CN115218986B - 一种飞机油量计算方法、装置、设备及存储介质 - Google Patents
一种飞机油量计算方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115218986B CN115218986B CN202211087224.1A CN202211087224A CN115218986B CN 115218986 B CN115218986 B CN 115218986B CN 202211087224 A CN202211087224 A CN 202211087224A CN 115218986 B CN115218986 B CN 115218986B
- Authority
- CN
- China
- Prior art keywords
- oil
- flight
- oil quantity
- current
- potential signal
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 58
- 239000003921 oil Substances 0.000 claims abstract description 426
- 238000013528 artificial neural network Methods 0.000 claims abstract description 71
- 239000010705 motor oil Substances 0.000 claims abstract description 29
- 230000009194 climbing Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 abstract description 31
- 238000005259 measurement Methods 0.000 abstract description 13
- 239000000446 fuel Substances 0.000 description 69
- 239000000295 fuel oil Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005283 ground state Effects 0.000 description 3
- 239000002828 fuel tank Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F22/00—Methods or apparatus for measuring volume of fluids or fluent solid material, not otherwise provided for
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/80—Arrangements for signal processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Fluid Mechanics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Measuring Volume Flow (AREA)
Abstract
本申请公开了一种飞机油量计算方法、装置、设备及存储介质,涉及油量测量技术领域,包括:根据综合轮载状态及飞行参数判断飞机的飞行状态;若飞行状态为第一飞行阶段则将利用油位传感器测量到的电位信号计算出的油量作为当前显示油量;若飞行状态为第二飞行阶段则将利用发动机耗油率神经网络输出的耗油率计算出的油量作为当前显示油量;若飞行状态为第三飞行阶段则将利用当前电位信号和油量误差神经网络输出的油量误差值计算出的油量作为当前显示油量。本申请通过不同的计算方法对不同飞行状态下的油量进行计算,能够提高油量测量的精度,避免油量不减反增的现象,同时充分利用油位传感器信号,保证在出现漏油现象时能够及时反馈。
Description
技术领域
本申请涉及油量测量技术领域,特别涉及一种飞机油量计算方法、装置、设备及存储介质。
背景技术
当飞机开始起飞时,因机翼升力将机翼上抬,而机翼油箱是软油箱,也跟随上翘变形,机翼油箱的部分燃油就会通过连通管流往机身内油箱,使前油箱和中油箱油面上涨,即油位传感器检测到的油位值增大,从而导致计算油量突增,只有当长时间耗油时,油位传感器检测的油位值才会恢复下降趋势。但是此时测量油量数据仍然不准确,直到飞机着陆后速度下降,机翼上翘变形小,并且机翼油箱恢复至地面状态时,计算油量才能恢复正常,这导致了飞行过程中的油量测量不准的问题。
针对上述问题,目前主流的方法是建立油面测量高度—俯仰角(Pitch angle)—燃油量体积特性数据库,并存储在机载燃油管理计算机中,工作时,燃油管理计算机根据当前油面高度与飞机的姿态信息通过线性插值(Linear Interpolation)算法计算出对应的燃油量;另一种方法是基于神经网络进行油量测量,即在油箱中间区域对体积特性数据运用神经网络进行训练,来拟合燃油量体积与油面高度、姿态角的多元非线性函数关系,依赖于油位传感器测量精度。
然而,对于实际飞机的油箱,油量是飞行姿态信息和油面高度的多元非线性函数,要想找到对应的精确解析式非常困难,因此根据油箱体积特性数据库与插值算法进行油量测量的精度较低;而采用神经网络对油箱体积特性数据库进行训练的方法需要根据油面高度、姿态角来计算油量,而油面高度是通过油位传感器测得的,对于油位传感器的精度要求较高,因此难以解决由于机翼上翘,机翼燃油流往机身油箱,导致的油位传感器测量油量不减反增的现象。
综上,如何解决飞机飞行过程中油量测量不准确是本领域技术人员目前需要解决的问题。
发明内容
有鉴于此,本申请的目的在于提供一种飞机油量计算方法、装置、设备及存储介质,能够显著提高油量测量的精度,有效避免由于机翼上翘,机翼燃油流往机身油箱所导致的油位传感器测量油量不减反增的现象,同时充分利用油位传感器信号,保证在出现漏油现象时能够及时反馈。其具体方案如下:
第一方面,本申请公开了一种飞机油量计算方法,包括:
获取当前目标飞机的综合轮载状态及飞行参数;
根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的飞行状态;
若所述飞行状态为第一飞行阶段,则将利用油位传感器测量到的电位信号计算出的油量作为所述目标飞机的当前显示油量;
若所述飞行状态为第二飞行阶段,则将利用训练后的发动机耗油率神经网络输出的耗油率计算出的油量作为所述目标飞机的当前显示油量;
若所述飞行状态为第三飞行阶段,则将利用当前电位信号和训练后的油量误差神经网络输出的油量误差值计算出的油量作为所述目标飞机的当前显示油量。
可选的,所述飞行参数包括表速、放飞指令发出时间、飞行高度、油门值、马赫数、真空速、当前爬升角、俯仰角、前油箱电位信号、中油箱电位信号、前一计算点对应的油量中的任意一种或几种。
可选的,所述根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的飞行状态,包括:
若所述综合轮载状态为地面、所述表速不超过第一预设速度,并且距所述放飞指令发出时间小于第一预设时间,则判定所述目标飞机当前的飞行状态为第一飞行阶段。
可选的,所述根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的飞行状态,包括:
若所述综合轮载状态为地面,并且所述表速超过所述第一预设速度,或所述综合轮载状态为空中,则判定所述目标飞机当前的飞行状态为第二飞行阶段。
可选的,所述将利用训练后的发动机耗油率神经网络输出的耗油率计算出的油量作为所述目标飞机的当前显示油量,包括:
将所述飞行高度、所述油门值、所述马赫数作为发动机耗油率神经网络的输入,并以发动机转速作为评判标准,输出耗油率;
将所述耗油率与所述发动机耗油率神经网络的计算时间间隔相乘,得到耗油量;
计算所述耗油量与所述前一计算点对应的油量的差值,得到所述目标飞机的当前显示油量。
可选的,所述根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的飞行状态,包括:
若所述综合轮载状态为空中且离地时间大于第二预设时间、所述当前爬升角与零度爬升角的误差的绝对值不超过预设角度且保持时间超过第三预设时间,同时利用所述油位传感器测量到的电位信号计算出的油量保持持续下降趋势超过第四预设时间时,判定所述目标飞机当前的飞行状态为第三飞行阶段。
可选的,所述将利用当前电位信号和训练后的油量误差神经网络输出的油量误差值计算出的油量作为所述目标飞机的当前显示油量,包括:
将所述俯仰角、所述前油箱电位信号、所述中油箱电位信号、所述飞行高度、所述真空速、所述油门值和所述前一计算点对应的油量输入至训练后的油量误差神经网络,输出油量误差值;
将所述油位传感器测量到的所述电位信号减去所述油量误差值得到的值作为所述目标飞机的当前显示油量。
第二方面,本申请公开了一种飞机油量计算装置,包括:
信息获取模块,用于获取当前目标飞机的综合轮载状态及飞行参数;
飞行状态判断模块,用于根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的飞行状态;
第一油量计算模块,用于如果所述飞行状态为第一飞行阶段,则将利用油位传感器测量到的电位信号计算出的油量作为所述目标飞机的当前显示油量;
第二油量计算模块,用于如果所述飞行状态为第二飞行阶段,则将利用训练后的发动机耗油率神经网络输出的耗油率计算出的油量作为所述目标飞机的当前显示油量;
第三油量计算模块,用于如果所述飞行状态为第三飞行阶段,则将利用当前电位信号和训练后的油量误差神经网络输出的油量误差值计算出的油量作为所述目标飞机的当前显示油量。
第三方面,本申请公开了一种电子设备,包括处理器和存储器;其中,所述处理器执行所述存储器中保存的计算机程序时实现前述的飞机油量计算方法。
第四方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述的飞机油量计算方法。
可见,本申请先获取当前目标飞机的综合轮载状态及飞行参数;根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的飞行状态;若所述飞行状态为第一飞行阶段,则将利用油位传感器测量到的电位信号计算出的油量作为所述目标飞机的当前显示油量;若所述飞行状态为第二飞行阶段,则将利用训练后的发动机耗油率神经网络输出的耗油率计算出的油量作为所述目标飞机的当前显示油量;若所述飞行状态为第三飞行阶段,则将利用当前电位信号和训练后的油量误差神经网络输出的油量误差值计算出的油量作为所述目标飞机的当前显示油量。本申请通过对飞机的油量数据进行分析,将飞机的飞行状态划分三个阶段,并采用不同的计算方法对划分后不同阶段飞行状态下的油量进行计算,能够不完全依赖于油位传感器测量到的电位信号,显著提高油量测量的精度,有效避免由于机翼上翘,机翼燃油流往机身油箱所导致的油位传感器测量油量不减反增的现象,同时充分利用油位传感器信号,保证在出现漏油现象时能够及时反馈。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种飞机油量计算方法流程图;
图2为本申请公开的一种具体的飞机油量计算方法流程图;
图3为本申请公开的一种具体的飞机油量计算方法流程图;
图4为本申请公开的一种具体的飞机全飞行过程的划分示意图;
图5为本申请公开的一种具体的飞机全飞行过程中油量变化示意图;
图6为本申请公开的一种飞机油量计算装置结构示意图;
图7为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请实施例公开了一种飞机油量计算方法,参见图1所示,该方法包括:
步骤S11:获取当前目标飞机的综合轮载状态及飞行参数。
可以理解的是,油量与飞行姿态信息和油面高度等信息有着密切的关系,为了对油量进行计算,本实施例中,先对当前待进行油量计算的目标飞机的综合轮载状态及飞行参数进行获取。
具体的,所述飞行参数可以包括表速、放飞指令发出时间、飞行高度、油门值、马赫数、真空速、爬升角(Angle of climb)、俯仰角(Pitch angle)、前油箱电位信号、中油箱电位信号、前一计算点对应的油量中的任意一种或几种。
步骤S12:根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的飞行状态。
本实施例中,获取到当前目标飞机的综合轮载状态及飞行参数之后,可以进一步的根据上述综合轮载状态及上述飞行参数确定出上述目标飞机当前的飞行状态。
在一种具体的实施方式中,所述根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的飞行状态,具体可以包括:若所述综合轮载状态为地面、所述表速不超过第一预设速度,并且距所述放飞指令发出时间小于第一预设时间,则判定所述目标飞机当前的飞行状态为起飞阶段。例如,当综合轮载状态为地面、表速小于或等于0.7倍的目标飞机的起飞速度,并且距离放飞指令发出时间小于600s时,将目标飞机当前的飞行状态判定为第一飞行阶段。
步骤S13:若所述飞行状态为第一飞行阶段,则将利用油位传感器测量到的电位信号计算出的油量作为所述目标飞机的当前显示油量。
本实施例中,如果根据所述综合轮载状态及所述飞行参数确定出上述目标飞机当前的飞行状态为第一飞行阶段,则表明当前目标飞机刚开始起飞滑跑,还处于地面状态,即还未发生机翼软油箱上翘变形,机翼油箱的部分燃油还未通过连通管流往机身内油箱、前油箱和中油箱,也即,机身内油箱、前油箱和中油箱内的油量还未发生油面上涨,因此此时通过油位传感器测量到的油位值计算出的油量值是准确的,所以可以直接将利用油位传感器测量到的电位信号经传感器真值表计算出的油量作为上述目标飞机的当前显示油量。
步骤S14:若所述飞行状态为第二飞行阶段,则将利用训练后的发动机耗油率神经网络输出的耗油率计算出的油量作为所述目标飞机的当前显示油量。
本实施例中,如果根据所述综合轮载状态及所述飞行参数确定出上述目标飞机当前的飞行状态为第二飞行阶段,如爬升、平飞前期、平飞中期、平飞后期以及降落等阶段,则表明当前所述目标飞机已经开始起飞,机翼升力将机翼上抬导致机翼软油箱上翘变形,机翼油箱的部分燃油通过连通管流往机身内油箱、前油箱和中油箱导致油面上涨,即油位传感器测量到的油位值增大,从而导致计算油量突增,因此此时通过油位传感器计算出的油量值是不准确的。本实施例可以将上述飞行参数输入至训练后的发动机耗油率神经网络中,以通过所述发动机耗油率神经网络计算上述目标飞机的耗油率,然后将计算出的所述耗油率与上述发动机耗油率神经网络计算的时间间隔常数△t相乘,其中,△t的选取可以为飞机油量计算时间间隔的预设倍数,如当飞机油量计算时间间隔为0.015s时,将△t选为80倍的飞机油量计算时间间隔,即△t=1.2s,得到当前的耗油量,接着可以将初始油量减去上述耗油量得到当前显示油量,即实时油量。其中,所述发动机耗油率神经网络是利用所述目标飞机的发动机耗油率特性数据库对初始发动机耗油率神经网络训练后得到的。
步骤S15:若所述飞行状态为第三飞行阶段,则将利用当前电位信号和训练后的油量误差神经网络输出的油量误差值计算出的油量作为所述目标飞机的当前显示油量。
可以理解的是,当飞机经过长时间耗油后,油位传感器测量到的油位值会恢复下降趋势,但是测量油量数据仍然不准确,直到飞机着陆后速度下降,机翼上翘变形小时,机翼油箱恢复地面状态时,计算出的油量才能恢复正常。因此,本实施例中,当监测到利用所述油位传感器测量到的当前电位信号计算出的油量值有较大的下降趋势时,则表明所述目标飞机当前的飞行状态处于第三飞行阶段,此时计算的燃油量趋势准确,即下降趋势,则可以将所述油位传感器电信号经传感器真值表计算出的油量减去训练后的油量误差神经网络输出的油量误差值,得到所述目标飞机的当前显示油量。其中,所述油量误差神经网络是使用所述油位传感器测量到的电位信号计算出的油量值与通过上述发动机耗油率神经网络计算出的油量值的差值进行神经网路拟合后得到的网络。
另外,为了进一步的提高所述目标飞机的当前显示油量的准确性,明确第二飞行阶段的飞行状态与第三飞行阶段之间转换的界限,还可以将利用所述发动机耗油率神经网络输出的耗油率计算出的油量与利用当前电位信号和训练后的所述油量误差神经网络输出的油量误差值计算出的油量进行对比分析,例如,当利用当前电位信号和训练后的所述油量误差神经网络输出的油量误差值计算出的油量,在切换后30s内满足其大小在相对应时刻利用所述发动机耗油率神经网络输出的耗油率计算出的油量的±50kg范围内时,作为当前油量显示输出,否则不切换至所述油量误差神经网络,仍然使用所述发动机耗油率神经网络计算油量。
可见,本申请实施例先获取当前目标飞机的综合轮载状态及飞行参数;根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的飞行状态;若所述飞行状态为第一飞行阶段,则将利用油位传感器测量到的电位信号计算出的油量作为所述目标飞机的当前显示油量;若所述飞行状态为第二飞行阶段,则将利用训练后的发动机耗油率神经网络输出的耗油率计算出的油量作为所述目标飞机的当前显示油量;若所述飞行状态为第三飞行阶段,则将利用当前电位信号和训练后的油量误差神经网络输出的油量误差值计算出的油量作为所述目标飞机的当前显示油量。本申请实施例通过对飞机的油量数据进行分析,将飞机的飞行状态划分三个阶段,并采用不同的计算方法对划分后不同阶段飞行状态下的油量进行计算,能够不完全依赖于油位传感器测量到的电位信号,显著提高油量测量的精度,有效避免由于机翼上翘,机翼燃油流往机身油箱所导致的油位传感器测量油量不减反增的现象,同时充分利用油位传感器信号,保证在出现漏油现象时能够及时反馈。
本申请实施例公开了一种具体的飞机油量计算方法,参见图2所示,该方法包括:
步骤S21:获取当前目标飞机的综合轮载状态及飞行参数;其中,所述飞行参数包括表速、放飞指令发出时间、飞行高度、油门值、马赫数、真空速、当前爬升角、俯仰角、前油箱电位信号、中油箱电位信号、前一计算点对应的油量中的任意一种或几种。
步骤S22:若所述综合轮载状态为地面,并且所述表速超过第一预设速度,或所述综合轮载状态为空中,则判定所述目标飞机当前的飞行状态为第二飞行阶段。
本实施例中,获取到当前目标飞机的综合轮载状态及飞行参数之后,如果上述综合轮载状态为地面,并且上述飞行参数中的表速超过第一预设速度,或上述综合轮载状态为空中,即所述目标飞机脱离地面处于空中飞行状态时,则判定上述目标飞机当前飞行状态为爬升以及平飞前期阶段。例如,当目标飞机的综合轮载为地面,并且表速大于0.7倍的起飞速度,或综合轮载为空中时,判定目标飞机当前的飞行状态为第二飞行阶段。
步骤S23:将所述飞行高度、所述油门值、所述马赫数作为发动机耗油率神经网络的输入,并以发动机转速作为评判标准,输出耗油率。
本实施例中,判定所述目标飞机当前的飞行状态为第二飞行阶段之后,进一步的,将上述飞行参数中的所述飞行高度、所述油门值、所述马赫数作为发动机耗油率神经网络的输入,同时以发动机转速作为评判标准,输出相应的耗油率。例如,以飞行高度、油门、马赫数作为发动机耗油率神经网络的输入,同时以发动机转速作为评判标准,当发动机转速、控制律(control law)油门值均为0时,油门值设为-1,从而使耗油率为0,其余状态所述发动机耗油率神经网络输入的油门值为控制律油门值,输出耗油率。
步骤S24:将所述耗油率与所述发动机耗油率神经网络的计算时间间隔相乘,得到耗油量。
本实施例中,将所述飞行高度、所述油门值、所述马赫数作为发动机耗油率神经网络的输入,并以发动机转速作为评判标准输出耗油率之后,将上述耗油率与上述发动机耗油率神经网络的计算时间间隔相乘,得到相应的耗油量。例如,将耗油率与发动机耗油率神经网络的计算时间间隔常数△t相乘,得到当前的耗油量,其中,△t=1.2s。所述耗油量可以用下式表示:
步骤S25:计算所述耗油量与所述前一计算点对应的油量的差值,得到所述目标飞机的当前显示油量。
本实施例中,将所述耗油率与所述发动机耗油率神经网络的计算时间间隔相乘得到耗油量之后,计算上述耗油量与上述前一计算点对应的油量的差值,并将上述差值作为所述目标飞机的当前显示油量。具体的,在目标飞机的飞行过程中,可以将前一时刻油量减去经过所述发动机耗油率神经网络得到的油量,并将计算出的差值作为油量显示输出,用于控制律等环节的输入。具体的计算公式如下:
需要指出的是,上式中的初始值,即第二飞行阶段的初始值,可以按照预设时间间隔对利用油位传感器测量到的电位信号计算出的油量进行采集,得到多个采样油量,然后计算多个所述采样油量的均值,并将上述均值作为的初始值。例如,当发出放飞指令30s后至综合轮载为地面,并且表速位于[0.67,0.73]倍起飞速度的区间时,将利用油位传感器的电位信号计算出的油量每隔1.2s采集1个点,然后对采集到的所有点取平均,得到第二飞行阶段的初始值。
其中,关于上述步骤S21更加具体的处理过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
可见,本申请实施例当目标飞机当前的飞行状态为第二飞行阶段时,仅仅以飞行高度表决值、油门、马赫数作为发动机耗油率神经网络的输入便可以计算出目标飞机的当前显示油量,不依赖于油位传感器测量到的电位信号,因此可以解决由于机翼上翘,机翼燃油流往机身油箱,导致的油位传感器测量油量不减反增的现象。
本申请实施例公开了一种具体的飞机油量计算方法,参见图3所示,该方法包括:
步骤S31:获取当前目标飞机的综合轮载状态及飞行参数;其中,所述飞行参数包括表速、放飞指令发出时间、飞行高度、油门值、马赫数、真空速、当前爬升角、俯仰角、前油箱电位信号、中油箱电位信号、前一计算点对应的油量中的任意一种或几种。
步骤S32:若所述综合轮载状态为空中且离地时间大于第二预设时间、所述当前爬升角与零度爬升角的误差的绝对值不超过预设角度且保持时间超过第三预设时间,同时利用所述油位传感器测量到的电位信号计算出的油量保持持续下降趋势超过第四预设时间时,判定所述目标飞机当前的飞行状态为第三飞行阶段。
本实施例中,获取到当前目标飞机的综合轮载状态及飞行参数之后,如果上述综合轮载状态为空中,并且离地时间大于第二预设时间、所述当前爬升角与零度爬升角的误差的绝对值不超过预设角度且保持时间超过第三预设时间,同时利用上述油位传感器测量到的电位信号计算出的油量保持持续下降趋势超过第四预设时间时,则可以直接判定上述目标飞机当前的飞行状态处于第三飞行阶段。例如,当同时满足下列所有条件时,则判定目标飞机当前的飞行状态为第三飞行阶段,具体包括:目标飞机的综合轮载状态为空中;当目标飞机的当前爬升角与零度爬升角的误差的绝对值≤0.25°,并且保持100s以上的时间;当综合轮载从1转变为0时表示离地,离地时间大于5000s;油位传感器测量到的电位信号经传感器真值表计算出的油量保持持续下降趋势,如以600s为一周期,每个周期均匀采集200个点,并且满足后一周期的平均值小于前一周期的平均值,当连续三个周期都满足此条件时,即可认为此时计算出的油量保持持续下降趋势。其中,所述零度爬升角指的是飞机平飞时的爬升角。
步骤S33:将所述俯仰角、所述前油箱电位信号、所述中油箱电位信号、所述飞行高度、所述真空速、所述油门值和所述前一计算点对应的油量输入至训练后的油量误差神经网络,输出油量误差值。
本实施例中,判定所述目标飞机当前的飞行状态为第三飞行阶段之后,切换至油量误差神经网络计算油量,一直运行至所述目标飞机着陆结束。具体的,将上述飞行参数中的所述俯仰角、所述前油箱电位信号、所述中油箱电位信号、所述飞行高度、所述真空速、所述油门值和所述前一计算点对应的油量输入至训练后的油量误差神经网络中,进而输出油量误差值。其中,所述油量误差神经网络是使用油位传感器测量到的电位信号计算出的燃油量与通过上述发动机耗油率神经网络计算出的油量的差值进行神经网络拟合得到的,在一种具体的实施方式中,所述油量误差值可以表达为:
其中,、、、、、分别表示为所述俯仰角、所述前油箱电位信号、所述中油箱电位信号、所述飞行高度、所述真空速、所述油门值,表示为使用所述油位传感器测量到的电位信号计算出的油量,表示为通过所述发动机耗油率神经网络计算出的油量。
在另一种具体的实施方式中,所述油量误差值可以表达为:
步骤S34:将所述油位传感器测量到的所述电位信号减去所述油量误差值得到的值作为所述目标飞机的当前显示油量。
本实施例中,得到所述油量误差值之后,可以直接将上述油位传感器测量到的所述电位信号减去上述油量误差值得到的值作为上述目标飞机的当前显示油量进行输出。
其中,关于上述步骤S31更加具体的处理过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
可见,本申请实施例当目标飞机当前的飞行状态处于第三飞行阶段时,使用经过油量传感器的电位信号计算出的油量值减去经过油量误差神经网络计算出的油量误差值,得到实时油量,其中,所述油量误差神经网络的输入主要为俯仰角、前油箱电位信号、中油箱电位信号、飞行高度、真空速、油门值,虽然用到了油量传感器的电位信号,但是使用权重较小,对于油位传感器的精度要求较低,仅需要采集第三飞行阶段的油量测量电位下降趋势及相应数值,因此可以在第三飞行阶段通过使用油箱电位信号真实检测出的油量趋势来保证发生漏油等现象时可以及时反映。
在一种具体的实施方式中,参见图4所示,通过对飞机的油量数据进行分析,将飞机的全飞行过程的飞行状态划分为、及三个阶段。接着,采用不同的计算方法分别对上述、及三个阶段的油量进行计算,参见图5所示,其中,a为采用油位传感器测量到的电位信号计算出的油量值,b所示的直线为采用发动机耗油率神经网络输出的耗油率计算出的油量值,c所示的带有波动的曲线为采用当前电位信号和训练后的油量误差神经网络输出的油量误差值计算出的油量值。相对于目前仅通过油位传感器测量到的电位信号计算出的油量作为显示油量,本申请中的方案能够更加符合实际情况,在飞机的整体飞行过程中能够使油量成持续下降趋势,并且计算出的油量值精度高,有效避免了由于机翼上翘,机翼燃油流往机身油箱所导致的油位传感器测量油量不减反增的现象,同时能够充分利用油位传感器信号,保证在出现漏油现象时能够及时反馈。
相应的,本申请实施例还公开了一种飞机油量计算装置,参见图6所示,该装置包括:
信息获取模块11,用于获取当前目标飞机的综合轮载状态及飞行参数;
飞行状态判断模块12,用于根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的第一飞行状态;
第一油量计算模块13,用于如果所述飞行状态为起飞阶段,则将利用油位传感器测量到的电位信号计算出的油量作为所述目标飞机的当前显示油量;
第二油量计算模块14,用于如果所述飞行状态为第二飞行阶段,则将利用训练后的发动机耗油率神经网络输出的耗油率计算出的油量作为所述目标飞机的当前显示油量;
第三油量计算模块15,用于如果所述飞行状态为第三飞行阶段,则将利用当前电位信号和训练后的油量误差神经网络输出的油量误差值计算出的油量作为所述目标飞机的当前显示油量。
其中,关于上述各个模块的具体工作流程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
可见,本申请实施例中,先获取当前目标飞机的综合轮载状态及飞行参数;根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的飞行状态;若所述飞行状态为第一飞行阶段,则将利用油位传感器测量到的电位信号计算出的油量作为所述目标飞机的当前显示油量;若所述飞行状态为第二飞行阶段,则将利用训练后的发动机耗油率神经网络输出的耗油率计算出的油量作为所述目标飞机的当前显示油量;若所述飞行状态为第三飞行阶段,则将利用当前电位信号和训练后的油量误差神经网络输出的油量误差值计算出的油量作为所述目标飞机的当前显示油量。本申请实施例通过对飞机的油量数据进行分析,将飞机的飞行状态划分三个阶段,并采用不同的计算方法对划分后不同阶段飞行状态下的油量进行计算,能够不完全依赖于油位传感器测量到的电位信号,显著提高油量测量的精度,有效避免由于机翼上翘,机翼燃油流往机身油箱所导致的油位传感器测量油量不减反增的现象,同时在第三飞行阶段的油测算法中充分利用油位传感器信号,保证在出现漏油现象时能够及时反馈。
在一些具体实施例中,所述飞行参数包括表速、放飞指令发出时间、飞行高度、油门值、马赫数、真空速、当前爬升角、俯仰角、前油箱电位信号、中油箱电位信号、前一计算点对应的油量中的任意一种或几种。
在一些具体实施例中,所述飞行状态判断模块12,具体可以包括:
第一飞行状态判定单元,用于如果所述综合轮载状态为地面、所述表速不超过第一预设速度,并且距所述放飞指令发出时间小于第一预设时间,则判定所述目标飞机当前的飞行状态为第一飞行阶段。
在一些具体实施例中,所述飞行状态判断模块12,具体可以包括:
第二飞行状态判定单元,用于如果所述综合轮载状态为地面,并且所述表速超过所述第一预设速度,或所述综合轮载状态为空中,则判定所述目标飞机当前的飞行状态为第二飞行阶段。
在一些具体实施例中,所述第二油量计算模块14,具体可以包括:
耗油率计算单元,用于将所述飞行高度、所述油门值、所述马赫数作为发动机耗油率神经网络的输入,并以发动机转速作为评判标准,输出耗油率;
耗油量计算单元,用于将所述耗油率与所述发动机耗油率神经网络的计算时间间隔相乘,得到耗油量;
计算单元,用于计算所述耗油量与所述前一计算点对应的油量的差值,得到所述目标飞机的当前显示油量。
在一些具体实施例中,所述飞行状态判断模块12,具体可以包括:
第三飞行状态判定单元,用于如果所述综合轮载状态为空中且离地时间大于第二预设时间、所述当前爬升角与零度爬升角的误差的绝对值不超过预设角度且保持时间超过第三预设时间,同时利用所述油位传感器测量到的电位信号计算出的油量保持持续下降趋势超过第四预设时间时,判定所述目标飞机当前的飞行状态为第三飞行阶段。
在一些具体实施例中,所述第三油量计算模块15,具体可以包括:
油量误差值计算单元,用于将所述俯仰角、所述前油箱电位信号、所述中油箱电位信号、所述飞行高度、所述真空速、所述油门值和所述前一计算点对应的油量输入至训练后的油量误差神经网络,输出油量误差值;
第二油量计算单元,用于将所述油位传感器测量到的所述电位信号减去所述油量误差值得到的值作为所述目标飞机的当前显示油量。
进一步的,本申请实施例还公开了一种电子设备,图7是根据一示例性实施例示出的电子设备20结构图,图中的内容不能认为是对本申请的使用范围的任何限制。
图7为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20,具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的飞机油量计算方法中的相关步骤。另外,本实施例中的电子设备20具体可以为电子计算机。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口24能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源可以包括操作系统221、计算机程序222等,存储方式可以是短暂存储或者永久存储。
其中,操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222,其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的飞机油量计算方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的,本申请还公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述公开的飞机油量计算方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容,在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的一种飞机油量计算方法、装置、设备及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (4)
1.一种飞机油量计算方法,其特征在于,包括:
获取当前目标飞机的综合轮载状态及飞行参数;所述飞行参数包括表速、放飞指令发出时间、飞行高度、油门值、马赫数、真空速、当前爬升角、俯仰角、前油箱电位信号、中油箱电位信号、前一计算点对应的油量中的任意一种或几种;
根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的飞行状态;
若所述飞行状态为第一飞行阶段,则将利用油位传感器测量到的电位信号计算出的油量作为所述目标飞机的当前显示油量;所述第一飞行阶段为所述综合轮载状态为地面、所述表速不超过第一预设速度,并且距所述放飞指令发出时间小于第一预设时间;
若所述飞行状态为第二飞行阶段,则将所述飞行高度、所述油门值、所述马赫数作为发动机耗油率神经网络的输入,并以发动机转速作为评判标准,输出耗油率,然后将所述耗油率与所述发动机耗油率神经网络的计算时间间隔相乘,得到耗油量,再计算所述耗油量与所述前一计算点对应的油量的差值,得到所述目标飞机的当前显示油量;所述第二飞行阶段为所述综合轮载状态为地面并且所述表速超过所述第一预设速度;
若所述综合轮载状态为空中且离地时间大于第二预设时间、所述当前爬升角与零度爬升角的误差的绝对值不超过预设角度且保持时间超过第三预设时间,同时利用所述油位传感器测量到的电位信号计算出的油量保持持续下降趋势超过第四预设时间时,则判定所述目标飞机当前的飞行状态为第三飞行阶段,并将所述俯仰角、所述前油箱电位信号、所述中油箱电位信号、所述飞行高度、所述真空速、所述油门值和所述前一计算点对应的油量输入至训练后的油量误差神经网络,输出油量误差值,再将所述油位传感器测量到的所述电位信号减去所述油量误差值得到的值作为所述目标飞机的当前显示油量。
2.一种飞机油量计算装置,其特征在于,用于实现如权利要求1所述的飞机油量计算方法,包括:
信息获取模块,用于获取当前目标飞机的综合轮载状态及飞行参数;所述飞行参数包括表速、放飞指令发出时间、飞行高度、油门值、马赫数、真空速、当前爬升角、俯仰角、前油箱电位信号、中油箱电位信号、前一计算点对应的油量中的任意一种或几种;
飞行状态判断模块,用于根据所述综合轮载状态及所述飞行参数判断所述目标飞机当前的飞行状态;
第一油量计算模块,用于如果所述飞行状态为第一飞行阶段,则将利用油位传感器测量到的电位信号计算出的油量作为所述目标飞机的当前显示油量;所述第一飞行阶段为所述综合轮载状态为地面、所述表速不超过第一预设速度,并且距所述放飞指令发出时间小于第一预设时间;
第二油量计算模块,用于如果所述飞行状态为第二飞行阶段,则将所述飞行高度、所述油门值、所述马赫数作为发动机耗油率神经网络的输入,并以发动机转速作为评判标准,输出耗油率,然后将所述耗油率与所述发动机耗油率神经网络的计算时间间隔相乘,得到耗油量,再计算所述耗油量与所述前一计算点对应的油量的差值,得到所述目标飞机的当前显示油量;所述第二飞行阶段为所述综合轮载状态为地面并且所述表速超过所述第一预设速度;
第三油量计算模块,用于如果所述综合轮载状态为空中且离地时间大于第二预设时间、所述当前爬升角与零度爬升角的误差的绝对值不超过预设角度且保持时间超过第三预设时间,同时利用所述油位传感器测量到的电位信号计算出的油量保持持续下降趋势超过第四预设时间时,则判定所述目标飞机当前的飞行状态为第三飞行阶段,并将所述俯仰角、所述前油箱电位信号、所述中油箱电位信号、所述飞行高度、所述真空速、所述油门值和所述前一计算点对应的油量输入至训练后的油量误差神经网络,输出油量误差值,再将所述油位传感器测量到的所述电位信号减去所述油量误差值得到的值作为所述目标飞机的当前显示油量。
3.一种电子设备,其特征在于,包括处理器和存储器;其中,所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1所述的飞机油量计算方法。
4.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1所述的飞机油量计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211087224.1A CN115218986B (zh) | 2022-09-07 | 2022-09-07 | 一种飞机油量计算方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211087224.1A CN115218986B (zh) | 2022-09-07 | 2022-09-07 | 一种飞机油量计算方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115218986A CN115218986A (zh) | 2022-10-21 |
CN115218986B true CN115218986B (zh) | 2022-12-09 |
Family
ID=83616840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211087224.1A Active CN115218986B (zh) | 2022-09-07 | 2022-09-07 | 一种飞机油量计算方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115218986B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5270684A (en) * | 1990-10-11 | 1993-12-14 | Faraci Jr Vito | Oil consumption counter |
RU2207304C2 (ru) * | 2001-04-26 | 2003-06-27 | Открытое акционерное общество "ОКБ Сухого" | Способ определения запаса топлива на летательном аппарате и система для его реализации |
CN102859133A (zh) * | 2010-04-19 | 2013-01-02 | 斯奈克玛 | 用于监控飞机发动机中油箱油位的方法和系统 |
CN104343490A (zh) * | 2013-07-24 | 2015-02-11 | 中国国际航空股份有限公司 | 一种发动机滑油监控系统及方法 |
CN107145693A (zh) * | 2017-06-27 | 2017-09-08 | 中国航空工业集团公司沈阳飞机设计研究所 | 飞机不规则油箱油量的动态测量方法 |
CN110530442A (zh) * | 2019-09-17 | 2019-12-03 | 成都飞机工业(集团)有限责任公司 | 一种飞机耗油量的获取方法 |
CN110633790A (zh) * | 2019-09-19 | 2019-12-31 | 郑州大学 | 基于卷积神经网络的飞机油箱剩余油量测量方法和系统 |
CN112229464A (zh) * | 2020-10-10 | 2021-01-15 | 江西洪都航空工业集团有限责任公司 | 一种综合利用飞行大姿态变化的燃油测量系统 |
CN112257151A (zh) * | 2020-10-20 | 2021-01-22 | 南京航空航天大学 | 航空器飞行阶段划分识别系统 |
CN112903050A (zh) * | 2021-02-20 | 2021-06-04 | 四川腾盾科技有限公司 | 一种无人机燃油实时油量的计算方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10221735B2 (en) * | 2015-11-30 | 2019-03-05 | United Technologies Corporation | Method of real-time oil consumption detection |
CN110046735B (zh) * | 2018-12-10 | 2021-02-26 | 南京航空航天大学 | 基于飞行数据分析的飞机离场燃油消耗评估方法 |
CN110220938A (zh) * | 2019-06-26 | 2019-09-10 | 浙江方圆检测集团股份有限公司 | 基于差示扫描量热法的润滑油剩余使用寿命评估方法 |
GB2593196A (en) * | 2020-03-19 | 2021-09-22 | Airbus Operations Ltd | Aircraft fuel system monitoring |
-
2022
- 2022-09-07 CN CN202211087224.1A patent/CN115218986B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5270684A (en) * | 1990-10-11 | 1993-12-14 | Faraci Jr Vito | Oil consumption counter |
RU2207304C2 (ru) * | 2001-04-26 | 2003-06-27 | Открытое акционерное общество "ОКБ Сухого" | Способ определения запаса топлива на летательном аппарате и система для его реализации |
CN102859133A (zh) * | 2010-04-19 | 2013-01-02 | 斯奈克玛 | 用于监控飞机发动机中油箱油位的方法和系统 |
CN104343490A (zh) * | 2013-07-24 | 2015-02-11 | 中国国际航空股份有限公司 | 一种发动机滑油监控系统及方法 |
CN107145693A (zh) * | 2017-06-27 | 2017-09-08 | 中国航空工业集团公司沈阳飞机设计研究所 | 飞机不规则油箱油量的动态测量方法 |
CN110530442A (zh) * | 2019-09-17 | 2019-12-03 | 成都飞机工业(集团)有限责任公司 | 一种飞机耗油量的获取方法 |
CN110633790A (zh) * | 2019-09-19 | 2019-12-31 | 郑州大学 | 基于卷积神经网络的飞机油箱剩余油量测量方法和系统 |
CN112229464A (zh) * | 2020-10-10 | 2021-01-15 | 江西洪都航空工业集团有限责任公司 | 一种综合利用飞行大姿态变化的燃油测量系统 |
CN112257151A (zh) * | 2020-10-20 | 2021-01-22 | 南京航空航天大学 | 航空器飞行阶段划分识别系统 |
CN112903050A (zh) * | 2021-02-20 | 2021-06-04 | 四川腾盾科技有限公司 | 一种无人机燃油实时油量的计算方法 |
Non-Patent Citations (1)
Title |
---|
某型初级教练机燃油测量系统改进研究;陈雄昕;《教练机》;20210331(第1期);第19-23页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115218986A (zh) | 2022-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US4980833A (en) | Airplane take-off monitor with learning feature | |
US8761970B2 (en) | Alternative method to determine the air mass state of an aircraft and to validate and augment the primary method | |
CN106971234B (zh) | 用于显示航迹参数的预测值的系统和方法 | |
AU2012259346B2 (en) | Primary flight display pitch- and power-based unreliable airspeed symbology | |
CN111709195B (zh) | 一种基于盘旋试飞数据巡航耗油特性的修正方法 | |
CN106777554B (zh) | 基于状态基线的航空发动机气路单元体健康状态评价方法 | |
EP2772732B1 (en) | System and method to measure the gross weight and center of gravity of an aircraft | |
CN108801387B (zh) | 一种基于学习模型的飞机油箱剩余油量测量系统和方法 | |
US20110046825A1 (en) | Estimation of a criterion of load to which a structural component of an aircraft is subjected, and assistance for the detection of a so-called "hard" landing by virtue of such a criterion | |
US20130335243A1 (en) | Stall Management System | |
CN100510655C (zh) | 飞行器油量测量误差修正方法 | |
CN114065399B (zh) | 一种考虑复杂气象条件下的无人飞行器飞行性能计算方法 | |
US11401044B2 (en) | Method and assistance system for detecting a degradation of flight performance | |
EP0082662B1 (en) | Enroute weight computer for aircraft | |
EP3065020A1 (en) | Method for calculating the optimum economy cruise speed in an aircraft | |
JP2013014325A (ja) | 航空機のパフォーマンスを算出する発見的方法 | |
CN113748066A (zh) | 用于监控飞行器发动机的系统和方法 | |
CN111717411A (zh) | 一种基于试飞数据标准重量下巡航推力增量的修正方法 | |
CN115218986B (zh) | 一种飞机油量计算方法、装置、设备及存储介质 | |
CN111221321A (zh) | 一种基于功率谱的无人机控制律鲁棒性评估方法 | |
CN106951700B (zh) | 一种基于能量管理的进近稳定性评估方法 | |
US10648850B2 (en) | Devices and methods for determining aircraft weight | |
CN113295882B (zh) | 一种直升机空速确定方法 | |
CN115271185A (zh) | 机载qar燃油数据的处理方法 | |
CN114326809A (zh) | 返航点确定方法、装置、电子设备及可读存储介质 |
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 |