CN106126915B - 一种风洞天平振动信号稳定值的预测方法 - Google Patents
一种风洞天平振动信号稳定值的预测方法 Download PDFInfo
- Publication number
- CN106126915B CN106126915B CN201610459771.6A CN201610459771A CN106126915B CN 106126915 B CN106126915 B CN 106126915B CN 201610459771 A CN201610459771 A CN 201610459771A CN 106126915 B CN106126915 B CN 106126915B
- Authority
- CN
- China
- Prior art keywords
- signal
- vibration signal
- vibration
- balance
- wind
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Abstract
本发明提供了一种风洞天平振动信号稳定值的预测方法,属于信号分析技术领域。1、从多体动力学角度出发,将系统简化成为一个四自由度的动力学模型,对每个自由度进行动力学建模。2、从天平实测信号中初步截取其中一段数据,将该数据段分为流场、稳定振动、状态平稳三个过程;3、选取上述数据段中信号波谷为起始时间和截止时间,使截断信号包含倍数周期;4、对上述截断信号进行傅里叶变换,提取该信号主频率;5、得到主频率以后,基于第一步得到的衰减函数模型和梯度下降法,对截断信号曲线进行拟合和预测;6、为实现振动信号周期的自动截取,并提取振动信号主频率。分析周期数和信号精度之间的关系。主要用于风洞天平振动信号稳定值的预测。
Description
技术领域
本发明属于振动信号分析技术领域,特别涉及风洞天平振动信号的处理技术。
背景技术
风洞实验室是高速交通工具、飞行器等重大装备进行空气动力学研究的实验设备,是以人工的方式产生并且控制气流,用来模拟飞行器或其他实体周围气体的流动情况,并可量度气流对实体的作用效果以及观察物理现象的一种管道状设备,是进行空气动力试验最常用、最有效、研究空气动力学不可缺少的工具之一。风洞天平用于测力实验对模型气动力进行准确测量,与风洞实验技术的关系十分密切。在进行实验时,风洞的起动过程会产生较大的冲击载荷,模型在冲击载荷作用下会产生瞬态振动,由于实验的有效时间较短,振动不能完全衰减,因此,会影响天平的测试精度。
为了提高测试精度,本发明需要对实验模型的动力学特性和振动信号内在规律进行一系列研究,得到一种风洞天平振动信号稳定值预测方法。
发明内容
本发明的目的是提供一种风洞天平振动信号稳定值的预测方法,它能有效地提高天平信号的测试精度。
本发明的目的是通过以下技术方案来实现的:一种风洞天平振动信号稳定值的预测方法,从多体动力学角度出发,将风洞天平测试系统简化成由飞行器、框架、天平、支架组成的多自由度无阻尼系统,求解系统脉冲响应模型,并得到对应的数学函数模型。基于该数学函数模型对采集并截取的风洞天平振动信号进行拟合和预测,通过分析周期数和振动信号精度之间的关系,确定有效测试时间,提高测试精度。为进一步验证振动信号分析方法的准确性,设定大量实验,长时间采集衰减至平稳的信号,对比实验设备固有属性的物理参数和拟合参数是否吻合。同时,对比长时间实验得到的振动信号稳定值和拟合预测值是否一致。
具体实施步骤包括:
第一步、假设天平所测得的振动信号是由系统强迫振动和自由振动综合叠加的信号,将风洞测试系统简化成由飞行器、框架、天平、支架组成的多自由度无阻尼系统,再将其简化为一个四自由度的动力学模型,根据牛顿定律,对每个自由度进行动力学建模:
其中,M、C、K分别代表系统质量、粘性阻尼系数、刚度矩阵,系统受外力F作用,X表征位移矩阵,表征X的一阶导数,表征X的二阶导数。
风洞测试系统的脉冲响应可以表示为一个衰减函数模型f(t):
其中,a1、a2、Ts、Tr、Cf、s1、s2是衰减函数系数。
第二步、从实测得到的风洞天平振动信号中,初步截取其中一段数据,将该数据分为三段并依次定义为流场建立过程、稳定振动过程、状态平稳过程。
第三步、选取上述数据段中振动信号的波谷为起始时间和截止时间,进一步截断,使截断振动信号包含倍数周期。
第四步、对第三步得到的截断振动信号进行傅里叶变换得到频谱序列,并提取该振动信号主频率。
第五步、得到第四步主频率以后,通过第一步得到的衰减函数模型f(t)和梯度下降法,对截断振动信号曲线进行拟合和预测。
第六步、为实现天平振动信号的自动截取周期,通过在频谱序列中提取的主频率,反推一个时间周期所占的时间间隔。根据振动信号周期对稳定振动过程信号分段测量,分析其周期数和振动信号精度之间的关系,并通过实验进一步验证天平振动信号分析方法的准确性。
本发明和现有技术相比的优点和效果:现阶段主要利用大口径风洞进行吸气式高超声速飞行器一体化带动力实验研究,获得飞行器的气动与推阻性能。风洞实验时间短,冲击载荷大。导致实验模型与天平在冲击载荷的作用下产生振动。由于实验模型与天平的阻尼较小,在较短的风洞实验时间内振动不能完全衰减,会持续到风洞实验结束。因此,在整个实验过程中通过天平的输出信号为振荡测力曲线。准确获取风洞天平振动信号有效测试时间,测试信号趋势值有一定难度,本发明可以确定有效测试时间,提高测试精度,且准确确定振动信号趋势值。
附图说明
图1为本发明的预测方法框图
图2为本发明实施例的原始风洞天平振动信号图
图3为本发明实施例的风洞天平截取信号图
图4为本发明实施例的风洞天平振动信号不同过程时域图
图5为本发明实施例的风洞天平稳定振动过程信号图
图6为本发明实施例的截取风洞天平振动信号频谱图
图7为本发明实施例的风洞天平稳定振动过程的信号曲线拟合图
图8为本发明的梯度下降法流程图
具体实施方式
为了能够更详尽地了解本发明的特点与技术内容,下面结合附图对本发明的实现进行详细阐述。
一种风洞天平振动信号稳定值的预测方法,方法框图如图1所示。
(1)从多体动力学角度出发,将风洞测试系统简化成由飞行器、框架、天平、支架组成的多自由度无阻尼系统。假设天平所测得的信号是由系统强迫振动和自由振动综合叠加而成的信号。将系统简化成为一个四自由度的动力学模型,根据牛顿定律,对每个自由度进行动力学建模,公式推导如下:
其中,m、c、k分别代表系统质量、粘性阻尼系数、刚度。系统受外力F作用,x表征位移,表征x的一阶导数,表征x的二阶导数。
通过矩阵的形式描述运动方程组:
由于上述求得的动力学方程组实为一微分方程组,为了进行代数运算,通过拉普拉斯变换将该微分方程组转化为以复变数s为自变量的代数方程组:
[s2M+sC+K]{X(s)}={F}
等价处理后,将上述方程组从拉氏域转换到频域下:
[K-ω2M+jωC]{X(ω)}={0}
其中,ω是频率,s=jω。
求解上述方程组,得到的特征值表征系统的固有频率,特征向量表征系统的模态振型。根据线性相关定理,系统任意点的响应都可以表示为模态振型响应的线性组合。系统结构的动态脉冲响应X(ω):
其中,是方程组的特征向量,表征系统的模态振型,q是模态振型系数。
通过解耦运算求解模态振型系数q:
其中,是的转置,对称矩阵K、M、C解耦得到对角矩阵Kr、Mr、Cr。
求得模态振型系数和方程组通解:
其中,N是方程组通解的个数,ξ是衰减系数,ωd是有阻尼固有频率,θ是相位。
从函数形态上对比可知,风洞测试系统的脉冲响应可以表示为一个衰减函数模型f(t)。
其中,a1、a2、Ts、Tr、Cf、s1、s2是衰减函数系数。
(2)如图2所示,从采样频率为10000Hz的风洞天平实测信号中可以发现由冲击载荷造成的明显的信号波动,初步截取0.7s至1.7s的数据,如图3所示。将该数据段分为流场建立过程,稳定振动过程(有效测试时间),状态平稳过程三个过程,如图4所示。
(3)选取上述数据段中信号波谷为起始时间1.156s和截止时间1.32s,进一步截断,使截断信号包含四个周期,如图5所示。
(4)对第三步的截断信号进行傅里叶变换得到频谱序列,提取该截断信号主频率25Hz,如图6所示。
(5)得到第四步的主频率以后,基于梯度下降法和第一步推导得到的衰减函数模型,对截断信号曲线进行拟合和预测,如图7所示,趋势值为-0.4。梯度下降法流程图如图8所示。
(6)为实现振动信号周期的自动截取,通过提取到的主频率,反推一个时间周期所占的时间间隔。根据信号周期对稳定过程信号分段测量,分析周期数和信号精度之间的关系,精度达到5%以下。并通过实验进一步验证振动信号分析方法的准确性。
其中,是天平稳定振动过程幅值平均值,是信号分段测量幅值平均值,Xb是原始天平信号基准。
本实施例中核心算法由C语言编写完成,人机交互界面和逻辑操作程序由Python语言编写完成。
Claims (1)
1.一种风洞天平振动信号稳定值的预测方法,具体步骤包括:
第一步、假设天平所测得的振动信号是由系统强迫振动和自由振动综合叠加的信号,将风洞测试系统简化成由飞行器、框架、天平、支架组成的多自由度无阻尼系统,再将其简化为一个四自由度的动力学模型,根据牛顿定律,对每个自由度进行动力学建模:
其中,M、C、K分别代表系统质量、粘性阻尼系数、刚度矩阵,系统受外力F作用,X表征位移矩阵,表征X的一阶导数,表征X的二阶导数,
风洞测试系统的脉冲响应可以表示为一个衰减函数模型f(t):
其中,a1、a2、Ts、Tr、Cf、s1、s2是衰减函数系数;
第二步、从实测得到的风洞天平振动信号中,初步截取其中一段数据,将该数据分为三段并依次定义为流场建立过程、稳定振动过程、状态平稳过程;
第三步、选取上述数据段中振动信号的波谷为起始时间和截止时间,进一步截断,使截断振动信号包含倍数周期;
第四步、对第三步得到的截断振动信号进行傅里叶变换得到频谱序列,并提取该振动信号主频率;
第五步、得到第四步的主频率以后,通过第一步得到的衰减函数模型f(t)和梯度下降法,对截断振动信号曲线进行拟合和预测;
第六步、为实现天平振动信号的自动截取周期,通过在频谱序列中提取的主频率,反推一个时间周期所占的时间间隔;根据振动信号周期对稳定振动过程信号分段测量,分析其周期数和振动信号精度之间的关系,并通过实验进一步验证天平振动信号分析方法的准确性;为进一步验证振动信号分析方法的准确性,设定大量实验,长时间采集衰减至平稳的信号,对比实验设备固有属性的物理参数和拟合参数是否吻合,同时,对比长时间实验得到的振动信号稳定值和拟合预测值是否一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610459771.6A CN106126915B (zh) | 2016-06-23 | 2016-06-23 | 一种风洞天平振动信号稳定值的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610459771.6A CN106126915B (zh) | 2016-06-23 | 2016-06-23 | 一种风洞天平振动信号稳定值的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106126915A CN106126915A (zh) | 2016-11-16 |
CN106126915B true CN106126915B (zh) | 2017-03-22 |
Family
ID=57268039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610459771.6A Active CN106126915B (zh) | 2016-06-23 | 2016-06-23 | 一种风洞天平振动信号稳定值的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106126915B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107908592B (zh) * | 2017-11-16 | 2021-06-11 | 中国航天空气动力技术研究院 | 一种高超声速风洞背景噪声分频分析方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3787594B2 (ja) * | 2003-03-31 | 2006-06-21 | 川崎重工業株式会社 | 超音速風洞設備のノズル形状調整方法 |
RU2477460C1 (ru) * | 2011-07-14 | 2013-03-10 | Российская Федерация, от имени которой выступает Министерство промышленности и торговли Российской Федерации (Минпромторг России) | Способ определения коэффициентов аэродинамических сил и моментов при установившемся вращении модели летательного аппарата и устройство для его осуществления |
CN102538941B (zh) * | 2012-01-06 | 2014-06-11 | 中国空气动力研究与发展中心高速空气动力研究所 | 常规天平测量风洞中悬臂支撑模型固有频率的装置及方法 |
CN103940575B (zh) * | 2014-04-21 | 2016-11-02 | 西南交通大学 | 一种基于应变信号能量的风洞试验天平的评估方法 |
CN104111157B (zh) * | 2014-07-14 | 2017-03-15 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种检查风洞测量设备初读数的方法 |
CN104850759B (zh) * | 2015-06-16 | 2017-08-25 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种风洞强迫振动动稳定性导数试验数据处理方法 |
CN105136423B (zh) * | 2015-10-10 | 2017-10-13 | 中国航天空气动力技术研究院 | 考虑摩擦力的自由振动动导数试验的数据分析方法 |
-
2016
- 2016-06-23 CN CN201610459771.6A patent/CN106126915B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106126915A (zh) | 2016-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106240839A (zh) | 用于分析颤振试验数据的系统和方法 | |
Chen et al. | A nonlinear POD reduced order model for limit cycle oscillation prediction | |
Vidanović et al. | Validation of the CFD code used for determination of aerodynamic characteristics of nonstandard AGARD-B calibration model | |
CN106126915B (zh) | 一种风洞天平振动信号稳定值的预测方法 | |
CN111879348B (zh) | 一种惯性仪表性能地面测试系统效能分析方法 | |
Liu et al. | Non-equilibrium turbulent phenomena in transitional flat plate boundary-layer flows | |
CN115879331B (zh) | 基于开尔文模型的弹簧-阻尼减振结构参数优化分析方法 | |
Khodaparast et al. | Fuzzy model updating and its application to the DLR AIRMOD test structure | |
Liu et al. | Research on coupling distorted similitude method of coupled cylindrical–conical shells | |
CN103677184B (zh) | 面向虚拟机的cpu温度预测方法及装置 | |
Wu et al. | Uncertainty analysis of flutter predictions with focus on the AGARD 445.6 wing | |
Semiletov et al. | Empiricism-free noise calculation from LES solution based on Goldstein generalized acoustic analogy: volume noise sources and meanflow effects | |
Park et al. | Teaching a verification and validation course using simulations and experiments with paper helicopters | |
Saarinen et al. | Simulation of HVAC flow noise sources with an exit vent as an example | |
Song et al. | Uncertainty importance measure by fast fourier transform for wing transonic flutter | |
Liguori et al. | Accurate measurement of dry friction coefficient using reciprocating tribometer | |
Li et al. | A blended method incorporating a multi-model for pulse wind tunnel aerodynamic identification considering large-scale aircraft | |
Wang et al. | Scale-adaptive simulations of high-pressure turbine guide vane | |
Beran et al. | Sensitivity analysis for optimization of dynamic systems with reduced order modeling | |
Carryer | Theoretical Analysis of Nuclear Cross Sections | |
Poljak | Uncertainty Analysis of the NASA Glenn 8-by 6-Foot Supersonic Wind Tunnel 2019 Characterization Test 14-Foot, 5.8 Percent Test Section Porosity | |
Nili et al. | Sensitivity Analysis of Force Models for a Four-Way Coupled Eulerian-Lagrangian Dispersed Multiphase Flow | |
Yun-tao et al. | Numerical study on flow structure over a delta wing | |
Zhang et al. | Predicting the shock arrival time using 1D-HD solar wind model | |
Smith et al. | Uncertainty quantification of material mechanical properties using surrogate models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |