CN104698836A - 一种飞行数据的预处理方法 - Google Patents
一种飞行数据的预处理方法 Download PDFInfo
- Publication number
- CN104698836A CN104698836A CN201310654208.0A CN201310654208A CN104698836A CN 104698836 A CN104698836 A CN 104698836A CN 201310654208 A CN201310654208 A CN 201310654208A CN 104698836 A CN104698836 A CN 104698836A
- Authority
- CN
- China
- Prior art keywords
- flight data
- differential
- data
- flying quality
- aid
- 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
Landscapes
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
对于用于神经网络辨识用的飞行数据,在试飞过程中由于测试仪器不稳定或因外界干扰的影响,往往导致测量数据包含高频噪声和一些很不合理的野值。另外,对含噪声的信号直接微分将导致更高的噪声水平。因此需要对飞行数据进行野值剔除、高频滤波和微分平滑等预处理。根据用到的实际飞行数据,野值剔除采用七点二阶前推差分算式。选取截止频率为十赫兹的三阶Chebyshev-II型的低通数字滤波器对飞行数据进行滤波,该滤波器具有较好的滤波效果。采用七点二阶中心插值平滑算法进行飞行数据的微分平滑。
Description
一、技术领域
本发明属于智能控制与建模领域,本发明涉及动态系统辨识、数据处理等方法。
二、背景技术
用传统的机理建模方法建立直升机的仿真模型是可行的,但是这种方法需要大量的空气动力学知识。神经网络具有良好的非线性映射能力,因此可以用它来建立直升机的仿真模型。为了训练所建立的神经网络模型,需要飞行数据作为训练样本、测试样本。样本数据不可避免地含有高频噪声,而且在试飞过程中由于测试仪器不稳定或因外界干扰的影响,往往导致测量数据包含一些很不合理的跳点,即野值。另外,对含噪声的信号直接微分将导致更高的噪声水平。因此需要对飞行数据进行预处理。
三、专利内容:
1、专利目的
对飞行数据进行预处理,去除数据中的高频噪声,为神经网络辨识提供可靠的飞行数据,以提高神经网络训练的速度和精度。
2、技术解决方案
在天气状况良好、大气变化不明显的条件下,可忽略一些环境变量的影响,只考虑控制变量和状态变量的数据记录。对于直升机旋翼自转着陆过程的飞行状态,由记录仪器记录飞行数据,并对数据进行野值剔除、高频滤波和微分平滑等预处理。
3、技术效果及优点
这种基于神经网络的建模方法,避免了机理建模所需的空气动力学知识,大大降低了仿真模型的复杂度。采用的野值剔除、高频滤波和微分平滑等预处理方法,既简单又有效。能够为神经网络的训练提供适用的数据。
四、具体实施方式
1.飞行数据的野值剔除
在试飞过程中,由于测试仪器不稳定或外界干扰,往往导致测量数据中包含一些不合理的跳点,即野值。常用的野值判断和剔除方法有中心差分方法、前推差分方法等。为避免后面的野值逆传而误将前面的正常值判断为野值,不能采用中心差分公式,因此采用前推差分公式。根据本文用到的实际飞行数据,采用下列七点二阶前推差分算式是合适的。如果每个周期有几十个采样点,也可以采用更多点的二阶前推差分算式。
其中i=7,8,L,N,y1为原始数据,为插值后数据。先检验前6个点是正常点,按时间顺序逐点计算和新息对于野值点,其v1远大于正常值,满足下式的数据点为野值点:
通常数据中的连续野值点的值比较接近,当k点为野值点时,则满足下式的点也是野值点:
|yk+i-yk|<E (i=1,2,L,m) (4)
实际飞行数据连续野值点很少超过4点,故取m=3。
野值剔除后需要用拉各朗日插值公式求出野值点的补正值,以保证数据的完整性。若yk,yk+1,...,yk+n是野值点,则在yk点处向前确定三个正常值yk-1,yk-2,yk-3,在yk+n点后确定三个正常值yk+n+1,yk+n+2,yk+n+3,利用这些点作为已知值,由拉各朗日插值公式即可求出yk,yk+1,...,yk+n的补正值:
其中l=k,k+1,...,k+n;i,j≠k,k+1,...,k+n;i≠j
2.飞行数据的高频滤波
由于飞行数据不可避免地含有高频噪声,因此需要对实测飞行数据作频谱分析,以确定保留有用信号的带宽。一般情况下,直升机运动信号的频率比较低,通常小于10Hz。因此可选取保留直升机有用信号的最大频率为10Hz。另一方面,由信号处理的的知识可知,Chebyshev滤波器在f=f0附近的截止特性最好,曲线的衰减率最陡。因此选取截止频率f0=10Hz的3阶Chebyshev-II型的低通数字滤波器对飞行数据进行滤波,该滤波器具有较好的滤波效果。根据阶数n、通带内波纹Rp和截止频率Wn计算滤波器分子、分母系数,最后得到的具体形式为:
式中y为实测数据,为滤波后数据,系数分别为a0=a3=0.0049,a1=a2=0.0062,b1=-2.3857,b2=1.9463,b3=-0.5384。
3.飞行数据的微分平滑
实际应用中常常要求由测量数据获取其微分数据,而对含噪声的信号直接微分,一般将导致更高的噪声水平,因此需要对实测数据进行微分平滑,其主要方法有光滑样条、切比雪夫正交级数、多项式中心平滑等。前两种方法需要选择的参数较多,而且比较费时,实际当中很少采用。因此这里选用简单、常用的多项式平滑法,即七点二阶中心插值平滑算法,来进行飞行数据的微分平滑。其具体形式为:
式中i=4,5,...,N-3,N为采样点总数,y,分别是平滑前、平滑后的数据。
Claims (3)
1.一种飞行数据的预处理方法,其特征在于:采用七点二阶前推差分算式剔除野值。
2.权利要求1所述的一种飞行数据的预处理方法,其特征还在于:采用截止频率为十赫兹的三阶Chcbyshcv-II型低通数字滤波器对飞行数据进行滤波。
3.权利要求1所述的一种飞行数据的预处理方法,其特征还在于:采用七点二阶中心插值平滑算法对飞行数据的微分平滑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310654208.0A CN104698836A (zh) | 2013-12-05 | 2013-12-05 | 一种飞行数据的预处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310654208.0A CN104698836A (zh) | 2013-12-05 | 2013-12-05 | 一种飞行数据的预处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104698836A true CN104698836A (zh) | 2015-06-10 |
Family
ID=53346080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310654208.0A Pending CN104698836A (zh) | 2013-12-05 | 2013-12-05 | 一种飞行数据的预处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104698836A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090240A (zh) * | 2016-11-23 | 2018-05-29 | 北京空间技术研制试验中心 | 气动测量飞行试验数据处理与评估方法 |
CN112348002A (zh) * | 2021-01-08 | 2021-02-09 | 成都云鼎智控科技有限公司 | 一种用于发动机测试的数据处理方法 |
-
2013
- 2013-12-05 CN CN201310654208.0A patent/CN104698836A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090240A (zh) * | 2016-11-23 | 2018-05-29 | 北京空间技术研制试验中心 | 气动测量飞行试验数据处理与评估方法 |
CN112348002A (zh) * | 2021-01-08 | 2021-02-09 | 成都云鼎智控科技有限公司 | 一种用于发动机测试的数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105222809B (zh) | 一种地磁梯度鲁棒的航磁干扰补偿系数估计的方法 | |
CN103674062B (zh) | 基于Allan方差与ARMA模型分析提高陀螺仪测量精度的方法 | |
CN107860548B (zh) | 一种近似在线的颤振边界预测方法 | |
CN106487359B (zh) | 基于自适应多尺度AVG-Hat变换的形态学滤波器的构造方法 | |
CN109883392B (zh) | 一种基于相位补偿的捷联惯导升沉测量方法 | |
CN107705265A (zh) | 一种基于总曲率的sar图像变分去噪方法 | |
CN108519587B (zh) | 一种实时的空中目标运动模式识别及参数估计方法 | |
CN106500735A (zh) | 一种基于压缩感知的fbg信号自适应修复方法 | |
CN106451498B (zh) | 一种基于改进广义形态滤波的低频振荡模态辨识方法 | |
Cedro et al. | Determining of signal derivatives in identification problems-FIR differential filters | |
WO2018223416A1 (zh) | 一种fri稀疏采样核函数构建方法及电路 | |
CN106546436B (zh) | 一种汽车零部件载荷谱有效压缩方法 | |
CN103956756A (zh) | 一种电力系统低频振荡模态辨识方法 | |
CN103957009A (zh) | 一种对压缩采样系统低通滤波器进行补偿的方法 | |
CN103823177B (zh) | 基于窗函数设计的滤波器性能检测方法和系统 | |
CN105929380B (zh) | 一种卫星激光高度计全波形激光雷达数据去噪方法 | |
CN104698836A (zh) | 一种飞行数据的预处理方法 | |
CN103777228A (zh) | 基于iir滤波器的数字核脉冲信号高斯成形方法 | |
CN106500991B (zh) | 基于自适应多尺度AVG-Hat变换的轴承故障信号特征提取方法 | |
CN108805011B (zh) | 一种数字滤波方法及系统 | |
CN112689288A (zh) | 一种基于wann的射频指纹提取和识别方法 | |
CN106991816B (zh) | 道路交通流评价方法 | |
CN103401533A (zh) | 一种基于hmm/kf稳态反馈的数字滤波方法 | |
CN103777221B (zh) | 基于窗函数法的数字核脉冲信号高斯成形方法 | |
CN110716534A (zh) | 一种基于自整定变分模态分解的工业过程振荡检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150610 |