CN114595516B - 一种基于零部件模型的多电飞机核心部件重量估计方法 - Google Patents
一种基于零部件模型的多电飞机核心部件重量估计方法 Download PDFInfo
- Publication number
- CN114595516B CN114595516B CN202210215252.0A CN202210215252A CN114595516B CN 114595516 B CN114595516 B CN 114595516B CN 202210215252 A CN202210215252 A CN 202210215252A CN 114595516 B CN114595516 B CN 114595516B
- Authority
- CN
- China
- Prior art keywords
- weight
- component
- independent variable
- core
- core component
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000008358 core component Substances 0.000 title claims abstract description 30
- 239000000306 component Substances 0.000 title claims description 28
- 230000001419 dependent effect Effects 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000010586 diagram Methods 0.000 claims abstract description 4
- 238000000611 regression analysis Methods 0.000 claims description 17
- 239000003990 capacitor Substances 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 7
- 239000006247 magnetic powder Substances 0.000 claims description 6
- 229910000519 Ferrosilicon Inorganic materials 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 16
- 238000012417 linear regression Methods 0.000 abstract description 5
- 238000012938 design process Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 9
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 4
- 229910052782 aluminium Inorganic materials 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 2
- XWHPIFXRKKHEKR-UHFFFAOYSA-N iron silicon Chemical compound [Si].[Fe] XWHPIFXRKKHEKR-UHFFFAOYSA-N 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 229910000859 α-Fe Inorganic materials 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于零部件模型的多电飞机核心部件重量估计方法，用于解决飞机总体设计过程中核心部件的重量无法进行估算的问题。首先设计典型核心部件的拓扑图，分解出对于重量影响较大的零部件。根据已知的零部件重量及参数，选取出可能对重量有较大影响的参数组合作为自变量、零部件的重量作为因变量，使用Matlab进行多元线性回归分析，得到核心参数与重量的关系式，计算出较为可靠的零部件质量估算结果。本发明为飞机制造商提供了一种核心部件重量估算的方法，算法简单，具有较强的实用性，能够为之后的机型设计提供理论帮助。
Description
技术领域
本发明属于飞机设计领域，具体涉及一种基于零部件模型的多电飞机核心部件的重量估计方法。
背景技术
飞机的重量特性是其设计阶段必不可少的一项评估内容，在一种型号飞机的概念论证、方案设计、试制和试飞等各个阶段都具有十分重要的作用。飞机重量显著影响飞机的起落性能、运载能力、飞行性能等诸多因素，由此可见重量估算对于飞机总体设计的重要意义，估算准确度将对飞机的整个设计过程产生影响，关系到飞机的飞行性能、经济性、安全性等。
文献“王琦.两座飞机概念阶段重量估算方法[J].山东工业技术,2017(08):211.”利用经验公式法，总结分析了各分类部件重量估计方法。经验公式法对数据需求少，计算量不大，因此该方法具有复杂程度低，计算效率高的特点，但只适合于飞机的概念设计阶段。
文献“刘福佳,顾超.轻型复合材料电动飞机重量及重心估算研究[J].科技创新与应用,2016(05):17-18.”结合某型双座电动复合材料飞机重量和重心数据，给出了轻型复合材料电动飞机的重量估算方法。但该方法只适用于轻型复合材料电动飞机，具有很大的局限性。
此外，适用于飞机重量估计的还有方案三视图估算法，该方法将飞机分为机体结构、固定设备重量和动力装置等多个部分来分别估计，较为常用但相对粗略，以及经验数据估算法，该方法估算速度快，但该种方法在具体的应用中往往存在不够精准的问题。
发明内容
本发明提出了一种基于零部件模型的多电飞机核心部件重量估计方法，主要解决了现有方法的局限性和不够精准的问题。具体地，本发明的目的在于改善以下几个方面：
1.现有的重量估计方法不具有普适性。
2.常用的重量估计方法不够精准，对模型构建的要求很高。
3.现有的重量估计方法难以快速地响应方案的变动情况，实用性不佳。
4.研究者往往重视飞机的性能改善，而忽视了机身重量对于飞机设计过程的重要性。
本发明针对以上几种方法的不足，提出了一种基于零部件模型的多电飞机核心部件重量估计方法，主要解决了现有方法的局限性、复杂性和估算结果不够精准的问题。该重量估计方法采用回归分析的数学思想，建立飞机零部件重量和设计参数的线性和非线性回归模型，得到以主要元器件设计参数为自变量、核心部件重量为因变量，且符合理论实际的重量估计模型，结果具有较强的可信度，能够为之后的机型设计提供理论帮助。
一种基于零部件模型的多电飞机核心部件重量估计方法，步骤如下：
S1合理选择核心部件的拓扑结构，并形成相应的结构原理图模型，其中，核心部件为断路器。
S2分析对整个核心部件拓扑重量影响较大的零部件，根据理论分析进行对应功率、电压等级环境下的参数运算，其中，对整个核心部件拓扑重量影响较大的零部件为电容、电感、整流管、晶闸管以及散热器。
S3如果零部件在目标参数条件下的重量可以通过测量获得，直接获取相应重量；如果零部件在目标参数条件下的重量无法通过测量获得，执行S4。
S4通过使用回归分析的方法，利用已知零部件的参数重量去估计未知参数的零部件重量，假设有x1，x2，...，xk，共k个自变量因素，可考虑如下的线性关系式：
y＝β0+β1x1+β2x2+…+βkxk+ε
其中，因变量y为零部件的估算重量，x1，x2，...，xk为零部件的相应参数，β0为常数项，β1，β2，...，βk为自变量相应系数，ε为误差项。
S5最终在零部件重量估计的基础上进行核心部件的重量估算：
Y＝ζ1y1+ζ2y2+…+ζkyk+ε
其中，因变量Y为核心部件的估算重量，自变量y1，y2，...，yk为对核心部件的重量有影响零部件重量，ζ1，ζ2，...，ζk为修正系数，ε为误差项。
其中，k取值为5；自变量x1为电流，自变量x2为容量，自变量x3为硅铁磁粉芯个数，自变量x4为QZY线材股数，自变量x5为线圈匝数，因变量y为散热器质量。
本发明的优点在于：
所述重量估算方法，通过设计典型核心部件的拓扑图，分解出对于核心部件重量影响较大的零部件。根据已知的零部件重量及参数，选取出可能对重量有较大影响的参数组合作为自变量，选取零部件的重量作为因变量，并使用Matlab进行多元线性回归分析，得到零部件核心参数与重量的关系式，估算出较为可靠的零部件质量结果，进而对核心部件的重量进行估算，该方法具有算法简单的特性。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为部件重量估计建模流程图。
图2为重量估计设计思路。
图3为串联型Z源直流固态断路器。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
下面结合附图对本发明作进一步的说明。
根据图1所示的重量估算模型建模流程图，本研究从零部件功率、输出电压电流等设计参数出发，通过对每个参数和断路器重量关系的统计分析，得到与重量相关的设计参数以及重量随不同设计参数变化的规律。运用回归分析方法，建立部件重量和设计参数的线性和非线性回归模型，得到以主要元器件设计参数为自变量、核心部件的重量为因变量，且符合理论实际的重量估计模型。
回归分析(Regression Analysis)是统计学上一种常用的分析数据的方法，目的在于了解两个或多个变量之间是否存在相关性，并通过数学模型的建立可以由给出的自变量估计因变量的条件期望。其中，只有一个自变量的情况称为一元回归，大于一个自变量的情况称为多元回归。
线性回归模型通常用最小二乘逼近来拟合，一般来说，线性回归都可以通过最小二乘法求出其方程，通常情况下影响因变量y的因素往往不止一个，假设有x1，x2，...，xk，共k个自变量因素，可考虑如下的线性关系式：
y＝β0+β1x1+β2x2+…+βkxk+ε (1)
其中，因变量y为零部件的估算重量，x1，x2，...，xk为k个自变量，β0为常数项，β1，β2，...，βk为自变量相应系数，ε为误差项。
如果回归模型的因变量是自变量的一次以上函数形式，回归规律在图形上表现为形态各异的各种曲线，称为非线性回归，这类模型称为非线性回归模型。在许多的实际工程问题中，回归函数往往是较复杂的非线性函数，具体函数应根据不同情况进行设定。
在零部件重量估计的基础上添加修正系数，进行核心部件的重量估算：
Y＝ζ1y1+ζ2y2+…+ζkyk+ε
其中，因变量Y为核心部件的估算重量，自变量y1，y2，...，yk为对核心部件的重量有较大影响零部件重量，ζ1，ζ2，...，ζk为修正系数，ε为误差项。
根据图2所示的重量回归分析的设计思路，为了得到较为准确的核心部件重量估算函数，具体实施步骤如下：
步骤一：合理选择核心部件的拓扑结构，并画出相应的结构原理图，其中，核心部件为断路器。
步骤二：分析对整个核心部件拓扑重量影响较大的零部件，根据理论分析进行对应功率、电压等级环境下的参数运算，其中，对整个核心部件拓扑重量影响较大的零部件为电容、电感、整流管、晶闸管以及散热器。
步骤三：如果零部件在目标参数条件下的重量可以通过测量获得，直接获取相应重量；如果零部件在目标参数条件下的重量无法通过测量获得，执行步骤四。
步骤四：针对不同零部件的重量估算，具体零部件的重量以及相关参数通过查阅参数手册和实验室相关器具测量完成。以引线型铝电解电容为例，由于目标电容通常情况下无法通过调研获得，因此首先需要通过控制变量的方法探究对电容重量有较大影响的核心因素，经研究发现电压、容量、电容直径和长度对重量有较大影响。
因此，k可以取值为5；其中自变量x1为电流，自变量x2为容量，自变量x3为硅铁磁粉芯个数，自变量x4为QZY线材股数，自变量x5为线圈匝数，因变量y为散热器质量。
步骤四：通过使用回归分析的方法，利用已知零部件的参数重量去估计未知参数的零部件重量。将多组零部件的参数与重量对比，选取出可能对该零部件的重量有较大影响的参数组合作为自变量，零部件的重量作为因变量进行回归分析。
步骤五：在零部件重量估计的基础上进行核心部件的重量估算。
此方法通过将核心部件拆解为一系列零部件分别进行重量估算，能够在一定程度上减少误差，进而提高模型的可靠性。
如图3所示为核心部件串联型Z源直流固态断路器的结构图，其基本结构包括一个晶闸管(SCR)、两个缓冲二极管、一对LC回路和电阻回路，由于电阻的重量通常较小，因此选取零部件晶闸管、二极管、电容和电感进行重量估算。在此选择引线型铝电解电容、ZP螺旋式整流管、KP螺栓型可控硅晶闸管、晶闸管和整流管的配套散热器以及铁硅磁粉芯电感进行重量估算。
(1)引线型铝电解电容的重量估算
选取自变量为电压、容量、电容直径、长度，因变量为电容质量，建立多元回归模型，回归分析结果见下表：
表1
表1所示为使用回归分析运算结果，其中Multiple R值为0.99087，证明该数据99％置信水平相关，具有强的相关性，可建立多元回归模型。
表2
| 观测值 | 重量 | 预测重量 | 残差 | 残差绝对值 |
| 1 | 1.363 | 1.816932264 | -0.453932264 | 0.453932264 |
| 2 | 9 | 8.33927077 | 0.66072923 | 0.66072923 |
| 3 | 10.76 | 11.25977958 | -0.499779575 | 0.499779575 |
| 4 | 20.167 | 19.85523021 | 0.31176979 | 0.31176979 |
| 5 | 0.043 | -0.943121352 | 0.986121352 | 0.986121352 |
| 6 | 0.58 | -0.220436959 | 0.800436959 | 0.800436959 |
| 7 | 1.038 | 1.152912021 | -0.114912021 | 0.114912021 |
| 8 | 1.908 | 4.1352132 | -2.2272132 | 2.2272132 |
| 9 | 20.167 | 20.81683401 | -0.649834011 | 0.649834011 |
| 10 | 16 | 16.31474396 | -0.314743957 | 0.314743957 |
| 11 | 14.98 | 14.02125349 | 0.958746506 | 0.958746506 |
| 12 | 15.666 | 13.92064361 | 1.745356387 | 1.745356387 |
| 13 | 11 | 11.09799548 | -0.097995475 | 0.097995475 |
| 14 | 10.4 | 11.44479737 | -1.044797375 | 1.044797375 |
| 15 | 13.8 | 13.85995235 | -0.059952346 | 0.059952346 |
进行检验模型合理性，结果如表2所示。将15组数据代入表达式计算，其中12组数据的重量残差绝对值在1g以内，1组数据的重量残差绝对值在1.5g以内，1组数据的重量残差绝对值在2g以内，1组数据的重量残差绝对值在2.5g以内。实验结果表明引线型铝电解电容的重量与电压、容量、电容直径、长度的一次项具有强相关性，估算重量与实际误差较小。
(2)ZP螺旋式整流管的重量估算
选取自变量为电流，因变量为整流管质量，建立一元回归模型，回归分析结果见下表：
表3
表3所示为使用回归分析运算结果，其中Multiple R值为0.9996，证明该数据99％置信水平相关，具有强的相关性，可建立一元回归模型。
表4
| 观测值 | 重量(KG) | 预测重量(KG) | 残差 | 残差绝对值 |
| 1 | 0.065 | 0.084006324 | -0.01901 | 0.019006 |
| 2 | 0.087 | 0.087801584 | -0.0008 | 0.000802 |
| 3 | 0.11 | 0.098673055 | 0.011327 | 0.011327 |
| 4 | 0.17 | 0.144990615 | 0.025009 | 0.025009 |
| 5 | 0.3 | 0.319649516 | -0.01965 | 0.01965 |
| 6 | 1 | 0.997062441 | 0.002938 | 0.002938 |
| 7 | 1.5 | 1.499816464 | 0.000184 | 0.000184 |
进行检验模型合理性，结果如表4所示，7组数据的重量残差绝对值在30g以内。实验结果表明ZP螺旋式整流管的重量与电流的一、二次项具有强相关性。
(3)KP螺栓型可控硅晶闸管的重量估算
选取自变量为电流，因变量为晶闸管质量，建立一元回归模型，回归分析结果见下表：
表5
| 标准误差 | 0.074419 |
| 观测值 | 7 |
表5所示为使用回归分析运算结果，其中Multiple R值为0.992889，证明该数据99％置信水平相关，具有强的相关性，可建立一元回归模型。
表6
| 观测值 | 重量(KG) | 预测重量(KG) | 残差 | 残差绝对值 |
| 1 | 0.065 | 0.110488601 | -0.0454886 | 0.045488601 |
| 2 | 0.087 | 0.104976944 | -0.01797694 | 0.017976944 |
| 3 | 0.11 | 0.098289988 | 0.011710012 | 0.011710012 |
| 4 | 0.17 | 0.106868026 | 0.063131974 | 0.063131974 |
| 5 | 0.3 | 0.232433071 | 0.067566929 | 0.067566929 |
| 6 | 0.4 | 0.502543408 | -0.10254341 | 0.102543408 |
| 7 | 1.5 | 1.476399962 | 0.023600038 | 0.023600038 |
进行检验模型合理性，结果如表6所示，将7组数据代入表达式计算，其中6组数据的重量残差绝对值在100g以内，1组数据的重量残差绝对值在150g以内。实验结果表明KP螺栓型可控硅晶闸管的重量与电流的一、二次项具有强相关性。
(4)晶闸管和整流管的配套散热器的重量估算
选取自变量为通过电流和散热器体积，因变量为散热器质量，建立二元回归模型，回归分析结果见下表：
表7
表7所示为使用回归分析运算结果，其中Multiple R值为0.997265，证明该数据99％置信水平相关，具有强的相关性，可建立二元回归模型。
表8
进行检验模型合理性，结果如表8所示，将7组数据代入表达式计算，其中6组数据的重量残差绝对值在50g以内，1组数据的重量残差绝对值在100g以内。实验结果表明晶闸管和整流管的配套散热器的重量与电流和体积的一次项具有强相关性，估算重量与实际误差较小。
(5)铁硅磁粉芯电感的重量估算
选取自变量为电流、容量和硅铁磁粉芯个数，QZY线材股数和线圈匝数，因变量为散热器质量，建立二元回归模型。
表9
| 观测值 | 重量(KG) | 预测重量(KG) | 残差 | 残差绝对值 |
| 1 | 2.9 | 2.892603 | 0.007397 | 0.007397 |
| 2 | 3.4 | 3.365874 | 0.034126 | 0.034126 |
| 3 | 4.1 | 4.236724 | -0.13672 | 0.13672 |
| 4 | 4.8 | 4.684421 | 0.115579 | 0.115579 |
| 5 | 4.8 | 4.824272 | -0.02427 | 0.02427 |
| 6 | 4.8 | 4.796107 | 0.003893 | 0.003893 |
将6组数据代入表达式计算，1组误差大于100g，其余重量误差较小。实验结果表明铁硅磁粉芯电感的重量与电流、容量和硅铁磁粉芯个数，QZY线材股数和线圈匝数的一次项具有强相关性。
综上所述，通过对上述五种零部件的重量估算，误差均较小，实验结果证明了该套算法的准确性与实用性。尽管本发明的基本结构、原理、方法通过以上实例予以具体阐述，但不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (2)
1.一种基于零部件模型的多电飞机核心部件重量估计方法，其特征在于：
S1合理选择核心部件的拓扑结构，并形成相应的结构原理图模型，其中，核心部件为断路器；
S2分析对整个核心部件拓扑重量影响较大的零部件，根据理论分析进行对应功率、电压等级环境下的参数运算，其中，对整个核心部件拓扑重量影响较大的零部件为电容、电感、整流管、晶闸管以及散热器；
S3如果零部件在目标参数条件下的重量可以通过测量获得，直接获取相应重量；如果零部件在目标参数条件下的重量无法通过测量获得，执行S4；
S4通过使用回归分析的方法，利用已知零部件的参数重量去估计未知参数的零部件重量，假设有x1，x2，...，xk，共k个自变量因素，可考虑如下的线性关系式：
y＝β0+β1x1+β2x2+…+βkxk+ε
其中，因变量y为零部件的估算重量，x1，x2，...，xk为零部件的相应参数，β0为常数项，β1，β2，...，βk为自变量相应系数，ε为误差项；
S5最终在零部件重量估计的基础上进行核心部件的重量估算：
Y＝ζ1y1+ζ2y2+…+ζkyk+ε
其中，因变量Y为核心部件的估算重量，自变量y1，y2，...，yk为对核心部件的重量有影响零部件重量，ζ1，ζ2，...，ζk为修正系数，ε为误差项。
2.根据权利要求书1所述的基于零部件模型的多电飞机核心部件重量估计方法，其特征在于，k取值为5；
其中，自变量x1为电流，
自变量x2为容量，
自变量x3为硅铁磁粉芯个数，
自变量x4为QZY线材股数，
自变量x5为线圈匝数，
因变量y为散热器质量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210215252.0A CN114595516B (zh) | 2022-03-07 | 2022-03-07 | 一种基于零部件模型的多电飞机核心部件重量估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210215252.0A CN114595516B (zh) | 2022-03-07 | 2022-03-07 | 一种基于零部件模型的多电飞机核心部件重量估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114595516A CN114595516A (zh) | 2022-06-07 |
| CN114595516B true CN114595516B (zh) | 2024-05-03 |
Family
ID=81807688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210215252.0A Active CN114595516B (zh) | 2022-03-07 | 2022-03-07 | 一种基于零部件模型的多电飞机核心部件重量估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114595516B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107169187A (zh) * | 2017-05-09 | 2017-09-15 | 中国海洋石油总公司 | 一种海洋平台重量预估方法 |
| CN109635375A (zh) * | 2018-11-23 | 2019-04-16 | 中国航空工业集团公司沈阳飞机设计研究所 | 基于多元线性回归的飞机成品设备重量估算方法 |
| CN109753684A (zh) * | 2018-11-29 | 2019-05-14 | 国网江苏省电力有限公司盐城供电分公司 | 一种用于变电站能耗基准修正的多元线性回归建模方法 |
| CN109883524A (zh) * | 2019-03-08 | 2019-06-14 | 武汉大学 | 作物器官重量估计模型的建模方法 |
| CN114065386A (zh) * | 2021-11-15 | 2022-02-18 | 中国航发沈阳发动机研究所 | 一种快速预计整机mtbf的多元线性回归方程方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2978585B1 (fr) * | 2011-07-26 | 2013-08-16 | Airbus Operations Sas | Procede et dispositif d'estimation automatique d'un vecteur parametre de vol d'un aeronef, ainsi que methode et ensemble de detection d'une panne affectant un tel vecteur |
-
2022
- 2022-03-07 CN CN202210215252.0A patent/CN114595516B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107169187A (zh) * | 2017-05-09 | 2017-09-15 | 中国海洋石油总公司 | 一种海洋平台重量预估方法 |
| CN109635375A (zh) * | 2018-11-23 | 2019-04-16 | 中国航空工业集团公司沈阳飞机设计研究所 | 基于多元线性回归的飞机成品设备重量估算方法 |
| CN109753684A (zh) * | 2018-11-29 | 2019-05-14 | 国网江苏省电力有限公司盐城供电分公司 | 一种用于变电站能耗基准修正的多元线性回归建模方法 |
| CN109883524A (zh) * | 2019-03-08 | 2019-06-14 | 武汉大学 | 作物器官重量估计模型的建模方法 |
| CN114065386A (zh) * | 2021-11-15 | 2022-02-18 | 中国航发沈阳发动机研究所 | 一种快速预计整机mtbf的多元线性回归方程方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于非线性回归分析的特高压直流线路杆塔质量计算;林清海;杨博;陈鹏;任伟;;电力建设;20130508(第05期);全文 * |
| 飞机重量预测的非线性统计分析方法;王和平;西北工业大学学报;19940530(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114595516A (zh) | 2022-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104750915B (zh) | 一种Buck电路多参数在线辨识方法 | |
| CN109974570B (zh) | 一种差分电感式位移传感器及测量方法 | |
| CN110504676B (zh) | 一种基于apso-bp的配电网状态估计方法 | |
| CN109725213B (zh) | 基于逆向卡尔曼滤波器的Buck变换器故障检测方法 | |
| CN109948185B (zh) | 一种电力系统的解耦仿真方法 | |
| CN115130495A (zh) | 一种滚动轴承故障预测方法及系统 | |
| CN112398170A (zh) | 一种光伏逆变器系统模型的参数辨识方法 | |
| CN114595516B (zh) | 一种基于零部件模型的多电飞机核心部件重量估计方法 | |
| CN111639471B (zh) | 一种基于循环神经网络的电磁干扰滤波器设计方法 | |
| CN105071387A (zh) | 基于复数域标幺化理论的配电网快速分解状态估计方法 | |
| CN109638892B (zh) | 一种基于改进模糊聚类算法的光伏电站等值建模方法 | |
| CN109240085A (zh) | 非高斯系统动态数据校正与系统控制性能优化方法 | |
| Schanen et al. | Sizing of power electronics EMC filters using design by optimization methodology | |
| CN110134004B (zh) | 一种基于电力弹簧电路结构的pi控制参数整定方法 | |
| CN116205113B (zh) | 一种永磁同步直线电机稳健性优化方法及系统 | |
| CN116522773A (zh) | 一种基于数据驱动的wpt系统建模方法 | |
| CN109831114A (zh) | 一种llc类双向有源桥逆变器谐振参数设计方法 | |
| CN117452310A (zh) | 基于权重系数分配TCN-BiGRU模型的CVT误差预测方法 | |
| CN111680846A (zh) | 一种基于l1和l2范数的简化宽度学习系统 | |
| CN117371191A (zh) | 一种变压器顶层油温温升预测方法、系统、设备及介质 | |
| CN108132399B (zh) | 一种提高数字化变电站电能质量分析精度的简化插值方法 | |
| CN110348057B (zh) | 快速获得电力电子dc/dc变换器动态和稳态特性的方法 | |
| Zou et al. | The non-equidistant grey GRM (1, 1) model and its application | |
| Liu et al. | Reliability-oriented design of LC filter in buck DC-DC converter with multi-objective optimization | |
| CN112305343B (zh) | Buck变换器输出电容开关频率点ESR与C监测方法 |
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 |