[发明专利]一种飞行器电气系统重量的预测方法

说明书

本公开实施例是关于一种飞行器电气系统重量的预测方法。该方法包括：基于电气系统重量数据库，利用GRNN网络并增加扩展系数spread寻优过程，得到新研机载设备在各个研制阶段的重量；得到选用的货架机载设备重量；利用三维数模计算并优化线缆重量；根据新研机载设备的重量和线缆重量得到辅加项重量；根据新研机载设备的重量及其对应的选用的货架机载设备重量、线缆重量和辅加项重量得到电气系统重量。本公开实施例通过上述方法，利用GRNN网络对新研机载设备不同阶段重量进行预测，发挥了GRNN网络在样本数据量较少的情况下仍能精准预测的优势，并增加扩展系数spread寻优过程，实现对新研机载设备重量进行精准重量预测。

技术领域

本公开实施例涉及飞机重量技术领域，尤其涉及一种飞行器电气系统重量的预测方法。

背景技术

新研飞机研制阶段，以往电气系统的重量预测都是采用公式法、统计法、系数法、类比分析法、以及上述各种方法组合的综合方法，根据飞机的一些特征参数，如飞机长度、发动机数量、电功率等，通过历史统计数据进行重量预测，这种预测没有考虑技术发展、也很难跟踪系统组成的变化，使得系统重量预测数据的可靠性较低。

飞机设计的发展要求越来越准确地在飞机各个研制阶段对飞机系统包括电气系统重量进行精准预测，这样可以更准确地评估各个研制阶段的飞机性能的先进性、功能的可行性。由于在飞机研制阶段，飞机系统组成基本确定，但设备尚未确定，甚至还需要新研，因此，要准确预测电气系统重量难度很大。

因此，有必要改善上述相关技术方案中存在的一个或者多个问题。

需要注意的是，本部分旨在为权利要求书中陈述的本公开的技术方案提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

发明内容

本公开实施例的目的在于提供一种飞行器电气系统重量的预测方法，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开实施例，提供一种飞行器电气系统重量的预测方法，该方法包括：

基于电气系统重量数据库，利用GRNN(Generalized Regression NeuralNetwork，广义回归神经)网络并增加扩展系数spread寻优过程，得到新研机载设备在各个研制阶段的重量；

基于所述电气系统重量数据库，得到各个研制阶段的选用的货架机载设备重量；

利用三维数模计算并优化各个研制阶段的线缆重量；

基于所述电气系统重量数据库，根据所述新研机载设备在各个研制阶段的重量和所述线缆重量得到各个研制阶段的辅加项重量；

根据所述新研机载设备在各个研制阶段的重量及其对应的所述选用的货架机载设备重量、所述线缆重量和所述辅加项重量得到各个研制阶段的电气系统重量。

本公开的一实施例中，所述新研机载设备在各个研制阶段的重量包括：

方案阶段重量、详细设计阶段重量、F转C阶段重量、C转S阶段重量、S转D阶段重量和装机件重量；

其中，所述方案阶段重量和所述详细设计阶段重量为预设值。

本公开的一实施例中，所述新研机载设备的所述F转C阶段重量的计算过程包括：

基于所述新研机载设备的所述方案阶段重量和详细设计阶段重量，利用GRNN网络并进行扩展系数spread寻优，并根据mse函数变化找出F转C阶段的最优spread系数，再根据所述F转C阶段的最优spread系数得到所述F转C阶段重量。

本公开的一实施例中，所述新研机载设备的所述C转S阶段重量的计算过程包括：