下载文档原格式
一种逆向估计涡扇发动机主燃油流量的方法
杨士权;叶志锋;倪健
【期刊名称】《现代机械》
【年(卷),期】2014(000)004
【摘要】由某型涡扇发动机实时模型获取训练样本,使用支持向量回归机(SVR)的方法,通过离线训练建模,得出了发动机主燃油流量逆向估计模型.训练样本数据包括发动机状态量、输出量以及其它输入量,SVR建模参数则通过交叉验证与网格搜索组合法寻优得到.最后用C++语言进行了计算机仿真验证.结果表明,在飞行包线内的稳态工况或动态工况下,基于SVR的逆向估计模型的输出与发动机主燃油实际输入都基本吻合,且具有较高的精度.
【总页数】5页(P51-55)
【作者】杨士权;叶志锋;倪健
【作者单位】南京航空航天大学能源与动力学院,江苏南京210016;南京航空航天大学能源与动力学院,江苏南京210016;南京航空航天大学能源与动力学院,江苏南京210016
【正文语种】中文
【中图分类】V233.7
【相关文献】
1.某涡扇发动机主燃油通道模糊控制器设计 [J], 许国良;朱家海;于新民
2.一种涡扇发动机的主燃油调节器 [J], 周来嗣;赵锡同
3.涡扇发动机主燃油流量监控模型的建立及验证 [J], 郝晓乐;申世才;齐海帆;高扬
4.基于试飞数据的涡扇发动机主燃油系统建模研究 [J], 刘振刚;郭政波
5.涡扇发动机主燃油控制系统建模与仿真研究 [J], 程涛;祁英;孟庆明
因版权原因，仅展示原文概要，查看原文内容请购买。
信息通信INFORMATION&COMMUNICATIONS2019 (Sum.No199)2019年第7期(总第199期)一种基于SVR回归的机场航迹预测方法林毅(中国民航大学计算机科学与技术学院，天津300300)摘要：文章针对新机场噪音预测问题建立一种利用旧有数据进行预测的机器学习方法。
该方法使用原机场噪声观测记录与其飞行计划建立噪声预测模型，然后使用该模型以及新机场飞行计划预测新机场航迹分布作为噪音预测的基础。
为保证该预测结果准确性，引入交叉验证方法，将预测数据与原有数据混合建立验证模型评估预测准确率。
使用长期机场噪音数据进行的验证实验表明，该方法具有可靠的准确率。
关键词：SVR;回归算法;轨迹预测;机场航道中图分类号:V355文献标识码:A文章编号:1673-1131(2019)07-0058-021概述随着国内各个机场的扩建，飞机噪声对居民的影响也越发受到人们的关注，机场及航班数量的高速增加造成了机场周边居民与机场之间的矛盾。
因此,在新机场建设规划时，必须对新机场可能造成的噪声污染情况进行预测，为新机场的合理规划提供有价值的参考。
目前，使用标准噪音模型是进行机场噪声预测的主流方法，该方法的代表性应用是噪声预测软件INM。
但是该方法并非根据国内机场情况进行设计,也没有有效利用国内航班的历史数据，因此，作为标准模型方法的合理补充，可以使用国内机场的旧有数据利用机器学习方法进行预测。
而在能够影响机场产生噪音分布的各个因素中，航班飞行航迹占有重要的地位。
本文将历史航迹同机场飞行程序建立联系，得到一种能够相对可靠的表达航迹分布的指标，为使用回归方法对航迹分布展开预测提供了基础。
并提出一种基于迁移学习的SVR 支持向量机回归方法，有效减弱了机场数据之间由于航迹分布不同带来的矛盾。
并使用已有机场数据建立模型，将预测目标的相关参数导入该模型，最终得到一种能保存有效信息的迁移学习方法。
2SVR训练机构建及样本修正支持向量机回归SVR(support vector regression)是支持向量机在函数回归上的应用，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。
基于机器学习的航空油耗预测与优化技术研究随着社会的不断进步和科技的不断发展，机器学习技术越来越受到关注。
其中，在航空领域，机器学习技术被广泛应用于航班安全、运营管理等相关领域。
其中，基于机器学习的航空油耗预测与优化技术，成为了航空行业中一个重要的研究领域。
一、机器学习技术机器学习技术是指通过计算机的学习来加强人工智能的能力，从而实现自主学习、自我优化和自我完善的过程。
机器学习技术分为监督学习、无监督学习和强化学习等不同类型，具有高度的自适应能力。
二、航空燃油预测航空油耗是航空运输领域中的一个重要因素，对于航空公司的经济运营和环境保护都具有重要的影响。
因此，精准的航空燃油预测技术是航空公司优化油耗、降低成本、提高环保水平的重要手段。
机器学习技术可以利用已有的历史数据，并通过对于未来数据的预测，得出未来的燃油使用量，从而实现航空燃油的预测。
三、航空燃油优化除了预测之外，机器学习技术也可以应用于航空燃油的优化，提高航空公司的经济效益和环保水平。
航空燃油优化主要包括三个方面：飞行路径优化、飞机性能优化和航班时刻优化。
在机器学习技术的帮助下，可以对这三个方面进行量化的分析，得出最优解，从而达到航空燃油的优化。
四、机器学习技术在航空油耗预测与优化中的应用机器学习技术在航空油耗预测与优化中的应用已经取得了一定的成果。
一方面，机器学习技术可以大幅提高航空燃油预测的准确度，减小预测误差，从而提高航空公司的经济效益和环保水平；另一方面，机器学习技术可以精确优化航班的飞行路径、飞机性能和航班时刻，从而达到降低燃油消耗，提高航空公司的经济效益和环保水平的目的。
五、机器学习技术在航空油耗预测与优化中的前景随着机器学习技术的不断发展和航空公司对于经济效益和环保水平要求的不断提高，基于机器学习的航空油耗预测与优化技术的发展前景非常广阔。
未来，随着新的技术和新的数据采集手段的不断引入和完善，机器学习技术必将更加准确地预测航空燃油使用量，并有效地提高航空公司的经济效益和环保水平。
一种基于机器学习算法的飞机燃油消耗模型
房圣友
【期刊名称】《中国科技信息》
【年(卷),期】2024()2
【摘要】航空燃油成本作为航空公司主要成本来源,近些年随着燃油价格的持续上升已经占到其运营成本的40%以上,军用运轰类飞机执行任务时也需要尽可能减少燃油消耗以提升任务载荷、节约运输成本,同时准确的油耗控制也能提高地面保障的效率。
如何规划飞行剖面,以减少燃油消耗,降低运营成本,提高运行保障效率已成为军民领域都在认真考虑的问题。
飞机燃油消耗预测的准确性又是决定飞行剖面规划精度的关键因素,因此,分析飞机燃油消耗的影响因素,建立准确的飞机燃油消耗的预测模型,实现精确的飞行燃油消耗预测,对优化飞行任务剖面,降低运行成本具有重要的意义。
【总页数】4页(P42-45)
【作者】房圣友
【作者单位】中国飞行试验研究院
【正文语种】中文
【中图分类】F42
【相关文献】
1.飞机燃油消耗估计模型仿真研究
2.某型飞机燃油消耗随机森林模型的统计诊断
3.某型军用飞机下降阶段燃油消耗模型研究
4.基于BP神经网络的飞机爬升段燃油消耗模型研究
5.基于机器学习算法的飞机燃油消耗模型
因版权原因，仅展示原文概要，查看原文内容请购买。
基于机器学习的航空燃油消耗预测模型研究一、引言航空运输是目前最为快捷、高效的运输方式之一，而燃油则是飞机进行飞行的必要能源。
然而，燃油的消耗量既受到航班、飞机、气象等因素影响，也涉及到航空公司的运营、成本控制等问题，因此对于航空燃油消耗的预测显得十分重要。
基于此，本文将介绍一种基于机器学习的航空燃油消耗预测模型。
二、机器学习机器学习是一种利用计算机自动学习模型和算法的方法，它可以从数据中识别出模式，并用于预测或决策。
机器学习可以分为监督学习、无监督学习和强化学习三种方式。
监督学习是指使用标记数据进行训练，以预测未来的标记。
常用的监督学习算法包括决策树、支持向量机、神经网络等。
无监督学习则是没有标记数据，该算法不需要预先指定目标变量，只需要在数据中识别出模式。
常见的无监督学习算法包括聚类、降维等。
而强化学习则是通过交互式试错来学习和优化某个目标。
三、航空燃油消耗预测模型本文中所提到的航空燃油消耗预测模型是基于监督学习方法的。
该模型使用的训练数据包括航班、飞机、气象等多个相关因素，以及其所对应的燃油消耗。
根据这些数据，模型可以学习到各个因素对燃油消耗的贡献程度，并据此进行预测。
具体而言，本文建立的模型使用的算法是多元线性回归。
该算法可以根据多个自变量预测一个目标变量的值。
在本文中，多元线性回归算法所需要的自变量包括下列变量：1. 航班相关变量，如起飞时间、到达时间、起降机场、航班距离等。
2. 飞机相关变量，如飞机型号、机龄、座位数等。
3. 气象相关变量，如风速、温度、湿度等。
在选择自变量时，需要保证不出现多重共线性，即自变量之间不能有高度相关关系。
如果发现存在多重共线性，需要进行变量选择或多元共线性分析等处理方法。
四、模型评估在建立了基于机器学习的航空燃油消耗预测模型后，需要对模型进行评估，以确定其预测能力的强弱。
模型评估常用的指标包括均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）等。
浅析基于数据挖掘的巡航阶段燃油消耗计算方法
周洁敏;任文佳;周成彬
【期刊名称】《中国设备工程》
【年(卷),期】2024()2
【摘要】针对QAR数据获取难度大以及缺乏适用于巡航阶段燃油消耗估算方法的问题,本文提出了一种基于航迹数据和BADA数据库的巡航阶段油耗计算方法。
首先,采用数据挖掘对QAR数据进行预处理,并完成上升、平飞及下降3种飞行状态
的识别;其次,基于BADA数据库根据飞行状态建立油耗测算模型,从而构建巡航阶
段的燃油消耗模型;最后,对理论油耗与实际油耗进行误差分析,相对误差控制在10%以内,均方误差为7%,拟合度为0.9112。
该结果表明,本文提出的基于BADA的油
耗测算方法具有较高的精度,与QAR记录的实际油耗数相近,证实了该模型的可行
性与可靠性。
【总页数】4页(P127-130)
【作者】周洁敏;任文佳;周成彬
【作者单位】南京航空航天大学
【正文语种】中文
【中图分类】V323
【相关文献】
1.高速客运企业燃油消耗定额计算方法研究
2.基于出行里程分布的PHEV平均燃油消耗计算方法
3.海洋运输船舶燃油消耗航次定额计算方法研究
4.汽车加速工况燃油消耗量的计算方法
5.基于摩尔数平衡的燃油消耗量计算方法研究
因版权原因，仅展示原文概要，查看原文内容请购买。
专利名称：一种基于航行大数据的船舶主机油耗动态预估方法专利类型：发明专利
发明人：张焱飞,罗天朗,乔继潘
申请号：CN202011344234.X
申请日：20201126
公开号：CN112446096A
公开日：
20210305
专利内容由知识产权出版社提供
摘要：一种基于航行大数据的船舶主机油耗动态预估方法，包括如下步骤：将当前艏吃水、艉吃水、转速、时间以及地点的经纬度输入数据分类模块，获得对应数据种类类型；以及基于当前时间和经纬度获得当前对应的气象数据，包括风速、风向、浪高、浪向、浪周期、流速、流向；动态油耗预估模块根据数据种类类型选择所对应的油耗预估模型，之后将艏吃水、艉吃水、转速以及当前对应的气象数据输入所选择的油耗预估模型；输出船舶对地航速、功率以及每小时主机油耗。
其优点是：利用实时采集的航行数据构建而成，通过增量学习方法进行动态学习，无须学习大量过往数据，并能够保证该系统可以根据实时的船舶性能而精确预估船舶油耗。
申请人：上海船舶运输科学研究所
地址：200135 上海市浦东新区民生路600号
国籍：CN
代理机构：上海远同律师事务所
更多信息请下载全文后查看。
基于机器学习的船舶油耗预测刘洋洋卫家骏摘要：准确地预测船舶能耗对实现航速优化、纵倾优化等具有重要作用。
然而船舶油耗受到多种因素的影响，如航行速度、吃水、风速、浪高等，给船舶油耗预测带来众多困难与挑战。
本文收集了在航船舶传感器数据，通过对数据进行预处理，提取了与油耗影响有关的特征数据信息。
使用人工神经网络（ArtificialNeuralNetwork，ANN）、支持向量机回归（SupportVectorRegression，SVR）、岭回归（Ridge）等共7种机器学习方法进行船舶油耗预测。
实验结果表明，ANN的R2值大于0.9，预测精度最高，Lasso与Ridge的预测精度最低，R2值皆小于0.5。
本文提出的模型可为在航船舶实时油耗预测提供重要参考。
关键词：船舶油耗预测;人工神经网络;支持向量机Leifson等考虑风浪、污底附着物对船舶航行的影响，并结合主机与螺旋桨的工况，建立了油耗预测白箱模型，并使用人工神经网络对模型的各个参数进行了求取。
Yang等考虑到船舶实际航行中，由于风、浪等航行环境的影响，会造成失速现象，为此采用了Kwon的方法进行了航速估算，建立了远洋船舶的油耗预测模型。
Yan等基于在航船舶营运数据，建立了一种BPNN的船舶能耗预测模型，并对通航环境因素与能耗的影响进行了敏感性分析，预测获得的油耗值其精度要高于采用理论公式。
Sun等为了加快ANN的预测收敛速度，利用遗传算法对初始连接权值进行了优化，有效提高了模型的训练收敛速度。
Wang等在进行航速优化时，使用小波神经网络对航速、水深、风速进行了实时预测，并使用经验公式获得了阻力与航速的关系，在此基础上确定了主机转速与单位海里燃油消耗的函数关系。
叶睿与殷振宇等基于一艘丹麦籍客滚轮的运营数据，经过数据清洗，提取了油耗相关的特征数据信息，并使用人工神经网络进行油耗预测。
Yan等認为不同通航环境的船舶油耗存在一定的差异，为此采用k-mean 方法对航行环境数据进行聚类，并根据聚类结果，分析了长江内河不同位置的环境因素对油耗的影响。
专利名称：一种无人直升机燃油预估方法
专利类型：发明专利
发明人：张大高,田学稳,涂天佳,孙欣鑫,胡敏,张明申请号：CN201611086034.2
申请日：20161130
公开号：CN106768123A
公开日：
20170531
专利内容由知识产权出版社提供
摘要：本发明公开了一种无人直升机燃油预估方法，属于无人直升机技术领域。
基于查耗油率数字图表和飞行参数分析与统计的耗油率结合的一种混合预估方法，包括以下步骤；步骤一、根据无人直升机飞行航线对所述飞行航线分析，确定无人直升机飞行航线包含的过程和阶段；步骤二、预估无人机各阶段的平均油耗率和各阶段的持续时间t(i)并估算每个阶段的平均消耗油量；步骤三、将各阶段的消耗油量进行叠加运算整个飞行过程中燃油消耗量，考虑了温度和风速等因素对燃油预估的影响，大大提高了预估的精度。
申请人：中国直升机设计研究所
地址：333001 江西省景德镇市航空路6―8号
国籍：CN
代理机构：北京航信高科知识产权代理事务所(普通合伙)
代理人：高原
更多信息请下载全文后查看。
专利名称：一种飞机阶梯巡航耗油量的计算方法
专利类型：发明专利
发明人：商立英,明亚丽,任江涛,赵科社,张泰安,谭蓉蓉申请号：CN202210543908.1
申请日：20220519
公开号：CN114662343A
公开日：
20220624
专利内容由知识产权出版社提供
摘要：本公开实施例是关于一种飞机阶梯巡航耗油量的计算方法。
该方法包括：利用飞机阶梯巡航时爬升段增加的高度，确定爬升段飞机增加的重力势能；根据飞机稳定平飞到预设距离，确定飞机发动机推力所做的功；根据能量守恒，飞机增加的重力势能等于爬升段因重力势能增加而消耗的燃油能量，爬升段因重力势能增加而消耗的燃油能量近似等于飞机稳定平飞到预设距离时飞机发动机推力所做的功。
本公开实施例可以通过飞机阶梯巡航过程中爬升段的性能采用能量守恒的方法进行估算，将飞机阶梯巡航时爬升段增加的高度转换成航程的增加量，实现飞机阶梯巡航时的燃油消耗总量的计算，降低计算过程的复杂性，提高了计算效率和计算精度。
申请人：中国航空工业集团公司西安飞机设计研究所
地址：710089 陕西省西安市阎良区人民东路1号
国籍：CN
代理机构：西安亚信智佳知识产权代理事务所(普通合伙)
代理人：骆怡洁
更多信息请下载全文后查看。
