减少实际试验的次数,降低成本和时间消耗。
第二决策完成判断子模块,用于当检查集决策判断的结果为是时,开始判断检查集是否均已完成检查集决策判断并得到是否决策完成的判断结果,若判断检查集是否均完成检查集决策判断的结果为否时,对下一组检查集进行检查集决策判断;
在使用时,通常会有较多检查集满足要求,即检查集决策判断的结果为是,此时同样需要对检查集是否均完成决策进行一次判断,例如A2对应的检查集满足要求,则此时同样需要判断检查集是否均完成检查集决策判断,如果得到的结果为否,也就是检查集没有全部完成检查集决策判断,此时对与A3对应的检查集进行检查集决策判断。
最优检查集输出子模块,用于接收满足要求的检查集,用于当第二决策完成判断模块的判断结果为是或者当检查集决策判断的结果为是并且对是否得到满足要求的检查集进行判断的结果为是时,从所有满足要求的检查集中选取最优检查集并输出;
在使用时,如果最后一个检查集满足要求,即对与A3对应的检查集进行检查集决策判断后发现满足要求,随后判断发现所有的检查集均已经完成决策评判,表明至少有一个满足要求的检查集,则此时从满足要求的所有检查集中选择出最优检查集并输出,方便后续匹配最优试验处理数据;如果与A3对应的检查集进行检查集决策判断后发现不满足要求,随后判断发现所有的检查集均已经完成决策评判,则表明可能存在没有一个满足要求的检查集的情况,所以要进行一次判断。如果此时对是否得到满足要求的检查集进行判断的结果为是,即有满足要求的检查集,则停止判断所有降噪算法是否均已使用,直接从满足要求的所有检查集中选择出最优检查集并输出。

Claims (10)

1.一种试飞数据智能处理方法,其特征在于,包括以下步骤:
S1、接收处理算法指定指令及原始试验数据,对所述原始试验数据进行降噪处理得到试验处理数据;
S2、接收检查方法指定指令及所述试验处理数据,将所述原始试验数据与所述试验处理数据通过检查方法得到检查集;
S3、接收检查集,将所述检查集通过决策配表进行检查集决策判断后得到最优检查集;
S4、输出与所述最优检查集对应的试验处理数据。
2.根据权利要求1所述的一种试飞数据智能处理方法,其特征在于,所述步骤S1包括以下步骤:
S11、接收处理算法指定指令,根据处理算法指定指令在算法集中选择一个或者多个处理算法;
S12、接收原始试验数据,根据选择的一个或者多个处理算法对所述原始试验数据进行降噪处理后得到对应的试验处理数据。
3.根据权利要求2所述的一种试飞数据智能处理方法,其特征在于,所述步骤S2包括以下步骤:
S21、接收检查方法指定指令,根据所述检查方法指定指令从预设的检查方法集中选择一个或者多个对应的检查方法;
S22、接收原始试验数据和步骤S12中所述的试验处理数据,根据步骤S21选择的检查方法对所述原始试验数据和所述试验处理数据进行检查计算得到检查集,所述检查集与所述试验处理数据一一对应,所述检查集包括检查计算得到的检查值。
4.根据权利要求3所述的一种试飞数据智能处理方法,其特征在于,所述步骤S3包括以下步骤:
S31、导入预设的决策配表并上传,所述决策配表包括决策值,所述决策值与步骤S22所述的检查值相对应;
S32、接收步骤S22所述的检查集并上传;
S33、判断所述检查集是否满足决策配表并得到判断结果,判断所有检查集是否均完成检查集决策判断并得到判断结果,判断是否得到满足要求的检查集并得到判断结果,判断原始试验数据是否使用所有处理算法并得到判断结果,收集满足要求的检查集,从满足要求的检查集中得到最优检查集。
5.根据权利要求4所述的一种试飞数据智能处理方法,其特征在于,所述步骤S33包括以下步骤:
S331、判断检查集中的检查值是否满足决策配表中的决策值并得到检查集决策判断的结果,当判断检查集是否满足决策配表的结果为是时,得到满足要求的检查集,将满足要求的检查集进行输出;
S332、接收并收集满足要求的检查集;
S333、当检查集决策判断的结果为否时,开始判断检查集是否均已完成检查集决策判断并得到是否决策完成的判断结果,若判断检查集是否均已完成检查集决策判断的结果为否时,则对下一组检查集进行检查集决策判断;
S334、当检查集决策判断的结果为否,并且决策完成判断的结果为是时,对是否得到满足要求的检查集进行判断并得到判断结果;
S335、当对是否得到满足要求的检查集进行判断的结果为否时,则对所有处理算法是否均使用过进行判断并得到判断结果,若对所有处理算法是否均使用过进行判断的结果为是,则结束;若对所有处理算法是否均使用过进行判断的结果为否,则由处理算法指定指令重新指定处理算法获取新的试验处理数据,然后回到步骤S2;
S336、当检查集决策判断的结果为是时,开始判断检查集是否均已完成检查集决策判断并得到是否决策完成的判断结果,若判断检查集是否均完成检查集决策判断的结果为否时,对下一组检查集进行检查集决策判断;
S337、接收满足要求的检查集,当检查集决策判断的结果为是并且检查集是否均已完成检查集决策判断的结果为是或者当检查集决策判断的结果为是并且对是否得到满足要求的检查集进行判断的结果为是时,从所有满足要求的检查集中选取最优检查集并输出。
6.一种试飞数据智能处理系统,其特征在于,包括:
数据处理单元,用于接收处理算法指定指令及原始试验数据,并对原始试验数据进行处理生成试验处理数据;
数据检查单元,用于接收检查方法指定指令及所述试验处理数据,并将所述原始试验数据与所述试验处理数据通过检查方法得到检查集;
数据决策单元,用于接收检查集,并将检查集进行检查集决策判断得到最优检查集,输出与最优检查集对应的试验处理数据。
7.根据权利要求6所述的试飞数据智能处理系统,其特征在于,所述数据处理单元包括:
算法指定模块,用于接收处理算法指定指令,并根据处理算法指定指令在算法集中选择一个或者多个处理算法;
算法处理模块,用于接收原始试验数据,并通过算法指定模块选择一个或者多个处理算法对原始试验数据进行降噪处理后得到对应的试验处理数据。
8.根据权利要求7所述的试飞数据智能处理系统,其特征在于,所述数据检查单元包括:
检查指定模块,用于接收检查方法指定指令,同时根据检查方法指定指令从预设的检查方法集中选择一个或者多个对应的检查方法;
检查处理模块,用于接收原始试验数据和试验处理数据,通过检查指定模块选择一个或者多个检查方法对原始试验数据和试验处理数据进行检查计算得到与每条试验处理数据对应的检查集,所述检查集中包括检查计算得到的检查值。
9.根据权利要求8所述的试飞数据智能处理系统,其特征在于,所述数据决策单元包括:
决策配表输入模块,用于导入带有决策值的决策配表并上传,所述决策值与检查值相对应;
检查集输入模块,用于接收检查集并上传;
决策判断模块,用于判断检查集是否满足决策配表并得到判断结果,用于判断所有检查集是否均完成检查集决策判断并得到判断结果,用于判断是否得到满足要求的检查集并得到判断结果,用于判断原始试验数据是否使用所有处理算法并得到判断结果,用于收集满足要求的检查集,用于从满足要求的检查集中得到最优检查集;
匹配模块,用于接收最优检查集,匹配并输出与最优检查集对应的试验处理数据,得到最优试验处理数据。
10.根据权利要求9所述的试飞数据智能处理系统,其特征在于,所述决策判断模块包括:
检查集决策判断子模块,用于判断检查集中的检查值是否满足决策配表中的决策值并得到检查集决策判断的结果,当判断检查集是否满足决策配表的结果为是时,得到满足要求的检查集,用于将满足要求的检查集进行输出;
满足要求检查集收集子模块,用于接收并收集满足要求的检查集;
第一决策完成判断子模块,用于当检查集决策判断的结果为否时,开始判断检查集是否均已完成检查集决策判断并得到是否决策完成的判断结果,若判断检查集是否均已完成检查集决策判断的结果为否时,则对下一组检查集进行检查集决策判断;
检查集满足要求判断子模块,用于当第一决策完成判断模块的判断的结果为是时,对是否得到满足要求的检查集进行判断并得到判断结果;
数据处理循环判断子模块,用于当对是否得到满足要求的检查集进行判断的结果为否时,则对所有处理算法是否均使用过进行判断并得到判断结果,若对所有处理算法是否均使用过进行判断的结果为是,则结束;若对所有处理算法是否均使用过进行判断的结果为否,则由处理算法指定指令重新指定处理算法获取新的试验处理数据,然后回到步骤S2;
第二决策完成判断子模块,用于当检查集决策判断的结果为是时,开始判断检查集是否均已完成检查集决策判断并得到是否决策完成的判断结果,若判断检查集是否均完成检查集决策判断的结果为否时,对下一组检查集进行检查集决策判断;
最优检查集输出子模块,用于接收满足要求的检查集,用于当第二决策完成判断模块的判断的结果为是或者当检查集决策判断的结果为是并且对是否得到满足要求的检查集进行判断的结果为是时,从所有满足要求的检查集中选取最优检查集并输出。
CN202210070877.2A 2022-01-21 2022-01-21 一种试飞数据智能处理系统及其方法 Active CN114091629B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210070877.2A CN114091629B (zh) 2022-01-21 2022-01-21 一种试飞数据智能处理系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210070877.2A CN114091629B (zh) 2022-01-21 2022-01-21 一种试飞数据智能处理系统及其方法

Publications (2)

Publication Number Publication Date
CN114091629A true CN114091629A (zh) 2022-02-25
CN114091629B CN114091629B (zh) 2022-07-15

Family

ID=80309058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210070877.2A Active CN114091629B (zh) 2022-01-21 2022-01-21 一种试飞数据智能处理系统及其方法

Country Status (1)

Country Link
CN (1) CN114091629B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103217292A (zh) * 2013-03-29 2013-07-24 国家电网公司 发电机组热经济指标的实时监测方法和监测系统
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
CN106444379A (zh) * 2016-10-10 2017-02-22 重庆科技学院 基于物联网推荐的智能烘干远程控制方法及系统
CN107577238A (zh) * 2017-08-25 2018-01-12 深圳禾苗通信科技有限公司 基于ukf的无人机气压计异常数据处理的高度控制方法
CN108470225A (zh) * 2018-03-21 2018-08-31 广东省交通规划设计研究院股份有限公司 路基的沉降信息预测方法和预测系统
CN109978253A (zh) * 2019-03-22 2019-07-05 电子科技大学 一种基于增量学习的短期负荷预测方法
CN110008248A (zh) * 2014-02-21 2019-07-12 阿里巴巴集团控股有限公司 一种数据处理方法和装置
CN111178530A (zh) * 2019-12-09 2020-05-19 武汉光庭信息技术股份有限公司 一种基于数据标注的质检方法和装置
CN111222549A (zh) * 2019-12-30 2020-06-02 航天时代飞鸿技术有限公司 一种基于深度神经网络的无人机故障预测方法
CN111476206A (zh) * 2020-05-08 2020-07-31 楚天科技股份有限公司 一种通用型模拟量处理方法及处理系统
CN112270124A (zh) * 2020-10-23 2021-01-26 河海大学 一种实时灌溉方法及系统
CN112396312A (zh) * 2020-11-16 2021-02-23 中交第二航务工程局有限公司 一种沉井下沉施工自动决策方法及系统
CN113344523A (zh) * 2021-05-27 2021-09-03 中国工商银行股份有限公司 数据处理方法方法及装置、电子设备和计算机可读存储介质
CN113421583A (zh) * 2021-08-23 2021-09-21 深圳市中科蓝讯科技股份有限公司 降噪方法、存储介质、芯片及电子设备
CN113514109A (zh) * 2021-08-18 2021-10-19 广东新创华科环保股份有限公司 一种无人机飞行故障检测方法和系统
CN113591286A (zh) * 2021-09-09 2021-11-02 西北工业大学 一种试飞科目有效性确认系统及方法
CN113609155A (zh) * 2021-08-09 2021-11-05 中国商用飞机有限责任公司 试飞数据分析的试验点快速筛选方法、系统及装置

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103217292A (zh) * 2013-03-29 2013-07-24 国家电网公司 发电机组热经济指标的实时监测方法和监测系统
CN110008248A (zh) * 2014-02-21 2019-07-12 阿里巴巴集团控股有限公司 一种数据处理方法和装置
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
CN106444379A (zh) * 2016-10-10 2017-02-22 重庆科技学院 基于物联网推荐的智能烘干远程控制方法及系统
CN107577238A (zh) * 2017-08-25 2018-01-12 深圳禾苗通信科技有限公司 基于ukf的无人机气压计异常数据处理的高度控制方法
CN108470225A (zh) * 2018-03-21 2018-08-31 广东省交通规划设计研究院股份有限公司 路基的沉降信息预测方法和预测系统
CN109978253A (zh) * 2019-03-22 2019-07-05 电子科技大学 一种基于增量学习的短期负荷预测方法
CN111178530A (zh) * 2019-12-09 2020-05-19 武汉光庭信息技术股份有限公司 一种基于数据标注的质检方法和装置
CN111222549A (zh) * 2019-12-30 2020-06-02 航天时代飞鸿技术有限公司 一种基于深度神经网络的无人机故障预测方法
CN111476206A (zh) * 2020-05-08 2020-07-31 楚天科技股份有限公司 一种通用型模拟量处理方法及处理系统
CN112270124A (zh) * 2020-10-23 2021-01-26 河海大学 一种实时灌溉方法及系统
CN112396312A (zh) * 2020-11-16 2021-02-23 中交第二航务工程局有限公司 一种沉井下沉施工自动决策方法及系统
CN113344523A (zh) * 2021-05-27 2021-09-03 中国工商银行股份有限公司 数据处理方法方法及装置、电子设备和计算机可读存储介质
CN113609155A (zh) * 2021-08-09 2021-11-05 中国商用飞机有限责任公司 试飞数据分析的试验点快速筛选方法、系统及装置
CN113514109A (zh) * 2021-08-18 2021-10-19 广东新创华科环保股份有限公司 一种无人机飞行故障检测方法和系统
CN113421583A (zh) * 2021-08-23 2021-09-21 深圳市中科蓝讯科技股份有限公司 降噪方法、存储介质、芯片及电子设备
CN113591286A (zh) * 2021-09-09 2021-11-02 西北工业大学 一种试飞科目有效性确认系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
QINGSHAN XU等: "Preprocessing of Massive Flight Data Based on Noise and Dimension Reduction", 《2020 IEEE 6TH INTERNATIONAL CONFERENCE ON COMPUTER AND COMMUNICATIONS (ICCC)》 *
李伟: "基于小波理论的电传飞机飞控系统试飞数据预处理", 《学术论文》 *

Also Published As

Publication number Publication date
CN114091629B (zh) 2022-07-15

Similar Documents

Publication Publication Date Title
US10606862B2 (en) Method and apparatus for data processing in data modeling
CN115063409B (zh) 一种机械刀具表面材质检测方法及系统
CN109781733A (zh) 缺陷检查装置、缺陷检查方法及计算机可读存储介质
CN111563893B (zh) 基于航拍图像的均压环缺陷检测方法、装置、介质和设备
JP6833027B2 (ja) 検査関連アルゴリズムのセットアップに用いられる訓練集合の最適化
US9228958B2 (en) Protocol-based inspection system
CN105630743A (zh) 一种光谱波数的选择方法
CN109299501B (zh) 一种基于工作流的振动光谱分析模型优化方法
CN108510001B (zh) 一种风力发电机叶片缺陷分类方法及其分类系统
CN110308151A (zh) 一种基于机器视觉的金属工件表面缺陷识别方法及装置
CN109815855B (zh) 一种基于机器学习的电子设备自动测试方法及系统
CN111062960A (zh) 基于散乱点云的飞机蒙皮对缝特征线提取方法
CN110610226A (zh) 一种发电机故障预测方法及装置
CN114091629B (zh) 一种试飞数据智能处理系统及其方法
CN114898118A (zh) 基于多源点云的输电线路房屋拆迁量自动统计方法及系统
CN113189513B (zh) 一种基于纹波的冗余电源均流状态识别方法
CN109102486B (zh) 基于机器学习的表面缺陷检测方法及装置
CN110633739A (zh) 基于并行模块深度学习的偏光片缺陷图像实时分类方法
CN109948412B (zh) 基于深度卷积神经网络的违禁物品标识方法
CN114880305B (zh) 一种基于数据中台的ai算法建模的方法及系统
CN115130374A (zh) 一种工业精加工过程加工质量优化方法与系统
CN111510109A (zh) 一种信号滤波的方法、装置、设备和介质
CN116127695A (zh) 一种基于综合性能评价的生产线构建方法及系统
CN115661022A (zh) 一种织物瑕疵检测模型建立方法和织物瑕疵检测方法
CN110836878B (zh) 一种卷积插值耦合高斯混合模型快速三维荧光寻峰方法

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