CN113761666B - 一种飞机质量特性数据自动处理方法 - Google Patents
一种飞机质量特性数据自动处理方法 Download PDFInfo
- Publication number
- CN113761666B CN113761666B CN202111102406.7A CN202111102406A CN113761666B CN 113761666 B CN113761666 B CN 113761666B CN 202111102406 A CN202111102406 A CN 202111102406A CN 113761666 B CN113761666 B CN 113761666B
- Authority
- CN
- China
- Prior art keywords
- data
- quality characteristic
- level
- row
- characteristic data
- 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
Images
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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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)
- General Factory Administration (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请属于数据处理技术领域,特别涉及一种飞机质量特性数据自动处理方法。该方法包括步骤S1、获取待处理的原飞机质量特性数据;步骤S2、通过贪心算法确定各级数据行,并按照预定的第一标记规则标记各级数据行;步骤S3、采用筑塔式的质量特性计算方法自底向上层层计算,确定各级数据行的实际数据,输出新的飞机质量特性数据;步骤S4、对所述原飞机质量特性数据与所述新的飞机质量特性数据进行数据比对,输出误差数据点。本申请能够快速、准确地将飞机各个***、结构的质量特性数据分层整理后计算出全机质量特性数据,给出了全机各级零部件质量特性原始数据与计算结果的相对与绝对误差,并输出误差树供设计人员追溯误差来源。
Description
技术领域
本申请属于数据处理技术领域,特别涉及一种飞机质量特性数据自动处理方法。
背景技术
目前国内进行飞机质量特性数据处理时,主要通过工程师人工核对梳理各零部件之间的装配层级关系,并采用简单Excel模板计算各层级质量特性数据,在处理各专业提供的数量庞大且含有误差的质量特性数据时耗时耗力,且计算结果的准确性难以保证,缺乏一种简单高效的计算方法。
发明内容
为了解决上述技术问题,本申请提供了一种飞机质量特性数据自动处理方法,主要包括:
步骤S1、获取待处理的原飞机质量特性数据,所述原飞机质量特性数据包括自上而下的多个1~n级数据行,每行至少包括重量数据,其中1级数据行的重量数据大致是其下的多个2级数据行的重量数据之和,任一2级数据行的重量数据大致是位于其下方的至下一个2级数据行之间的多个3级数据行之和,任一3级数据行的重量数据大致是位于其下方的至下一个3级数据行之间的多个4级数据行之和,直至第n-1级数据行的重量数据大致是位于其下方的至下一个n-1级数据行之间的多个n级数据行之和;
步骤S2、通过贪心算法确定各级数据行,并按照预定的第一标记规则标记各级数据行;
步骤S3、采用筑塔式的质量特性计算方法自底向上层层计算,确定各级数据行的实际数据,输出新的飞机质量特性数据;
步骤S4、对所述原飞机质量特性数据与所述新的飞机质量特性数据进行数据比对,输出误差数据。
优选的是,步骤S1之前进一步包括:
步骤S0、获取飞机质量特性的约束范围,根据所述约束范围校验所述原飞机质量特性数据。
优选的是,所述飞机质量特性数据的每一行还包括重心、自身惯性矩和惯性积。
优选的是,步骤S2进一步包括:
步骤S21、获取重量误差容忍严格系数s、重心误差范围w;
步骤S22、获取最后一行未分层数据行号,作为起始行;
步骤S23、自底向上获取一行未分层数据;
步骤S24、计算该行数据对应的满足重心误差范围w的目标函数值:
步骤S25、遍历所有数据行,确定最优解,将对应的行号及其后的连续k个数据行定义为第i行的子集;
步骤S26、重复上述方法对所述原飞机质量特性数据进行分层。
优选的是,步骤S2中,预定的第一标记规则包括颜色,以不同颜色标记不同级的数据行数据。
优选的是,步骤S3中,进一步包括在新的飞机质量特性数据中,对该新的飞机质量特性数据与原飞机质量特性数据差值大于阈值的数据按第二标记规则进行标记。
优选的是,所述第二标记规则为字体加粗和/或倾斜。
优选的是,步骤S4中,进一步包括对误差数据中,超过阈值的数据按第三标记规则进行标记。
优选的是,所述第三标记规则为字体加粗和/或倾斜。
本申请能够快速、准确地将飞机各个***、结构的质量特性数据分层整理后计算出全机质量特性数据,并纠正了所提供数据中的错误,给出了全机各级零部件质量特性原始数据与计算结果的相对与绝对误差,并输出误差树供设计人员追溯误差来源。
附图说明
图1是本申请飞机质量特性数据自动处理方法的流程图。
图2是本申请图1所示实施例的有效性检验和数据自动分层梳理流程图。
图3是本申请图1所示实施例的数据自动计算和误差分析流程图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚,下面将结合本申请实施方式中的附图,对本申请实施方式中的技术方案进行更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施方式是本申请一部分实施方式,而不是全部的实施方式。下面通过参考附图描述的实施方式是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。基于本申请中的实施方式,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方式,都属于本申请保护的范围。下面结合附图对本申请的实施方式进行详细说明。
本申请提供了一种飞机质量特性数据自动处理方法。针对有误差的飞机质量特性数据分层整理问题,定义了一种飞机零部件装配层级表示方法和飞机质量特性数据分层质量评估标准,并首次将贪心算法引入飞机质量特性数据分层整理,实现了有误差的飞机质量特性数据整理的自动化;针对飞机零部件质量特性数据计算与误差分析问题,开发了一种自底向上层层计算的筑塔式的质量特性数据计算方法,以及一种能够全方位评估数据误差传递、积累过程的误差树模型误差分析方法,实现了飞机零部件质量特性数据计算、误差分析与误差追溯的自动化。该数据处理方法包括如下步骤见附图1-3,其具体步骤如下:
步骤S1、获取待处理的原飞机质量特性数据,所述原飞机质量特性数据包括自上而下的多个1~n级数据行,每行至少包括重量数据,其中1级数据行的重量数据大致是其下的多个2级数据行的重量数据之和,任一2级数据行的重量数据大致是位于其下方的至下一个2级数据行之间的多个3级数据行之和,任一3级数据行的重量数据大致是位于其下方的至下一个3级数据行之间的多个4级数据行之和,直至第n-1级数据行的重量数据大致是位于其下方的至下一个n-1级数据行之间的多个n级数据行之和;
步骤S2、通过贪心算法确定各级数据行,并按照预定的第一标记规则标记各级数据行;
步骤S3、采用筑塔式的质量特性计算方法自底向上层层计算,确定各级数据行的实际数据,输出新的飞机质量特性数据;
步骤S4、对所述原飞机质量特性数据与所述新的飞机质量特性数据进行数据比对,输出误差数据。
在一些可选实施方式中,步骤S1之前进一步包括:
步骤S0、获取飞机质量特性的约束范围,根据所述约束范围校验所述原飞机质量特性数据。
该步骤中,飞机质量特性数据有效性检验,设定飞机边界为当前型号尺寸的最前、最后、最左、最右、最上、最下坐标,设定当前计算部件的左右属性为空,遍历数据定位出包括零重量、负重量、负转动惯量、重心出边界、左右件反装等错误数据,并将错误数据标红加粗后置于屏幕正中央。备选实施方式中,进一步包括人工更改错误数据,与数据提供单位沟通错误数据并更改。
在一些可选实施方式中,所述飞机质量特性数据的每一行还包括重心、自身惯性矩和惯性积,如表1所示。
表1 原飞机质量特性数据(部分)
本申请的目的之一在于将上表进行分层,基于步骤S2,将上表处理成表2。
表2、处理后飞机质量特性数据表
表1与表2的不同之处在于,表2中,PartOrAssem01数据行进行了加粗,PartOrAssem02、PartOrAssem07、PartOrAssem11、PartOrAssem15、PartOrAssem19、PartOrAssem23数据行加入了下划线,以此表示PartOrAssem02、PartOrAssem07、PartOrAssem11、PartOrAssem15、PartOrAssem19、PartOrAssem23数据行是PartOrAssem01数据行的子集,PartOrAssem04、PartOrAssem04、PartOrAssem05、PartOrAssem06数据行是PartOrAssem02数据行的子集等,上述标记能够使得数据条理更加明确,便于数据校验追溯。
备选实施方式中,预定的第一标记规则包括颜色,以不同颜色标记不同级的数据行数据,采用颜色标记表2则效果更为明显,例如PartOrAssem01数据行整行标记为粉色,PartOrAssem02、PartOrAssem07、PartOrAssem11、PartOrAssem15、PartOrAssem19、PartOrAssem23数据行整行标记为黄色,其他行整行标记为绿色。下表给出了工程实践中给定的第一标记规则。
表3 第一标记规则表
数据层级 | RGB值 | 数据层级 | RGB值 |
1级 | (255,153,18) | 7级 | (128,100,162) |
2级 | (255,255,0) | 8级 | (255,192,203) |
3级 | (30,144,255) | 9级 | (197,217,241) |
4级 | (146,208,80) | 10级 | (238,236,225) |
5级 | (3,168,158) | 数据有误 | (255,0,0) |
6级 | (255,102,255) |
在一些可选实施方式中,步骤S2进一步包括:
Step1:设置严格系数s、重心误差w;
Step2:获取最后一行未分层数据行号;
Step3:自底向上获取一行未分层质量特性数据;
Step4:计算该行数据对应的满足重心误差的目标函数值Tar(i,k);
Step5:判断是否完成一次数据遍历,若是则继续下一步骤,若否则重复:Step2;
Step6:获取最优解对应的行号i及该最优解包含的子集个数k;
Step7:将i+1至i+k行数据定义为第i行的子集;
Step8:判断是否满足终止条件,若是则继续下一步骤,若否则重复Step1,其中终止条件为已完成所有数据的分层或当前最优解相较于上一次遍历数据获取的最优解增大。
Step9:依据飞机零部件装配层级表示方法输出分层结果。
在步骤Step4中,飞机质量特性数据自动分层,设定当前计算的重心误差范围w,取目标函数表达式为:
其中,i为当前遍历的数据行号;
k为当前数据行包含的元素个数;
Tar(i,k)为第i行数据包含k个元素时的目标函数值;
s为目标函数对数据误差容忍的严格系数,值越大表示越严格;
m为数据提供单位提供的父级重量;
u为程序根据各子一级元素求和计算得到的父级重量;
n为未分层的数据行数;
通过贪心算法自动梳理出飞机所有质量特性数据装配层级关系,并通过单元格底色标识数据装配层级,数据位置标识其从属关系,输出分层结果。
在一些可选实施方式中,步骤S3中,进一步包括在新的飞机质量特性数据中,对该新的飞机质量特性数据与原飞机质量特性数据差值大于阈值的数据按第二标记规则进行标记。在一些可选实施方式中,所述第二标记规则为字体加粗和/或倾斜。
图3给出了步骤S3的具体步骤,其具体步骤如下:
Step1:遍历步骤c输出的数据获取所有无子集数据;
Step2:获取数据层级标识判断数据层级,获取依据为飞机零部件装配层级表示方法;
Step3:以筑塔的方式自底向上计算上一层质量特性数据;
Step4:判断是否已计算至顶图,若是则继续下一步骤,若否则重复Step2;
Step5:依据塔式结构输出计算结果。
通过步骤S3,获得的飞机质量特性数据见表4。
表4 飞机质量特性数据第二标记示意。
本申请在步骤S4中,进行数据误差分析,对比分析步骤S3的计算结果,按照各零部件装配层级关系输出误差树,用于误差分析与误差追溯。所述的“误差树”模型,是一种包含计算过程中每个环节的误差绝对值、相对值以及误差传递关系的树状可视化误差分析与追溯模型,在一些可选实施方式中,误差采用第三标记规则进行标记,例如字体加粗和/或倾斜。如表5所示。
表5 误差数据第三标记示意
本申请提供了一种飞机零部件装配层级表示方法,为计算机自动处理质量特性数据奠定了基础;本申请提供了一种飞机质量特性数据分层质量评估方法,为计算机自动梳理质量特性数据提供了评估标准;实现了零部件装配层级关系梳理的自动化和质量特性数据计算的自动化,大大提高了工作效率和计算精度。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种飞机质量特性数据自动处理方法,其特征在于,包括:
步骤S1、获取待处理的原飞机质量特性数据,所述原飞机质量特性数据包括自上而下的多个1~n级数据行,每行至少包括重量数据,其中1级数据行的重量数据大致是其下的多个2级数据行的重量数据之和,任一2级数据行的重量数据大致是位于其下方的至下一个2级数据行之间的多个3级数据行之和,任一3级数据行的重量数据大致是位于其下方的至下一个3级数据行之间的多个4级数据行之和,直至第n-1级数据行的重量数据大致是位于其下方的至下一个n-1级数据行之间的多个n级数据行之和;
步骤S2、通过贪心算法确定各级数据行,并按照预定的第一标记规则标记各级数据行;
步骤S3、采用筑塔式的质量特性计算方法自底向上层层计算,确定各级数据行的实际数据,输出新的飞机质量特性数据;
步骤S4、对所述原飞机质量特性数据与所述新的飞机质量特性数据进行数据比对,输出误差数据;
其中,步骤S2进一步包括:
步骤S21、获取重量误差容忍严格系数s、重心误差范围w;
步骤S22、获取最后一行未分层数据行号,作为起始行;
步骤S23、自底向上获取一行未分层数据;
步骤S24、计算该行数据对应的满足重心误差范围w的目标函数值:
步骤S25、遍历所有数据行,确定最优解,将对应的行号及其后的连续k个数据行定义为第i行的子集;
步骤S26、重复上述方法对所述原飞机质量特性数据进行分层。
2.如权利要求1所述的飞机质量特性数据自动处理方法,其特征在于,步骤S1之前进一步包括:
步骤S0、获取飞机质量特性的约束范围,根据所述约束范围校验所述原飞机质量特性数据。
3.如权利要求1所述的飞机质量特性数据自动处理方法,其特征在于,所述飞机质量特性数据的每一行还包括重心、自身惯性矩和惯性积。
4.如权利要求1所述的飞机质量特性数据自动处理方法,其特征在于,步骤S2中,预定的第一标记规则包括颜色,以不同颜色标记不同级的数据行数据。
5.如权利要求1所述的飞机质量特性数据自动处理方法,其特征在于,步骤S3中,进一步包括在新的飞机质量特性数据中,对该新的飞机质量特性数据与原飞机质量特性数据差值大于阈值的数据按第二标记规则进行标记。
6.如权利要求5所述的飞机质量特性数据自动处理方法,其特征在于,所述第二标记规则为字体加粗和/或倾斜。
7.如权利要求1所述的飞机质量特性数据自动处理方法,其特征在于,步骤S4中,进一步包括对误差数据中,超过阈值的数据按第三标记规则进行标记。
8.如权利要求1所述的飞机质量特性数据自动处理方法,其特征在于,所述第三标记规则为字体加粗和/或倾斜。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111102406.7A CN113761666B (zh) | 2021-09-19 | 2021-09-19 | 一种飞机质量特性数据自动处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111102406.7A CN113761666B (zh) | 2021-09-19 | 2021-09-19 | 一种飞机质量特性数据自动处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113761666A CN113761666A (zh) | 2021-12-07 |
CN113761666B true CN113761666B (zh) | 2022-09-06 |
Family
ID=78796553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111102406.7A Active CN113761666B (zh) | 2021-09-19 | 2021-09-19 | 一种飞机质量特性数据自动处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113761666B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468851A (zh) * | 2015-11-26 | 2016-04-06 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种确定飞机动态重量特性的方法 |
CN105488267A (zh) * | 2015-11-26 | 2016-04-13 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种飞机燃油重量处理方法 |
CN107589668A (zh) * | 2017-08-31 | 2018-01-16 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种垂直起降飞行器质量特性参数测量方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6633259B1 (en) * | 1999-03-05 | 2003-10-14 | Rannuch Corporation | Method and apparatus for improving utility of automatic dependent surveillance |
-
2021
- 2021-09-19 CN CN202111102406.7A patent/CN113761666B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468851A (zh) * | 2015-11-26 | 2016-04-06 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种确定飞机动态重量特性的方法 |
CN105488267A (zh) * | 2015-11-26 | 2016-04-13 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种飞机燃油重量处理方法 |
CN107589668A (zh) * | 2017-08-31 | 2018-01-16 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种垂直起降飞行器质量特性参数测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113761666A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106919957B (zh) | 处理数据的方法及装置 | |
CN109872033B (zh) | 一种机场机位分配方法 | |
CN111950627A (zh) | 一种多源信息融合方法及其应用 | |
CN110991553B (zh) | Bim模型对比方法 | |
CN113218537B (zh) | 温度异常检测模型的训练方法、装置、设备和存储介质 | |
CN106708659A (zh) | 一种自适应最近邻缺失数据的填充方法 | |
CN111881124A (zh) | 一种基于改进算法的状态估计的数据处理方法及*** | |
CN110544047A (zh) | 一种不良数据辨识方法 | |
CN108108883B (zh) | 一种基于聚类算法的车辆调度网络弹性简化方法 | |
CN111221249B (zh) | 一种用于数据中心***群控的参数优化的方法 | |
CN103353895A (zh) | 一种配电网线损数据的预处理方法 | |
CN109684713B (zh) | 基于贝叶斯的复杂***可靠性分析方法 | |
CN113761666B (zh) | 一种飞机质量特性数据自动处理方法 | |
CN114676749A (zh) | 一种基于数据挖掘的配电网运行数据异常判定方法 | |
CN108629474B (zh) | 基于攻击图模型的流程安全评估方法 | |
CN109977131A (zh) | 一种房型匹配*** | |
CN116365519B (zh) | 一种电力负荷预测方法、***、存储介质及设备 | |
CN113554079A (zh) | 一种基于二次检测法的电力负荷异常数据检测方法及*** | |
CN113112126A (zh) | 基于人工智能的供水管漏损预警方法及*** | |
CN109212751B (zh) | 一种自由曲面公差的分析方法 | |
CN110928264A (zh) | 数据处理、数据处理装置以及计算机可读取记录介质 | |
CN111125078A (zh) | 一种继电保护装置缺陷数据修正方法 | |
CN107239594B (zh) | 一种基于pspice的模拟电路分散性优化方法 | |
CN113689526B (zh) | 地图中无效区域的划分方法及装置、电子设备 | |
CN112101468B (zh) | 一种在序列组合中判定异常序列的方法 |
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 |