CN104881585A - 一种两自由度机翼的颤振边界预测方法 - Google Patents
一种两自由度机翼的颤振边界预测方法 Download PDFInfo
- Publication number
- CN104881585A CN104881585A CN201510320937.1A CN201510320937A CN104881585A CN 104881585 A CN104881585 A CN 104881585A CN 201510320937 A CN201510320937 A CN 201510320937A CN 104881585 A CN104881585 A CN 104881585A
- Authority
- CN
- China
- Prior art keywords
- flutter
- wind speed
- alpha
- criterion
- wing
- 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
Abstract
本发明公开了一种两自由度机翼的颤振边界预测方法,该方法包括以下步骤:测得待测风速下机翼的加速度响应信号,用带通滤波器滤掉低频噪声和高频模态,保留信号中的颤振耦合两个模态,用递推最小二乘法计算出每个风速下机翼响应信号ARMA模型的AR项系数,根据稳定性准则进行判定,计算不同风速下的颤振判据,用每个风速下得到的颤振判据与风速进行二次函数拟合,通过曲线外推,当颤振判据F下降为零时的风速,即为颤振边界。本发明能评估不同风速下机翼的气动弹性稳定性,能在较低风速下给出一定精度的颤振边界,这能减少风洞试验的安全隐患。本发明利用颤振判据F预测的结果与用颤振模态阻尼比预测的结果作对比,增加了预测结果的准确性和可靠性。
Description
技术领域
本发明涉及颤振边界预测技术领域,具体涉及一种两自由度机翼的颤振边界预测方法。
背景技术
颤振是弹性体在气流中发生的不稳定振动现象,颤振可使飞行器结构在很短时间内破坏。在飞行器设计定型阶段必须要掌握其颤振特性,确保飞行包线内不会发生颤振。因此,发展一种准确、可靠的颤振边界预测方法对于飞行器设计非常重要。
速度-阻尼比法是传统的颤振预测方法,但此方法的颤振判据是阻尼比,然而,由于测量过程中的噪声会很大影响阻尼比估计的准确性,并且对于爆发型颤振,阻尼比在靠近颤振边界时突然骤减,因此用速度阻尼比法预测颤振边界具有很大的局限性,会增大试验风险性。
普通振动试验可以采取主动激励获取系统的频响函数,风洞试验因受模型尺寸和结构限制,不便用主动激励方式获取频响函数。因而使用紊流自然激励方式,紊流激励可近似看成白噪声激励,这样的风洞试验信号可以用自回归滑动平均(ARMA)模型表示,并且系统的特征方程系数可用AR项表示,通过求特征方程根就可计算出系统模态参数(频率和阻尼比)。此外自回归(AR)项与系统稳定性有关,对机翼响应信号分析并求解出系统的AR项系数可构造系统稳定性参数和颤振判据,从而评估系统的稳定性状态,并预测颤振边界。
发明内容
发明目的:为了解决现有技术中,速度-阻尼比无法较早预测两自由度机翼颤振边界的问题,本发明通过识别机翼响应信号的AR项系数,并用来构造颤振判据,对颤振判据与风速进行二次拟合外推,能在较低风速下获得一定精度的颤振边界。
技术方案:一种两自由度机翼的颤振边界预测方法,其特征在于,该方法包括以下步骤:
步骤1)设定待测风速为vi,测得vi下机翼的加速度响应信号,用带通滤波器滤掉低频噪声和高频模态,保留信号中的颤振耦合两个模态;
步骤2)用递推最小二乘法计算出步骤1)所得到的每个风速下机翼响应信号ARMA模型的AR项系数,将AR项系数设为{α0,α1,α2,α3,α4};
步骤3)用步骤2)给出的AR项系数构造稳定性参数,根据稳定性准则进行判定:
G(1)=1+α1+α2+α3+α4>0
G(-1)=1-α1+α2-α3+α4>0
F+(1)=1+α4>0,F-(1)=1+α4>0
F+(3)=det(X+Y)>0
F-(3)=det(X-Y)>0
其中,
若在风速vi下能满足以上所有方程式,则判定系统是稳定的,进行步骤4);如不稳定,则说明发生颤振;
步骤4)用步骤2)给出的AR项系数构造颤振边界判据,定义颤振边界判据F,计算公式如下:
步骤5)计算不同风速vi下的颤振判据F,用每个风速下得到的颤振判据F与风速vi进行二次函数拟合,通过曲线外推,当颤振判据F下降为零时的风速,即为颤振边界。
有益效果:
本发明能评估不同风速下机翼的气动弹性稳定性,能在较低风速下给出一定精度的颤振边界,这能减少风洞试验的安全隐患。本发明利用颤振判据F预测的结果与用颤振模态阻尼比预测的结果作对比,增加了预测结果的准确性和可靠性。
附图说明
图1是风速为60m/s机翼的响应信号;
图2是风速为60m/s时的系统AR项系数的识别结果;
图3是风速为60m/s时机翼的阻尼比识别结果;
图4是风速为60m/s时机翼的固有频率识别结果;
图5是风速为70m/s的颤振边界预测结果;
图6是风速为120m/s的颤振边界预测结果;
图7是实施例的速度-阻尼比和速度-频率图
具体实施方式
下面结合附图对本发明做更进一步的解释。一种两自由度机翼的颤振边界预测方法,其特征在于,该方法包括以下步骤:
步骤1)设定待测风速为vi,测得vi下机翼的加速度响应信号,用带通滤波器滤掉低频噪声和高频模态,保留信号中的颤振耦合两个模态;
步骤2)用递推最小二乘法计算出步骤1)所得到的每个风速下机翼响应信号ARMA模型的AR项系数,将AR项系数设为{α0,α1,α2,α3,α4};
步骤3)用步骤2)给出的AR项系数构造稳定性参数,根据稳定性准则进行判定:
G(1)=1+α1+α2+α3+α4>0
G(-1)=1-α1+α2-α3+α4>0
F+(1)=1+α4>0,F-(1)=1+α4>0
F+(3)=det(X+Y)>0
F-(3)=det(X-Y)>0
其中,
若在风速vi下能满足以上所有方程式,则判定系统是稳定的,进行步骤4);如不稳定,则说明发生颤振;
步骤4)用步骤2)给出的AR项系数构造颤振边界判据。定义颤振边界判据F,计算公式如下:
步骤5)计算不同vi下的颤振判据F,用每个风速下得到的颤振判据F与风速vi进行二次函数拟合,通过曲线外推,当颤振判据F下降为零时的风速,即为颤振边界。
实施例:
本发明的颤振预测方法如下,以风速60m/s为例:
建立机翼模型,用NASTRAN软件算出模型的颤振边界为149m/s作为参考值。
测得60m/s机翼的响应信号如图1所示,从响应信号中估算的AR项系数如图2所示,取迭代稳定后的估计值的均值,得α1=-0.319(理论值-0.325),α2=-0.533(理论值-0.547),α3=-0.305(理论值-0.292),(理论值0.72),计算出稳定性参数:G(1)=0.55,G(-1)=1.81,F+(1)=1.72,F+(3)=0.51,F-(3)=0.17,各项稳定性参数均大于零,系统是稳定的。同时计算颤振边界判据:F=2.274。识别的模态参数分别如图3和图4所示,可得到:η1=0.191(理论值0.189),ω1=42.66Hz(理论值41.97Hz);η2=0.031(理论值0.032),ω2=227.57Hz(理论值227.87Hz)。
以此类推得到风速分别为62,64,66,68,70m/s时机翼的各项稳定性参数、颤振判据F和模态参数,对这6个风速下的F与风速进行二次曲线拟合,如图5所示预测颤振速度为154.52m/s,而实际颤振边界为149m/s,误差+3.7%。增大风速加载,分别对110,112,114,116,118,120m/s六个风速与F进行二次曲线拟合,如图6所示,预测的颤振速度为146.73m/s,误差-1.5%,增大外推时的风速,可提高精度,但精度提高的不明显,因此用低风速预测的颤振边界,就能给试验设计人员一可靠的参考值。
由图5可看出判据F在接近颤振边界(140m/s)时候下降速率增加,这导致用较低外推风速预测的颤振速度偏大,用较高的外推风速预测的颤振速度偏小。因此颤振速度就在两者之间,若取两预测风速的平均值150.6m/s,作为预测结果,可明显提高预测精度。
而用传统的速度阻尼比法预测的颤振风速如图7所示,预测的颤振速度为149.5m/s,与用颤振边界判据F预测的结果相吻合,然而危险模态阻尼比只有在靠近颤振边界140m/s后才有下降趋势。因此在该风速之前无法预测颤振边界,这让风洞试验存在很大的安全隐患。
本发明针对两自由度机翼,能在较低风速下得到一有较高精度的颤振边界,克服了传统的速度阻尼比法预测颤振边界的弊端,提高了试验的安全性与可靠性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种两自由度机翼的颤振边界预测方法,其特征在于,该方法包括以下步骤:
1)设定待测风速为vi,测得风速vi下机翼的加速度响应信号,用带通滤波器滤掉低频噪声和高频模态,保留信号中的颤振耦合两个模态;
2)用递推最小二乘法计算出步骤1)所得到的每个风速下机翼响应信号ARMA模型的AR项系数,将AR项系数设为{α0,α1,α2,α3,α4};
3)用步骤2)给出的AR项系数构造稳定性参数,根据稳定性准则进行判定:
G(1)=1+α1+α2+α3+α4>0
G(-1)=1-α1+α2-α3+α4>0
F+(1)=1+α4>0,F-(1)=1+α4>0
F+(3)=det(X+Y)>0
F-(3)=det(X-Y)>0
其中,
若在风速vi下能满足以上所有方程式,则判定系统是稳定的,进行步骤4);如不稳定,则说明发生颤振;
4)用步骤2)给出的AR项系数构造颤振边界判据,定义颤振边界判据F,计算公式如下:
5)计算不同风速vi下的颤振判据F,用每个风速下得到的颤振判据F与风速vi进行二次函数拟合,通过曲线外推,当颤振判据F下降为零时的风速为颤振边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510320937.1A CN104881585A (zh) | 2015-03-24 | 2015-06-11 | 一种两自由度机翼的颤振边界预测方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2015101310601 | 2015-03-24 | ||
CN201510131060 | 2015-03-24 | ||
CN201510320937.1A CN104881585A (zh) | 2015-03-24 | 2015-06-11 | 一种两自由度机翼的颤振边界预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104881585A true CN104881585A (zh) | 2015-09-02 |
Family
ID=53949078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510320937.1A Pending CN104881585A (zh) | 2015-03-24 | 2015-06-11 | 一种两自由度机翼的颤振边界预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104881585A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599492A (zh) * | 2016-12-19 | 2017-04-26 | 厦门大学 | 一种基于逻辑回归的飞行器颤振分析及其qmu评估方法 |
CN106777696A (zh) * | 2016-12-19 | 2017-05-31 | 厦门大学 | 基于qmu的颤振设计方法 |
CN109063290A (zh) * | 2018-07-20 | 2018-12-21 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于神经网络技术的颤振预测方法 |
CN109086501A (zh) * | 2018-07-20 | 2018-12-25 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种颤振预测方法 |
CN109521673A (zh) * | 2018-10-25 | 2019-03-26 | 北京航空航天大学 | 一种二维机翼颤振问题的区间滑模抑制方法 |
CN109885854A (zh) * | 2018-11-23 | 2019-06-14 | 南京航空航天大学 | 基于arma模型的颤振边界实时预测系统及预测方法 |
CN114608795A (zh) * | 2022-05-11 | 2022-06-10 | 中国飞机强度研究所 | 一种飞机吹风测试用风洞系统共振边界确定方法 |
CN117091987A (zh) * | 2023-08-28 | 2023-11-21 | 北京龙版科技有限公司 | 一种农产品质量安全智能检测方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530511A (zh) * | 2013-10-10 | 2014-01-22 | 南京航空航天大学 | 紊流激励条件下的风洞颤振试验颤振边界预测方法 |
-
2015
- 2015-06-11 CN CN201510320937.1A patent/CN104881585A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530511A (zh) * | 2013-10-10 | 2014-01-22 | 南京航空航天大学 | 紊流激励条件下的风洞颤振试验颤振边界预测方法 |
Non-Patent Citations (4)
Title |
---|
Y.MATSUZAKI ET AL: "Response Characteristics of A Two-Dimensional Wing Subjected To Turbulence Near The Flutter Boundary", 《JOURNAL OF SOUND AND VIBRATION》 * |
俱利锋等: "颤振边界预测技术在颤振试飞中的应用研究", 《飞行力学》 * |
张伟伟等: "颤振飞行试验的边界预测方法回顾与展望", 《HTTP://WWW.CNKI.NET/KCMS/DETAIL/ 11.1929.V.20 150210.1051.001.HTML》 * |
郭洪涛: "面向紊流激励响应的颤振亚临界预测方法", 《第13届中国系统仿真技术及其应用学术年会》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599492B (zh) * | 2016-12-19 | 2019-08-13 | 厦门大学 | 一种基于逻辑回归的飞行器颤振分析及其qmu评估方法 |
CN106777696A (zh) * | 2016-12-19 | 2017-05-31 | 厦门大学 | 基于qmu的颤振设计方法 |
CN106777696B (zh) * | 2016-12-19 | 2019-05-17 | 厦门大学 | 基于qmu的颤振设计方法 |
CN106599492A (zh) * | 2016-12-19 | 2017-04-26 | 厦门大学 | 一种基于逻辑回归的飞行器颤振分析及其qmu评估方法 |
CN109063290A (zh) * | 2018-07-20 | 2018-12-21 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于神经网络技术的颤振预测方法 |
CN109086501A (zh) * | 2018-07-20 | 2018-12-25 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种颤振预测方法 |
CN109521673A (zh) * | 2018-10-25 | 2019-03-26 | 北京航空航天大学 | 一种二维机翼颤振问题的区间滑模抑制方法 |
CN109885854A (zh) * | 2018-11-23 | 2019-06-14 | 南京航空航天大学 | 基于arma模型的颤振边界实时预测系统及预测方法 |
CN109885854B (zh) * | 2018-11-23 | 2023-07-11 | 南京航空航天大学 | 基于arma模型的颤振边界实时预测系统及预测方法 |
CN114608795A (zh) * | 2022-05-11 | 2022-06-10 | 中国飞机强度研究所 | 一种飞机吹风测试用风洞系统共振边界确定方法 |
CN114608795B (zh) * | 2022-05-11 | 2022-07-22 | 中国飞机强度研究所 | 一种飞机吹风测试用风洞系统共振边界确定方法 |
CN117091987A (zh) * | 2023-08-28 | 2023-11-21 | 北京龙版科技有限公司 | 一种农产品质量安全智能检测方法及系统 |
CN117091987B (zh) * | 2023-08-28 | 2024-04-09 | 广东嘉沃供应链有限公司 | 一种农产品质量安全智能检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104881585A (zh) | 一种两自由度机翼的颤振边界预测方法 | |
CN101859146B (zh) | 一种基于预测滤波和经验模态分解的卫星故障预测方法 | |
CN104443427B (zh) | 飞行器颤振预测系统及方法 | |
CN103530511A (zh) | 紊流激励条件下的风洞颤振试验颤振边界预测方法 | |
EP2551689B1 (en) | Device for calculating impedances of battery cell and battery impedance measuring system | |
CN105300692B (zh) | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 | |
CN106872904A (zh) | 基于离散滑模观测器的锂电池内部温度估计方法 | |
CN106842060A (zh) | 一种基于动态参数的动力电池soc估算方法及系统 | |
CN103389472B (zh) | 一种基于nd-ar模型的锂离子电池循环寿命的预测方法 | |
CN107860548B (zh) | 一种近似在线的颤振边界预测方法 | |
CN109885854A (zh) | 基于arma模型的颤振边界实时预测系统及预测方法 | |
CN107505574A (zh) | 基于极大似然带渐消因子的ukf锂电池估算方法 | |
CN107688554A (zh) | 基于自适应傅里叶分解的频域辨识方法 | |
Liu et al. | Explicit polynomial regression models of wind characteristics and structural effects on a long‐span bridge utilizing onsite monitoring data | |
CN110866366A (zh) | 一种基于XGBoost算法的含PHEV光伏微网孤岛检测法 | |
CN103207931A (zh) | 基于mm和arma算法的次同步振荡模态辨识方法 | |
CN113190969A (zh) | 一种基于信息评估机制的锂电池模型参数辨识方法 | |
CN106446384B (zh) | 一种桥式起重机主梁结构的损伤识别方法 | |
CN115270239A (zh) | 基于动力特性和智能算法响应面法的桥梁可靠性预测方法 | |
CN113128047A (zh) | 一种航空发动机推力计算方法、存储介质及计算设备 | |
CN104615863A (zh) | 一种带控制面的三自由度机翼的颤振边界预测方法 | |
CN115455833B (zh) | 一种考虑分类的气动不确定性表征方法 | |
CN111967676A (zh) | 基于逐步回归的飞机起飞擦机尾风险预测的方法和系统 | |
CN107765235A (zh) | 基于数字滤波、数字包络提取的超声波测距算法 | |
WO2024073899A1 (zh) | 一种考虑两端半刚性约束的拉索索力识别算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150902 |