CN116861194A - 一种飞行器大气数据系统异常数据诊断修正方法及系统 - Google Patents
一种飞行器大气数据系统异常数据诊断修正方法及系统 Download PDFInfo
- Publication number
- CN116861194A CN116861194A CN202311056660.7A CN202311056660A CN116861194A CN 116861194 A CN116861194 A CN 116861194A CN 202311056660 A CN202311056660 A CN 202311056660A CN 116861194 A CN116861194 A CN 116861194A
- Authority
- CN
- China
- Prior art keywords
- data
- pressure
- pressure measuring
- aircraft
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 53
- 238000012937 correction Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 abstract description 7
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 238000013461 design Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000009530 blood pressure measurement Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000000546 chi-square test Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000017105 transposition Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 208000018634 fetal akinesia deformation sequence Diseases 0.000 description 1
- 208000012165 fetal akinesia deformation sequence syndrome Diseases 0.000 description 1
- 238000002421 fluorescence-activated droplet sorting Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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]
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Abstract
本发明公开了一种飞行器大气数据系统异常数据诊断修正方法及系统,所述方法包括:步骤1)采集飞行器每个测压孔测量的压力数据;步骤2)根据每个测压孔的已知真值,得到对应测压孔的压力偏差值,通过与预先设定的门限值进行比较,确定测压孔的工作是否正常;步骤3)对于所有判定为正常的测压孔,将步骤1)得到的对应压力数据进行拟合,得到多项式曲线,根据单调性判断是否存在异常数据;步骤4)剔除异常数据,并使用加权最小二乘法进行数据重构。本发明修正的目的性、可靠性更高;方法简便;不额外增加软硬件设施,不占用宝贵的飞行器载荷及内部空间;检测与诊断始于测量数据,避免了异常数据直接参与系统解算,提前规避和化解风险。
Description
技术领域
本发明属于大气数据系统故障检测技术领域,尤其涉及一种飞行器大气数据系统异常数据诊断修正方法及系统。
背景技术
大气数据系统,是飞行器在实际飞行中用来实时感知环境态势、测量飞行速度、飞行姿态、飞行高度的一种必不可少的测量装置;对于保障飞行器的飞行安全、提高飞行品质具有重要意义、不可或缺。空速管、风标,以及后续发展出的FADS系统,均为大气数据系统受感设备的具体表现形式。这其中,飞行器表面特征区域/位置处的压力测量,在大气数据系统设计及使用中是最基础、最重要的技术环节之一。只有准确的测量出特征区域/位置处的压力数据,才能通过后续的解算方法反演获得飞行器真实的飞行状态(速度、姿态角、高度,等参数)。
飞行器在实际飞行过程中,不可避免的会遭遇突风/阵风、表面结冰与积水、强对流天气等非正常飞行状况/条件,轻则颠簸伤人、重则机毁人亡。同时,在临近空间(距地表20-100Km)等高空飞行条件下,飞行于稀薄气体环境中的飞行器其表面压力不易准确测量(环境压力约为几十Pa),也会导致大气数据系统工作异常。这些问题,是飞行器在飞行过程中不可避免的实际问题;需要在基本的气动解算算法基础上,进行异常数据诊断、隔离和容错设计,以提高系统可靠性。
研究人员根据实际使用中发现的问题,先后开发出卡方检验、多传感器数据融合和神经网络等多种方法和技术。其中,基于卡方检验的方法,需要对大量的大气数据测量数据进行统计,以得出其测量残差规律,并可能需要使用数次迭代才能检测出故障点,并使最终计算达到收敛,其算法和机理复杂,对实时性有较大影响,具体实施到机载系统难度较大。多传感器数据融合方法,基于GPS/INS的非大气测量原理获取参数,在系统的复杂性上存在缺陷。神经网络法对于多参数输入输出的耦合系统求解具有独到的优势,但其网络节点参数的不可理解性导致其应用受限,一般用于事后评估和仿真。
飞行器大气数据系统设计的一般思路是:依据飞行器表面流动特性,在飞行器表面流动较为稳定的区域,通过压力数据对大气参数的敏感度研究,优选少量位置来组成嵌入式大气数据受感系统,构建测点压力与来流大气参数之间的气动数学模型。
Pi=Fi(Ma,P∞,α,β)
当前,在设计一款飞行器的大气数据系统时,主要通过CFD以及风洞试验技术手段,获取飞行器特定区域表面的压力分布数据,进而选定大气数据系统受感器安放位置、并构造大气数据参数解算数据库;通过求解特定方程组,并结合解算数据库,最终求解得到飞行中的大气数据参数。
设X为大气参数估计量,W为噪声
X=[Ma,P∞,α,β]TP=F(X)+W
对F(X)线性化:
P=F(X0)+HΔX+W
其中X0为先验值,ΔX=X-X0,H为Jacobi矩阵。
则ΔX的最优线性最小方差无偏估计:
ΔX=(HTS-1H)-1HTS-1(P-F(X0))
得到ΔX后,重新定义先验值:X0=X0+ΔX。
结合先期构造的解算数据库,进行迭代计算便可得到大气参数值。
在这一解算数据库中,数据的来源十分“理想”。这个“理想”是指,数据均来源于CFD、风洞试验这类条件精准可控、没有各种突发/干扰因素而获得的数据。基于这一数据库,对于飞行状态平稳、外部环境波动小的飞行条件时,其解算精准度是可以保证的。但是,遇有前述的非正常状态下,则所得大气数据参数就会明显失真,导致飞行异常。
测不准,则必然导致算不准。已经是明显异常的数据,带入“正常”的解算数据库中进行解算,则必然得不到正常、真实的数据。
发明内容
本发明的目的在于克服现有技术缺陷,提出了一种飞行器大气数据系统异常数据诊断修正方法及系统。
为了实现上述目的,本发明提出了一种飞行器大气数据系统异常数据诊断修正方法,所述方法包括:
步骤1)采集飞行器每个测压孔测量的压力数据;
步骤2)根据每个测压孔的已知真值,得到对应测压孔的压力偏差值,通过与预先设定的门限值进行比较,确定测压孔的工作是否正常;
步骤3)对于所有判定为正常的测压孔,将步骤1)得到的对应压力数据进行拟合,得到多项式曲线,根据单调性判断是否存在异常数据;
步骤4)剔除异常数据,并使用加权最小二乘法进行数据重构。
优选的,所述每个测压孔的已知真值,为预先通过CFD及风洞试验获得。
优选的,对应测压孔的压力偏差值为:每个测压孔测量的压力数据和该测压孔已知真值的差值,并取绝对值。
优选的,所述步骤2)中通过与预先设定的门限值进行比较,确定测压孔的工作是否正常;具体包括:
将测压孔的压力偏差值与预先设定的门限值进行比较,当比较结果大于门限值,则判定该测压孔工作异常,否则,工作正常。
优选的,所述步骤3)中根据单调性判断是否存在异常数据;具体包括:
对于多项式曲线,逐点求取导数,当出现某点前后两侧的导数正负号突变,则判定该点数据为异常数据。
优选的,所述步骤4)具体包括:
根据下式构建判定正常的n个测压孔在某一时刻飞行状态的压力值Pn:
式中,B(x,y)n×m为二元多次多项式方程组的各次多项式,m表示系数维数,x为二元多次多项式系数,表征物面压力在x方向的数值,y为二元多次多项式系数,表征压力在y方向的数值,j、k分别为二元多次多项式的最高次幂,均取3,Am即为待求的二元多次多项式方程组的系数;
根据滤波的最小二乘准则,满足下式,得到Am在最小二乘意义下的最优估计值
(B(x,y)n×mAm-Pn)TFn×n(B(x,y)n×mAm-Pn)=Min
其中,Fn×n为权值矩阵,对于非故障点定义为1,对于故障点定义为0;T表示转置,Min表示各点测值与最优估计值差的平方和的最小值;
经剔除异常数据后,求解出的最小二乘抛物面拟合结果为:
得到数据重构值
另一方面,本发明提出了一种飞行器大气数据系统异常数据诊断修正系统,基于上述方法实现,所述系统包括:
采集模块,用于采集飞行器每个测压孔测量的压力数据;
测压孔判定模块,用于根据每个测压孔的已知真值,得到对应测压孔的压力偏差值,通过与预先设定的门限值进行比较,确定测压孔的工作是否正常;
异常数据判断模块,用于对于所有判定为正常的测压孔,将所述采集模块得到的对应压力数据进行拟合,得到多项式曲线,根据单调性判断是否存在异常数据;和
重构模块,用于剔除异常数据,并使用加权最小二乘法进行数据重构。
与现有技术相比,本发明的优势在于:
1、本发明的方法基于已知(可信)的数据库,对异常数据进行修正乃至重构,修正的目的性、可靠性更高;
2、本发明的方法简便;
3、采用本发明的方法不额外增加软硬件设施,不占用宝贵的飞行器载荷及内部空间;
4、本发明的方法检测与诊断始于测量数据,避免了异常数据直接参与系统解算,提前规避和化解风险。
附图说明
图1是正常状态下飞行器压力分布示意图;
图2是异常数据示意图;
图3(a)是正常状态下的数据,图3(b)是异常状态下的数据;
图4是重构后的数据示意图;
图5是本发明实施例1的方法流程图。
具体实施方式
本发明的方法通过甄别所测数据的合理、可靠性,进而剔除这一明显异常数据,不让其参与参数解算;或者,将所测异常数据进行必要修正,使其回归正常值,再进行大气数据参数解算、获得合理的大气数据参数。
针对某一飞行器先期开展CFD、风洞试验,是设计一款大气数据系统必须开展的一项工作。通过这些技术手段,我们不仅可以获取飞行器特定区域的压力数据,进而构造解算数据库;同时,还可以全面掌握该飞行器特征区域的压力分布特性、规律,乃至具体数值。这些特性、规律、数值,可以认为是“真值”,构成了已知的数据库,它是后续甄别、隔离、剔除异常数据的依据。
这里,以某典型飞行器钝头体头部压力分布及大气数据系统设计、修正进行阐述和说明。通过前期CFD仿真分析和风洞实验等工作,可获得该飞行器特征区域(一般为头部区域)的压力分布特性及具体数据。一般而言,这一压力分布(以压力系数Cp显示)总会呈现出一定的规律,如图1所示;这一规律及具体数据,就是判断飞行中实际测量值是否“离谱”的“真值”和依据。
当飞行中大气数据系统受感设备所测数据偏离这一“真值”分布规律后,如图2所示,应通过软硬件对其进行甄别、剔除、修正、重构等技术处理。
1、故障点检测与判断
1.1、故障点检测/判别—门限值、阀值检测
如图2所示,当检测到所测数据明显偏离“真值”数据后,其偏差量将与提前设定的“门限值/阀值”进行比较。当这一偏差量大于门限值时,即认定该测压孔工作异常,所得数据不可信。这一“门限值/阀值”,可通过实际飞行,获取大量数据后,予以确定。根据实际经验,在保证数据不出现明显偏差、飞行安全的前提下,这一门限值要设置的适度宽松一些、不能设置的“太严格”;否则,飞控系统会频繁报错,反而不利于实际使用。
1.2、故障点检测/判别—单调性/导数检测
从物面压力分布特性可知,某一方向的压力分布可拟合为多项式曲线,根据CFD仿真计算和风洞试验结果,一般拟合为三次多项式抛物线可保证其精准度。
除奇性点(或导数为零点)外,压力分布在某一方向的多项式曲线不会出现趋势突变——在某数据点两侧,数据均呈现确定的单调递增或递减特性,如图3(a)所示。基于这一特性,可通过对某一数据前后进行求导,通过观察其正负号变化,判别数据的有效性;进而,判断故障点的正常与否。如图3(b)所示是异常状态下的数据。
2、故障数据修正/重构
在使用上述方法完成故障点检测、甄别后,应剔除可能存在的故障点及其所得数据;并使用加权最小二乘法进行压力重构。
以二元多次多项式为例,进行描述。其表达式为:
式中,Pn为各测压点在不同飞行状态下的压力值,B(x,y)n×m为二元多次多项式方程组的各次多项式。j、k分别为二元多次多项式的最高次幂,一般取3次即可满足精度要求。Am即为需要求的二元多次方程组的系数。
根据滤波的最小二乘准则,当时,若:
(B(x,y)n×mAm-Pn)TFn×n(B(x,y)n×mAm-Pn)=Min
则可称是Am的在最小二乘意义下的最优估计值。
其中,Fn×n为权值矩阵,即根据第1.2节压力测量故障检测出来的故障点位赋以权值,定义“1”为可用,“0”为可用。剔除掉“坏点”后,求解出的最小二乘抛物面拟合结果为:
从而完成对剔除掉的“坏点”的重构:
完成的重构数据,如图4所示。可见,此时,数据已被修正到一个合理范围内。修正后的数据,便可参与大气数据参数解算;为飞控系统提供可信的输入参数。
下面结合附图和实施例对本发明的技术方案进行详细的说明。
实施例1
如图5所示,本发明的实施例1提出了一种飞行器大气数据系统异常数据诊断修正方法,方法包括:
步骤1)采集飞行器每个测压孔测量的压力数据。
步骤2)根据每个测压孔的已知真值,得到对应测压孔的压力偏差值,通过与预先设定的门限值进行比较,当比较结果大于门限值,则判定该测压孔工作异常,否则,工作正常。
每个测压孔的已知真值,为预先通过CFD及风洞试验获得。
对应测压孔的压力偏差值为:每个测压孔测量的压力数据和该测压孔已知真值的差值,并取绝对值。
步骤3)对于所有判定为正常的测压孔,将步骤1)得到的对应压力数据进行拟合,得到多项式曲线,根据单调性判断是否存在异常数据。具体是:
对于多项式曲线,逐点求取导数,当出现某点前后两侧的导数正负号突变,则判定该点数据为异常数据。
步骤4)剔除异常数据,并使用加权最小二乘法进行数据重构。具体是:
根据下式构建判定正常的n个测压孔在某一时刻飞行状态的压力值Pn:
式中,B(x,y)n×m为二元多次多项式方程组的各次多项式,m表示系数维数,x为二元多次多项式系数,表征物面压力在x方向的数值,y为二元多次多项式系数,表征压力在y方向的数值,j、k分别为二元多次多项式的最高次幂,均取3,Am即为待求的二元多次多项式方程组的系数;
根据滤波的最小二乘准则,满足下式,得到Am在最小二乘意义下的最优估计值
(B(x,y)n×mAm-Pn)TFn×n(B(x,y)n×mAm-Pn)=Min
其中,Fn×n为权值矩阵,对于非故障点定义为1,对于故障点定义为0;T表示转置,Min表示各点测值与最优估计值差的平方和的最小值;
经剔除异常数据后,求解出的最小二乘抛物面拟合结果为:
得到数据重构值
实施例2
本发明的实施例2提出了飞行器大气数据系统异常数据诊断修正方法的修正系统,基于实施例1的方法实现,该系统包括:
采集模块,用于采集飞行器每个测压孔测量的压力数据;
测压孔判定模块,用于根据每个测压孔的已知真值,得到对应测压孔的压力偏差值,通过与预先设定的门限值进行比较,确定测压孔的工作是否正常;
异常数据判断模块,用于对于所有判定为正常的测压孔,将所述采集模块得到的对应压力数据进行拟合,得到多项式曲线,根据单调性判断是否存在异常数据;
重构模块,用于剔除异常数据,并使用加权最小二乘法进行数据重构。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种飞行器大气数据系统异常数据诊断修正方法,所述方法包括:
步骤1)采集飞行器每个测压孔测量的压力数据;
步骤2)根据每个测压孔的已知真值,得到对应测压孔的压力偏差值,通过与预先设定的门限值进行比较,确定测压孔的工作是否正常;
步骤3)对于所有判定为正常的测压孔,将步骤1)得到的对应压力数据进行拟合,得到多项式曲线,根据单调性判断是否存在异常数据;
步骤4)剔除异常数据,并使用加权最小二乘法进行数据重构。
2.根据权利要求1所述的飞行器大气数据系统异常数据诊断修正方法,其特征在于,所述每个测压孔的已知真值,为预先通过CFD及风洞试验获得。
3.根据权利要求2所述的飞行器大气数据系统异常数据诊断修正方法,其特征在于,对应测压孔的压力偏差值为:每个测压孔测量的压力数据和该测压孔已知真值的差值,并取绝对值。
4.根据权利要求3所述的飞行器大气数据系统异常数据诊断修正方法,其特征在于,所述步骤2)中通过与预先设定的门限值进行比较,确定测压孔的工作是否正常;具体包括:
将测压孔的压力偏差值与预先设定的门限值进行比较,当比较结果大于门限值,则判定该测压孔工作异常,否则,工作正常。
5.根据权利要求1所述的飞行器大气数据系统异常数据诊断修正方法,其特征在于,所述步骤3)中根据单调性判断是否存在异常数据;具体包括:
对于多项式曲线,逐点求取导数,当出现某点前后两侧的导数正负号突变,则判定该点数据为异常数据。
6.根据权利要求1所述的飞行器大气数据系统异常数据诊断修正方法,其特征在于,所述步骤4)具体包括:
根据下式构建判定正常的n个测压孔在某一时刻飞行状态的压力值Pn:
式中,B(x,y)n×m为二元多次多项式方程组的各次多项式,m表示系数维数,x为二元多次多项式系数,表征物面压力在x方向的数值,y为二元多次多项式系数,表征压力在y方向的数值,j、k分别为二元多次多项式的最高次幂,均取3,Am为待求的二元多次多项式方程组的系数;
根据滤波的最小二乘准则,满足下式,得到Am在最小二乘意义下的最优估计值
(B(x,y)n×mAm-Pn)TFn×n(B(x,y)n×mAm-Pn)=Min
其中,Fn×n为权值矩阵,对于非故障点定义为1,对于故障点定义为0;T表示转置,Min表示各点测值与最优估计值差的平方和的最小值;
经剔除异常数据后,求解出的最小二乘抛物面拟合结果为:
得到数据重构值
7.一种基于权利要求1-6之一所述的飞行器大气数据系统异常数据诊断修正方法的修正系统,其特征在于,所述系统包括:
采集模块,用于采集飞行器每个测压孔测量的压力数据;
测压孔判定模块,用于根据每个测压孔的已知真值,得到对应测压孔的压力偏差值,通过与预先设定的门限值进行比较,确定测压孔的工作是否正常;
异常数据判断模块,用于对于所有判定为正常的测压孔,将所述采集模块得到的对应压力数据进行拟合,得到多项式曲线,根据单调性判断是否存在异常数据;和
重构模块,用于剔除异常数据,并使用加权最小二乘法进行数据重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311056660.7A CN116861194A (zh) | 2023-08-21 | 2023-08-21 | 一种飞行器大气数据系统异常数据诊断修正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311056660.7A CN116861194A (zh) | 2023-08-21 | 2023-08-21 | 一种飞行器大气数据系统异常数据诊断修正方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116861194A true CN116861194A (zh) | 2023-10-10 |
Family
ID=88227125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311056660.7A Pending CN116861194A (zh) | 2023-08-21 | 2023-08-21 | 一种飞行器大气数据系统异常数据诊断修正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116861194A (zh) |
-
2023
- 2023-08-21 CN CN202311056660.7A patent/CN116861194A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110633790B (zh) | 基于卷积神经网络的飞机油箱剩余油量测量方法和系统 | |
CN109883644A (zh) | 一种获得孔壁Darcy系数的试验方法及其应用 | |
CN112861429B (zh) | 一种风力机机舱传递函数计算方法 | |
CN112881004A (zh) | 一种空速管风洞校核试验装置及校核试验方法 | |
CN113029512B (zh) | 用于暂冲式跨声速风洞的空气流场模型校正控制方法 | |
CN111695193A (zh) | 一种全局相关三维气动力数学模型的建模方法及系统 | |
CN115809504A (zh) | 一种多源气动数据不确定度量化评估方法和系统 | |
CN111123885B (zh) | 一种基于自适应技术的高超声速飞行器间歇故障诊断方法 | |
CN115575104A (zh) | 基于逆有限元重构图像识别的风机叶片损伤快速检测方法 | |
CN106599367A (zh) | 一种航天器状态异常检测方法 | |
CN116861194A (zh) | 一种飞行器大气数据系统异常数据诊断修正方法及系统 | |
CN111797545B (zh) | 一种基于实测数据的风电机组偏航折减系数计算方法 | |
CN113071509A (zh) | 一种智能车车轮转角传感器故障检测方法 | |
CN113375658B (zh) | 移动机器人故障下同时fdd和slam的方法及系统 | |
CN110108271B (zh) | 一种气动光学效应引起的星光偏折补偿方法 | |
CN106874531B (zh) | 一种大气数据系统在故障时的异常测量值数据自恢复方法 | |
CN112965966B (zh) | 一种基于实测飞参数据的快速预处理方法、系统及计算机相关产品 | |
CN114485800B (zh) | 适用于气体多参数移动监测仪的远程质控方法 | |
CN106950982B (zh) | 再入飞行器姿控动力系统高空力矩特性辨识方法 | |
CN113408057B (zh) | 一种基于em算法的飞机气流角高精度离线估计方法 | |
CN115526276A (zh) | 一种具有鲁棒性的风洞天平校准载荷预测方法 | |
CN108106634A (zh) | 一种直接观星的星敏感器内参数标定方法 | |
CN114295861A (zh) | 一种大型运输类飞行器分布式侧滑角测量装置及方法 | |
CN110736854A (zh) | 一种基于机身两侧迎角传感器的飞行迎角获取方法 | |
CN110287594B (zh) | 一种基于神经网络算法的航空发动机状态诊断方法 |
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 |