CN115544772A - 一种救生伞动态开伞仿真数据多元回归与拟合的方法、装置及终端 - Google Patents
一种救生伞动态开伞仿真数据多元回归与拟合的方法、装置及终端 Download PDFInfo
- Publication number
- CN115544772A CN115544772A CN202211246589.4A CN202211246589A CN115544772A CN 115544772 A CN115544772 A CN 115544772A CN 202211246589 A CN202211246589 A CN 202211246589A CN 115544772 A CN115544772 A CN 115544772A
- Authority
- CN
- China
- Prior art keywords
- parachute
- dynamic
- simulation data
- opening
- mathematical model
- 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
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013178 mathematical model Methods 0.000 claims abstract description 51
- 238000005094 computer simulation Methods 0.000 claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 10
- 238000012360 testing method Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000003245 working effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种救生伞开伞技术领域的救生伞动态开伞仿真数据多元回归与拟合的方法、装置及终端,旨在解决现有技术中救生伞动态开伞仿真方法在不同的参数下,难以计算出救生伞开伞过程中的阻力特征的问题。其包括获取救生伞动态开伞仿真数据;当开伞高度为设定值时,根据救生伞动态开伞仿真数据,建立救生伞动态仿真数据数学模型;采用多元非线性回归方法对于救生伞动态仿真数据数学模型进行解算;本发明适用于救生伞开伞,通过对其得到的不同数据进行多元回归与拟合,得出救生伞阻力特征在参数维度和时间维度内与各参数及时间的关联关系,在不同的参数下,能计算出开伞过程的阻力特征,解决在不同工况下所产生的阻力特征问题。
Description
技术领域
本发明涉及一种救生伞动态开伞仿真数据多元回归与拟合的方法、装置及终端,属于救生伞开伞技术领域。
背景技术
救生伞是弹射救生系统的关键装备之一,其开伞动态载荷必须满足人体生理耐限。而获取救生伞阻力特征的要求十分严格,其通常采用仿真、风洞试验或者空投试验。由于救生伞开伞的过程具有不确定性,因此空投试验更能够反映真实工作状态。空投试验通常使用假人模型。美国测量假人质心的动载曲线时,采用空投刚体躯干假人的方式,而在救生伞定型试验时采用空中弹射仿真动态假人的方式。中国则采用空投躯干假人的方式进行开伞动载测试,试验中测量假人质心过载随时间的变化曲线。但是空投试验的设计要求较严格,耗费成本较大,其本身不确定的因素较多,试验中的测量值离散度较大,即便采用相同的速度和高度条件下再次进行空投试验,试验重复性依然很差。因此,在试验中获得具有参考价值的数据本身存在一定的难度,其参考的价值也具有一定的局限性。
回归问题的最大特征就是解决特征参数维度内随机变量与各普通变量之间的关联关系,目前二元回归已有成熟技术方法,但三元以上的多元回归(增加了普通变量维度)就提升了技术难度,在求解出随机变量与各普通变量之间关联关系的基础上,还要确定出这种关联关系随着时间推进的变化关系,使技术难度跨越式上升。现有的救生伞动态开伞仿真方法在不同的参数下,难以计算出救生伞开伞过程中的阻力特征,影响装置的工作效果。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种救生伞动态开伞仿真数据多元回归与拟合的方法、装置及终端,解决现有的救生伞动态开伞仿真方法在不同的参数下,难以计算出救生伞开伞过程中的阻力特征的问题。
为解决上述技术问题,本发明是采用下述技术方案实现的:
第一方面,本发明提供了一种救生伞动态开伞仿真数据多元回归与拟合的方法,包括获取救生伞动态开伞仿真数据;其中,所述数据包括阻力特征、时间、开伞速度、开伞高度和射伞方向;
当开伞高度为设定值时,根据救生伞动态开伞仿真数据,建立救生伞动态仿真数据数学模型;其中,所述设定值为0m或3000m;
采用多元非线性回归方法对于救生伞动态仿真数据数学模型进行解算。
进一步的,当开伞高度为设定值时,根据救生伞动态开伞仿真数据,建立救生伞动态仿真数据数学模型包括:
根据救生伞动态开伞仿真数据,建立阻力特征与时间模型;
根据救生伞动态开伞仿真数据,建立阻力特征与开伞速度和射伞方向模型;
根据阻力特征与时间模型和阻力特征与开伞速度和射伞方向模型,建立救生伞动态仿真数据数学模型。
进一步的,所述阻力特征与时间模型如下式:
Zt=f(t)=k1×t3+k2×t2+k3×t+k4
其中,k1、k2、k3、k4均为待定系数;t为时间。
进一步的,所述阻力特征与开伞速度和射伞方向模型如下式:
Zvθ=g(v,θ)=r1+r2×v+r3×θ+r4×v×θ+r5×θ2+r6×v2
其中,r1、r2、r3、r4、r5、r6均为待定系数;v为开伞速度;θ为射伞方向。
进一步的,所述救生伞动态仿真数据数学模型如下式:
CA(v,θ,t,w)=w1+w2×f(t)+w3×g(v,θ)+w4×f(t)×g(v,θ)
其中,CA(v,θ,t,w)为目标函数;w1、w2、w3、w4均为待定系数;f(t)为阻力特征与时间模型;g(v,θ)为阻力特征与开伞速度和射伞方向模型。
进一步的,采用多元非线性回归方法对于拟合后的救生伞动态仿真数据数学模型进行解算包括:
根据救生伞动态仿真数据数学模型,建立最终的救生伞动态仿真数据数学模型;
根据最终的救生伞动态仿真数据数学模型和救生伞动态开伞仿真数据,获取回归系数矩阵、回归残差和雅克比矩阵;
根据回归系数矩阵、回归残差和雅克比矩阵,拟合出适应的目标函数CA(v,θ,t,w)。
进一步的,所述最终的救生伞动态仿真数据数学模型如下式:
CA(v,θ,t,w)=w1+w2×X1+w3×X2+w4×X3
其中,X1=f(t),X2=g(v,θ),X3=f(t)×g(v,θ)。
进一步的,所述采用多元非线性回归方法对于拟合后的救生伞动态仿真数据数学模型进行解算还包括:
根据救生伞动态仿真数据数学模型和救生伞动态开伞仿真数据,获取样本判定系数;
将样本判定系数与预设值进行比较,根据比较结果判断救生伞动态仿真数据数学模型的拟合优度;
其中,所述样本判定系数的公式如下:
其中,SSR为回归平方和;SSE为残差平方和,R2为样本判定系数,R2的取值范围为[0,1];Q(w1,w2,w3,w4)为用于存放w1,w2,w3,w4的矩阵。
第二方面,本发明提供了一种救生伞动态开伞仿真数据多元回归与拟合装置,所述装置包括:
采集模块:获取救生伞动态开伞仿真数据;其中,所述数据包括阻力特征、时间、开伞速度、开伞高度和射伞方向;
建立模块:当开伞高度为设定值时,根据救生伞动态开伞仿真数据,建立救生伞动态仿真数据数学模型;其中,所述设定值为0m或3000m;
解算模块:采用多元非线性回归方法对于拟合后的救生伞动态仿真数据数学模型进行解算。
第三方面,本发明提供了一种终端,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据第一方面任一项所述方法的步骤。
与现有技术相比,本发明所达到的有益效果:
该一种救生伞动态开伞仿真数据多元回归与拟合的方法,通过救生伞动态开伞仿真数据,对其得到在开伞过程的时间周期内在不同开伞高度、不同开伞速度v、不同射伞方向θ情况下的阻力特征的数据进行多元回归与拟合,得出救生伞阻力特征在参数维度和时间维度内与各参数及时间的关联关系,使得本发明在不同的参数下,能计算出救生伞开伞过程中的阻力特征,解决在不同工况下所产生的阻力特征问题,保证了装置的工作效果。
附图说明
图1是根据本发明实施例提供的一种救生伞动态开伞仿真数据多元回归与拟合的方法的流程示意图;
图2是根据本发明实施例提供的阻力特征随时间变化趋势示意图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符”/″,一般表示前后关联对象是一种“或”的关系。
实施例一:
如图1-2所示,本发明提供了一种救生伞动态开伞仿真数据多元回归与拟合的方法,包括:
获取救生伞动态开伞仿真数据;其中,所述数据包括阻力特征、时间、开伞速度、开伞高度和射伞方向;
当开伞高度为设定值时,根据救生伞动态开伞仿真数据,建立救生伞动态仿真数据数学模型;其中,所述设定值为0m或3000m;当开伞高度为0m和3000m时进行建模和求解工作;
当开伞高度为设定值时,根据救生伞动态开伞仿真数据,建立救生伞动态仿真数据数学模型包括:
根据救生伞动态开伞仿真数据,建立阻力特征与时间模型;
对于可线性化的非线性回归模型,由于因变量与自变量和末知参数之间不存在线性关系,但可以通过适当的变换将其转化为标准的线性回归模型;
由图2可知,在时间维度上阻力特征与时间满足三阶多项式关系,所述阻力特征与时间模型如下式:
Zt=f(t)=k1×t3+k2×t2+k3×t+k4
其中,k1、k2、k3、k4均为待定系数;t为时间。
根据救生伞动态开伞仿真数据,建立阻力特征与开伞速度和射伞方向模型;
根据对救生伞动态开伞仿真数据的分析,在实际工作中,按不同开伞高度对救生伞阻力特征在参数维度上与各参数的关联关系满足二元二次多项式关系,建立二元二次多项式回归模型,所述阻力特征与开伞速度和射伞方向模型如下式:
Zvθ=g(v,θ)=r1+r2×v+r3×θ+r4×v×θ+r5×θ2+r6×v2
其中,r1、r2、r3、r4、r5、r6均为待定系数;v为开伞速度;θ为射伞方向。
根据阻力特征与时间模型和阻力特征与开伞速度和射伞方向模型,建立救生伞动态仿真数据数学模型。
所述救生伞动态仿真数据数学模型如下式:
CA(v,θ,t,w)=w1+w2×f(t)+w3×g(v,θ)+w4×f(t)×g(v,θ)
其中,CA(v,θ,t,w)为目标函数;w1、w2、w3、w4均为待定系数;f(t)为阻力特征与时间模型;g(v,θ)为阻力特征与开伞速度和射伞方向模型。
采用多元非线性回归方法对于救生伞动态仿真数据数学模型进行解算。
采用多元非线性回归方法对于拟合后的救生伞动态仿真数据数学模型进行解算包括:
根据救生伞动态仿真数据数学模型,建立最终的救生伞动态仿真数据数学模型,以将非线性模型转换为线性模型;
所述最终的救生伞动态仿真数据数学模型如下式:
CA(v,θ,t,w)=w1+w2×X1+w3×X2+w4×X3
其中,X1=f(t),X2=g(v,θ),X3=f(t)×g(v,θ)。
根据最终的救生伞动态仿真数据数学模型和救生伞动态开伞仿真数据,获取回归系数矩阵、回归残差和雅克比矩阵;
根据回归系数矩阵、回归残差和雅克比矩阵,拟合出适应的目标函数CA(v,θ,t,w);
其中,可选的,利用C++语言编写计算程序,读取救生伞动态开伞仿真数据,结合最终的救生伞动态仿真数据数学模型,运用多元非线性回归技术求解出各回归系数矩阵、回归残差(实际观察值与回归估计值的差,残差服从正态分布)和雅可比矩阵(一阶偏导数以一定方式排列成的矩阵,其行列式称为雅可比行列式),雅可比矩阵的重要性在于它体现了一个数学模型与给出点的最优线性逼近,非线性回归预测置信区间确定(如:预测响应、置信区间半角)及回归方程获取方法,从而拟合出适应的函数CA(v,θ,t,w)。
所述采用多元非线性回归方法对于拟合后的救生伞动态仿真数据数学模型进行解算还包括:
根据救生伞动态仿真数据数学模型和救生伞动态开伞仿真数据,获取样本判定系数;
将样本判定系数与预设值进行比较,根据比较结果判断救生伞动态仿真数据数学模型的拟合优度;
其中,所述样本判定系数的公式如下:
其中,SSR为回归平方和;SSE为残差平方和,R2为样本判定系数,R2的取值范围为[0,1];Q(w1,w2,w3,w4)为用于存放w1,w2,w3,w4的矩阵。
可选的,预设值为1,拟合优度是对回归模型拟合程度的综合度量,R2与预设值差距越小,说明模型拟合程度越高,回归结果越符合工程实际;R2与预设值差距越小,说明拟合程度越差;可选的,当模型拟合程度较高时,完成工作;当模型拟合程度较低时,重新建立救生伞动态仿真数据数学模型,并采用多元非线性回归方法对于救生伞动态仿真数据数学模型进行解算,直至模型拟合程度达到所需要求。
本方法将原先通过救生伞动态开伞仿真试验所获得的数据作为救生伞动态开伞仿真数据,对其得到在开伞过程的时间周期内在不同开伞高度、不同开伞速度v、不同射伞方向θ情况下的阻力特征的数据进行多元回归与拟合,得出救生伞阻力特征在参数维度和时间维度内与各参数及时间的关联关系,使得本发明在不同的参数下,能计算出救生伞开伞过程中的阻力特征,解决在不同工况下所产生的阻力特征问题,保证了装置的工作效果。
本发明利用回归技术,可以获得原始救生伞动态开伞仿真试验所获得的阻力特征与不同参数之间的关联关系;利用拟合技术,可以判断出利用拟合公式所得出的阻力特征与原始试验所获得的阻力特征的一个拟合优度检验;通过回归技术得出的模型,可以有效判断在改变其参数的情况下,所产生的阻力特征;此回归技术的成功解算,为其在弹射座椅的仿真试验中,具有参考价值。
实施例二:
本发明提供了一种救生伞动态开伞仿真数据多元回归与拟合装置,包括:采集模块:获取救生伞动态开伞仿真数据;其中,所述数据包括阻力特征、时间、开伞速度、开伞高度和射伞方向;
建立模块:当开伞高度为设定值时,根据救生伞动态开伞仿真数据,建立救生伞动态仿真数据数学模型;其中,所述设定值为0m或3000m;
解算模块:采用多元非线性回归方法对于拟合后的救生伞动态仿真数据数学模型进行解算。
实施例三:
本发明提供了一种终端,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据实施例一任一项所述方法的步骤。
由于本发明实施例所提供的终端可执行本发明实施例一所提供的方法,因此,本发明实施例所提供的终端具备执行方法相应的功能模块和有益效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种救生伞动态开伞仿真数据多元回归与拟合的方法,其特征在于,包括:
获取救生伞动态开伞仿真数据;其中,所述数据包括阻力特征、时间、开伞速度、开伞高度和射伞方向;
当开伞高度为设定值时,根据救生伞动态开伞仿真数据,建立救生伞动态仿真数据数学模型;其中,所述设定值为0m或3000m;
采用多元非线性回归方法对于救生伞动态仿真数据数学模型进行解算。
2.根据权利要求1所述的一种救生伞动态开伞仿真数据多元回归与拟合的方法,其特征在于,当开伞高度为设定值时,根据救生伞动态开伞仿真数据,建立救生伞动态仿真数据数学模型包括:
根据救生伞动态开伞仿真数据,建立阻力特征与时间模型;
根据救生伞动态开伞仿真数据,建立阻力特征与开伞速度和射伞方向模型;
根据阻力特征与时间模型和阻力特征与开伞速度和射伞方向模型,建立救生伞动态仿真数据数学模型。
3.根据权利要求2所述的一种救生伞动态开伞仿真数据多元回归与拟合的方法,其特征在于,所述阻力特征与时间模型如下式:
Zt=f(t)=k1×t3+k2×t2+k3×t+k4
其中,k1、k2、k3、k4均为待定系数;t为时间。
4.根据权利要求2所述的一种救生伞动态开伞仿真数据多元回归与拟合的方法,其特征在于,所述阻力特征与开伞速度和射伞方向模型如下式:
Zvθ=g(v,θ)=r1+r2×v+r3×θ+r4×v×θ+r5×θ2+r6×v2
其中,r1、r2、r3、r4、r5、r6均为待定系数;v为开伞速度;θ为射伞方向。
5.根据权利要求2所述的一种救生伞动态开伞仿真数据多元回归与拟合的方法,其特征在于,所述救生伞动态仿真数据数学模型如下式:
CA(v,θ,t,w)=w1+w2×f(t)+w3×g(v,θ)+w4×f(t)×g(v,θ)
其中,CA(v,θ,t,w)为目标函数;w1、w2、w3、w4均为待定系数;f(t)为阻力特征与时间模型;g(v,θ)为阻力特征与开伞速度和射伞方向模型。
6.根据权利要求5所述的一种救生伞动态开伞仿真数据多元回归与拟合的方法,其特征在于,采用多元非线性回归方法对于拟合后的救生伞动态仿真数据数学模型进行解算包括:
根据救生伞动态仿真数据数学模型,建立最终的救生伞动态仿真数据数学模型;
根据最终的救生伞动态仿真数据数学模型和救生伞动态开伞仿真数据,获取回归系数矩阵、回归残差和雅克比矩阵;
根据回归系数矩阵、回归残差和雅克比矩阵,拟合出适应的目标函数CA(v,θ,t,w)。
7.根据权利要求6所述的一种救生伞动态开伞仿真数据多元回归与拟合的方法,其特征在于,所述最终的救生伞动态仿真数据数学模型如下式:
CA(v,θ,t,w)=w1+w2×X1+w3×X2+w4×X3
其中,X1=f(t),X2=g(v,θ),X3=f(t)×g(v,θ)。
9.一种救生伞动态开伞仿真数据多元回归与拟合装置,其特征在于,所述装置包括:
采集模块:获取救生伞动态开伞仿真数据;其中,所述数据包括阻力特征、时间、开伞速度、开伞高度和射伞方向;
建立模块:当开伞高度为设定值时,根据救生伞动态开伞仿真数据,建立救生伞动态仿真数据数学模型;其中,所述设定值为0m或3000m;
解算模块:采用多元非线性回归方法对于拟合后的救生伞动态仿真数据数学模型进行解算。
10.一种终端,其特征在于,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1~8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211246589.4A CN115544772B (zh) | 2022-10-12 | 2022-10-12 | 一种救生伞动态开伞仿真数据多元回归与拟合的方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211246589.4A CN115544772B (zh) | 2022-10-12 | 2022-10-12 | 一种救生伞动态开伞仿真数据多元回归与拟合的方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115544772A true CN115544772A (zh) | 2022-12-30 |
CN115544772B CN115544772B (zh) | 2024-04-02 |
Family
ID=84734116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211246589.4A Active CN115544772B (zh) | 2022-10-12 | 2022-10-12 | 一种救生伞动态开伞仿真数据多元回归与拟合的方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115544772B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117902055A (zh) * | 2024-03-19 | 2024-04-19 | 四川腾盾科技有限公司 | 一种空投无人机开伞钢索载荷的设计方法及开伞装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120085171A (ko) * | 2011-10-06 | 2012-07-31 | 주식회사 켐에쎈 | 순수한 유기화합물의 파라코르를 예측하는 다중선형회귀-인공신경망 혼성모형 |
US20170370726A1 (en) * | 2016-06-27 | 2017-12-28 | Intel Corporation | Skydiving trajectory and coordination feedback system |
CN109543297A (zh) * | 2018-11-21 | 2019-03-29 | 航宇救生装备有限公司 | 一种飞机机身对弹射座椅气动干扰的修正方法 |
CN109635344A (zh) * | 2018-11-14 | 2019-04-16 | 中国航空工业集团公司沈阳飞机设计研究所 | 基于仿真试验的效能评估模型获得方法及装置 |
JP2019096237A (ja) * | 2017-11-27 | 2019-06-20 | 国立研究開発法人宇宙航空研究開発機構 | エミュレーションモデルの生成、並びに生成されたエミュレーションモデルの目的変数の不確実性に関する情報の生成及び表示のためのシステム、方法、プログラム、プログラムを記憶した記憶媒体 |
CN110162818A (zh) * | 2018-11-26 | 2019-08-23 | 北京机电工程研究所 | 伞弹系统弹道计算方法 |
CN111123188A (zh) * | 2019-12-20 | 2020-05-08 | 国网山东省电力公司电力科学研究院 | 基于改进最小二乘法的电能表综合检定方法及系统 |
CN113919208A (zh) * | 2021-08-30 | 2022-01-11 | 山东大学 | 一种阻力伞水动力荷载预测方法及系统 |
-
2022
- 2022-10-12 CN CN202211246589.4A patent/CN115544772B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120085171A (ko) * | 2011-10-06 | 2012-07-31 | 주식회사 켐에쎈 | 순수한 유기화합물의 파라코르를 예측하는 다중선형회귀-인공신경망 혼성모형 |
US20170370726A1 (en) * | 2016-06-27 | 2017-12-28 | Intel Corporation | Skydiving trajectory and coordination feedback system |
JP2019096237A (ja) * | 2017-11-27 | 2019-06-20 | 国立研究開発法人宇宙航空研究開発機構 | エミュレーションモデルの生成、並びに生成されたエミュレーションモデルの目的変数の不確実性に関する情報の生成及び表示のためのシステム、方法、プログラム、プログラムを記憶した記憶媒体 |
CN109635344A (zh) * | 2018-11-14 | 2019-04-16 | 中国航空工业集团公司沈阳飞机设计研究所 | 基于仿真试验的效能评估模型获得方法及装置 |
CN109543297A (zh) * | 2018-11-21 | 2019-03-29 | 航宇救生装备有限公司 | 一种飞机机身对弹射座椅气动干扰的修正方法 |
CN110162818A (zh) * | 2018-11-26 | 2019-08-23 | 北京机电工程研究所 | 伞弹系统弹道计算方法 |
CN111123188A (zh) * | 2019-12-20 | 2020-05-08 | 国网山东省电力公司电力科学研究院 | 基于改进最小二乘法的电能表综合检定方法及系统 |
CN113919208A (zh) * | 2021-08-30 | 2022-01-11 | 山东大学 | 一种阻力伞水动力荷载预测方法及系统 |
Non-Patent Citations (2)
Title |
---|
SI YU ZHANG, LI YU: "New general correlations for opening shock factor of ram-air parachute airdrop system", AEROSPACE SCIENCE AND TECHNOLOGY, vol. 129, pages 1 - 8 * |
吴铭,吴屹斌: "飞行员生理约束下弹射座椅运动仿真方法研究", 第五届中国航空科学技术大会论文集, pages 44 - 49 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117902055A (zh) * | 2024-03-19 | 2024-04-19 | 四川腾盾科技有限公司 | 一种空投无人机开伞钢索载荷的设计方法及开伞装置 |
CN117902055B (zh) * | 2024-03-19 | 2024-06-11 | 四川腾盾科技有限公司 | 一种空投无人机开伞钢索载荷的设计方法及开伞装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115544772B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20090204249A1 (en) | Quality Assurance Method When Operating An Industrial Machine | |
CN115544772A (zh) | 一种救生伞动态开伞仿真数据多元回归与拟合的方法、装置及终端 | |
US20160063151A1 (en) | Method for Determining a Model of an Output Quantity of a Technical System | |
CN114970396B (zh) | 一种考虑随机和认知不确定性的cfd模型修正方法 | |
CN111428201A (zh) | 基于经验模态分解和前馈神经网络对时序数据的预测方法 | |
CN113777931B (zh) | 结冰翼型气动模型构造方法、装置、设备及介质 | |
CN115688288B (zh) | 飞行器气动参数辨识方法、装置、计算机设备及存储介质 | |
CN111784057A (zh) | 一种基于快照反馈机制的短期电力负荷预测组合方法 | |
CN108520550B (zh) | 基于噪声分类与mls的点云数据泊松曲面重建方法 | |
CN110032706A (zh) | 一种低阶时滞系统的两阶段参数估计方法及系统 | |
CN111651940A (zh) | 基于pso-narx的涡轴发动机稳态模型辨识方法 | |
CN117505811B (zh) | 一种模温控制方法和相关装置 | |
CN110929339A (zh) | 高精度亚音速固定翼飞行器非线性动力学建模方法 | |
CN112966429A (zh) | 基于WGANs数据增强的非线性工业过程建模方法 | |
CN111045415A (zh) | 一种基于局部概率密度双子空间的多模态过程故障检测方法 | |
CN109670538B (zh) | 一种非刚体零件的装配接触状态识别方法 | |
CN106709598B (zh) | 一种基于单类样本的电压稳定性预测判断方法 | |
Barari et al. | Evaluation of geometric deviations in sculptured surfaces using probability density estimation | |
CN116339145A (zh) | 机台参数调控方法、设备及存储介质 | |
CN112925200B (zh) | 一种基于Anderson加速的迭代学习控制方法 | |
CN110640789B (zh) | 基于有界优化的机器人位姿递归估计方法 | |
CN107341830A (zh) | 一种确定弹孔环值的方法及装置 | |
CN106339356B (zh) | 钻头钻削分段数据拟合方法 | |
CN112418317A (zh) | 一种基于pso-svm的精密加工结构件识别分类的方法 | |
CN113191061B (zh) | 一种基于曲面特征识别的有限元网格变换方法 |
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 |