CN106407578A - 一种基于人工神经网络技术的飞机平尾寿命监控方法 - Google Patents

Abstract

本发明公开了一种基于人工神经网络技术的飞机平尾寿命监控方法。所述基于人工神经网络技术的飞机平尾寿命监控方法包括如下步骤：步骤1：确定飞机平尾基准损伤；步骤2：建立飞机平尾的人工神经网络载荷模型；步骤3：在飞机完成一次飞行其落后获取飞机平尾数据，并进行飞机平尾的当量消耗寿命的计算，从而得到飞机平尾的消耗寿命以及剩余寿命。采用本申请的基于人工神经网络技术的飞机平尾寿命监控方法通过确定飞机平尾基准损伤，应用人工神经网络载荷模型，建立飞机平尾载荷模型，并在飞机完成一次飞行其落后获取飞机平尾数据，计算出飞机飞行过程中飞机平尾的寿命消耗情况，实现对飞机平尾单机寿命的准确把控。

Description

一种基于人工神经网络技术的飞机平尾寿命监控方法

技术领域

本发明涉及飞机结构疲劳强度技术领域，特别是涉及一种基于人工神经网络技术的飞机平尾寿命监控方法。

背景技术

名词解释：

谱块：飞机载荷谱的专用名词。

关键部位：关键部位通常指飞机的应力集中较大的部位，每个飞机的关键部位在飞机设计时会确定。

单机寿命监控就是通过疲劳试验，分析得出飞机的寿命指标，同时对正在服役的飞机的飞行参数和关键部位局部应变进行监控，根据获得的数据，计算出每架飞机关键部位的累积损伤，并与试验获得的寿命指标进行对比，估算出飞机的剩余寿命，合理安排飞机的飞行任务，延长飞机的服役寿命，并减少不必要的维修。作为结构健康管理技术的重要组成部分，单机寿命监控技术对飞机飞行安全和降低飞机使用成本都具有重要作用，是现代飞机研制和使用中的重要技术。

目前我国普遍采用的是基于当量损伤的参数型单机寿命监控方法，这种方法不针对具体部位，而是利用机载设备记录的重心过载参数，通过奥丁变换公式、索德伯格公式等当量损伤计算公式计算出全机的当量损伤值，据此计算飞机的寿命消耗，预估飞机的剩余寿命。

然而，飞机平尾不同于机翼、机身，所以传统的参数型单机寿命监控方法并不适用。

因此，希望有一种技术方案来克服或至少减轻现有技术的至少一个上述缺陷。

发明内容

本发明的目的在于提供一种基于人工神经网络技术的飞机平尾寿命监控方法来克服或至少减轻现有技术的中的至少一个上述缺陷。

为实现上述目的，本发明提供一种基于人工神经网络技术的飞机平尾寿命监控方法，用于获得每次飞机完成一次飞行起落后的飞机平尾的消耗寿命以及剩余寿命，所述基于人工神经网络技术的飞机平尾寿命监控方法包括如下步骤：步骤1：确定飞机平尾基准损伤；步骤2：建立飞机平尾的人工神经网络载荷模型；步骤3：在飞机完成一次飞行其落后获取飞机平尾数据，并进行飞机平尾的当量消耗寿命的计算，从而得到飞机平尾的消耗寿命以及剩余寿命。

优选地，对飞机平尾进行疲劳试验，获得飞机平尾的一个谱块的当量损伤、疲劳试验中飞机平尾的单位小时当量损伤以及功能试验中飞机平尾的单位小时当量损伤；并根据所述疲劳试验中飞机平尾的单位小时当量损伤以及功能试验中飞机平尾的单位小时当量损伤通过公式获得飞机平尾的单位小时当量损伤。

优选地，所述疲劳试验包括全机疲劳试验以及功能试验，其中，所述全机疲劳试验用于获得平尾的一个谱块的当量损伤以及疲劳试验中飞机平尾的单位小时当量损伤；所述功能试验用于获得功能试验中飞机平尾的单位小时当量损伤。

优选地，所述全机疲劳试验具体为：

设定飞机平尾的关键部位的应力水平与重心过载呈线性关系，通过有限元分析计算出平尾关键部位的1g应力水平，将疲劳试验重心过载谱转换为平尾关键部位的应力谱，根据如下当量损伤计算公式计算出一个谱块的当量损伤：

D_i＝∑[(S_max,i-S_min,i)^m/2(S_max,i)^m/2]；其中，

S_max,i为载荷峰值，S_min,i为载荷谷值；D_i为一个谱块的当量损伤；

并根据一个谱块对应的飞行时间为t₁，采用如下公式计算出疲劳试验中平尾的单位小时当量损伤为：

其中，

为单位小时损伤，D₁为一个谱块的当量损伤，t₁为一个谱块对应的飞行时间。

优选地，所述功能试验具体为：

模拟飞行过程中飞机平尾的运动，根据飞机平尾的有限元分析，计算出功能试验加载与关键部位的应力关系；将功能试验载荷谱转换为关键部位的应力谱，根据当量损伤计算公式，计算一个加载谱块下关键部位的当量损伤D₂，功能试验一个谱块对应的飞行时间为t₂，通过如下公式算出疲劳试验中飞机平尾的单位小时当量损伤：

其中，

D₂为一个加载谱块下关键部位的当量损伤，t₂为功能试验一个谱块对应的飞行时间；为疲劳试验中飞机平尾的单位小时当量损伤。

优选地，所述飞机平尾的单位小时当量损伤通过如下公式获得：

其中，

为疲劳试验中飞机平尾的单位小时当量损伤；为疲劳试验中平尾的单位小时当量损伤；为飞机平尾的单位小时当量损伤。

优选地，所述步骤2具体为：

构建飞机平尾的人工神经网络载荷模型首先要确定网络的层数以及每层的节点数；输入为应变数据ε₁、ε₂、ε₃，输出为关键部位的应力，由此可以确定输入层节点数为3，输出层节点数为1；

根据下述公式：

式中n为隐含层节点数，n_i为输入层节点数，n₀为输出层节点数，a为取值在1-10之间的调整系数；确定隐含层节点数范围为2-12，再确定隐含层节点数n＝5，神经网络的拓扑结构为3-5-1；

确定输入层、隐含层、输出层的传递函数，设定最大容许误差；对训练数据进行预处理，将训练数据输入神经网络进行训练，当神经网络模型达到熟练，训练结束；使用试验数据，验证神经网络载荷模型的有效性，飞机平尾的人工神经网络载荷模型建立完成。

优选地，所述步骤3具体为：

记录飞机完成一次飞行起落后的数据，获得飞机该次飞行中飞机平尾的应变历程，根据所述步骤2所建立的飞机平尾的人工神经网络载荷模型，将应变历程转换为关键部位的应力谱，根据当量损伤计算公式可以计算得出本次飞行，飞机平尾的关键部位的损伤情况D_i，所以本次飞行的消耗寿命采用下述公式计算：

其中，

T_cost为本次飞行的消耗寿命；D_i为一个谱块的当量损伤；D为单位小时损伤；

所述剩余寿命采用下述公式计算：

T_remain＝T_total-∑T_cost，i；其中，

T_remain剩余寿命T_total总寿命T_cost，i某次飞行的消耗寿命。

采用本申请的基于人工神经网络技术的飞机平尾寿命监控方法通过确定飞机平尾基准损伤，应用人工神经网络载荷模型，建立飞机平尾载荷模型，并在飞机完成一次飞行其落后获取飞机平尾数据，计算出飞机飞行过程中飞机平尾的寿命消耗情况，实现对飞机平尾单机寿命的准确把控。

附图说明

图1是根据本发明第一实施例的基于人工神经网络技术的飞机平尾寿命监控方法的流程示意图。

图2是根据本发明第一实施例的基于人工神经网络技术的飞机平尾寿命监控方法的神经网络拓扑视图。

具体实施方式

为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。

图1是根据本发明第一实施例的基于人工神经网络技术的飞机平尾寿命监控方法的流程示意图。图2是根据本发明第一实施例的基于人工神经网络技术的飞机平尾寿命监控方法的神经网络拓扑视图。

如图1所示的基于人工神经网络技术的飞机平尾寿命监控方法，用于获得每次飞机完成一次飞行起落后的飞机平尾的消耗寿命以及剩余寿命，该基于人工神经网络技术的飞机平尾寿命监控方法包括如下步骤：

步骤1：确定飞机平尾基准损伤；

步骤2：建立飞机平尾的人工神经网络载荷模型；

步骤3：在飞机完成一次飞行其落后获取飞机平尾数据，并进行飞机平尾的当量消耗寿命的计算，从而得到飞机平尾的消耗寿命以及剩余寿命。

采用本申请的基于人工神经网络技术的飞机平尾寿命监控方法通过确定飞机平尾基准损伤，应用人工神经网络载荷模型，建立飞机平尾载荷模型，并在飞机完成一次飞行其落后获取飞机平尾数据，计算出飞机飞行过程中飞机平尾的寿命消耗情况，实现对飞机平尾单机寿命的准确把控。

在本实施例中，对飞机平尾进行疲劳试验，获得飞机平尾的一个谱块的当量损伤、疲劳试验中飞机平尾的单位小时当量损伤以及功能试验中飞机平尾的单位小时当量损伤；并根据疲劳试验中飞机平尾的单位小时当量损伤以及功能试验中飞机平尾的单位小时当量损伤通过公式获得飞机平尾的单位小时当量损伤。

在本实施例中，所述疲劳试验包括全机疲劳试验以及功能试验，其中，所述全机疲劳试验用于获得平尾的一个谱块的当量损伤以及疲劳试验中飞机平尾的单位小时当量损伤；所述功能试验用于获得功能试验中飞机平尾的单位小时当量损伤。

在本实施例中，所述全机疲劳试验具体为：

设定飞机平尾的关键部位的应力水平与重心过载呈线性关系，通过有限元分析计算出平尾关键部位的1g应力水平，将疲劳试验重心过载谱转换为评委关键部位的应力谱，根据如下当量损伤计算公式计算出一个谱块的当量损伤：

D_i＝∑[(S_max,i-S_min,i)^m/2(S_max,i)^m/2]；其中，

S_max,i为载荷峰值，S_min,i为载荷谷值；D_i为一个谱块的当量损伤；

并根据一个谱块对应的飞行时间为t₁，采用如下公式计算出疲劳试验中平尾的单位小时当量损伤为：

其中，

为单位小时损伤，D₁为一个谱块的当量损伤，t₁为一个谱块对应的飞行时间。在本实施例中，D₁代表某一个谱块的计算公式，其同样采用D_i的计算公式。

在本实施例中，所述功能试验具体为：

模拟飞行过程中飞机平尾的运动，根据飞机平尾的有限元分析，计算出功能试验加载与关键部位的应力关系；将功能试验载荷谱转换为关键部位的应力谱，根据当量损伤计算公式，计算一个加载谱块下关键部位的当量损伤D₂，功能试验一个谱块对应的飞行时间为t₂，通过如下公式算出疲劳试验中飞机平尾的单位小时当量损伤：

其中，

D₂为一个加载谱块下关键部位的当量损伤，t₂为功能试验一个谱块对应的飞行时间；为疲劳试验中飞机平尾的单位小时当量损伤。

在本实施例中，所述飞机平尾的单位小时当量损伤通过如下公式获得：

其中，

为疲劳试验中飞机平尾的单位小时当量损伤；为疲劳试验中平尾的单位小时当量损伤；为飞机平尾的单位小时当量损伤。在本实施例中，D₂代表某一个谱块的计算公式，其同样采用D_i的计算公式。

参见图2，在本实施例中，所述步骤2具体为：

构建飞机平尾的人工神经网络载荷模型首先要确定网络的层数以及每层的节点数；输入为应变数据ε₁、ε₂、ε₃，输出为关键部位的应力，由此可以确定输入层节点数为3，输出层节点数为1；

根据下述公式：

式中n为隐含层节点数，n_i为输入层节点数，n₀为输出层节点数，a为取值在1-10之间的调整系数；确定隐含层节点数范围为2-12，再确定隐含层节点数n＝5，神经网络的拓扑结构为3-5-1；

确定输入层、隐含层、输出层的传递函数，设定最大容许误差；对训练数据进行预处理，将训练数据输入神经网络进行训练，当神经网络模型达到熟练，训练结束；使用试验数据，验证神经网络载荷模型的有效性，飞机平尾的人工神经网络载荷模型建立完成。

在本实施例中，所述步骤3具体为：

记录飞机完成一次飞行起落后的数据，获得飞机该次飞行中飞机平尾的应变历程，根据所述步骤2所建立的飞机平尾的人工神经网络载荷模型，将应变历程转换为关键部位的应力谱，根据当量损伤计算公式可以计算得出本次飞行，飞机平尾的关键部位的损伤情况Di，所以本次飞行的消耗寿命采用下述公式计算：

T_cost为本次飞行的消耗寿命；D_i为一个谱块的当量损伤；D为单位小时损伤；

所述剩余寿命采用下述公式计算：

T_remain＝T_total-ΣT_cost，i；其中，

T_remain剩余寿命T_total总寿命T_cost，i某次飞行的消耗寿命。

本发明针对目前我国普遍采用的参数型单机寿命监控方法的局限性，提出了采用人工神经网络技术实现对飞机平尾部位的单机寿命监控方法，这种方法可以对飞机平尾在飞行过程中关键部位的损伤及寿命消耗情况进行有效的评估，准确把握飞机平尾的损伤情况，在保证飞机飞行安全的前提下，避免了不必要的维修。

最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于人工神经网络技术的飞机平尾寿命监控方法，用于获得每次飞机完成一次飞行起落后的飞机平尾的消耗寿命以及剩余寿命，其特征在于，所述基于人工神经网络技术的飞机平尾寿命监控方法包括如下步骤：

步骤1：确定飞机平尾基准损伤；

步骤2：建立飞机平尾的人工神经网络载荷模型；

步骤3：在飞机完成一次飞行其落后获取飞机平尾数据，并进行飞机平尾的当量消耗寿命的计算，从而得到飞机平尾的消耗寿命以及剩余寿命。

2.如权利要求1所述的基于人工神经网络技术的飞机平尾寿命监控方法，其特征在于，对飞机平尾进行疲劳试验，获得飞机平尾的一个谱块的当量损伤、疲劳试验中飞机平尾的单位小时当量损伤以及功能试验中飞机平尾的单位小时当量损伤；并根据所述疲劳试验中飞机平尾的单位小时当量损伤以及功能试验中飞机平尾的单位小时当量损伤通过公式获得飞机平尾的单位小时当量损伤。

3.如权利要求2所述的基于人工神经网络技术的飞机平尾寿命监控方法，其特征在于，所述疲劳试验包括全机疲劳试验以及功能试验，其中，所述全机疲劳试验用于获得平尾的一个谱块的当量损伤以及疲劳试验中飞机平尾的单位小时当量损伤；所述功能试验用于获得功能试验中飞机平尾的单位小时当量损伤。

4.如权利要求3所述的基于人工神经网络技术的飞机平尾寿命监控方法，其特征在于，所述全机疲劳试验具体为：

设定飞机平尾的关键部位的应力水平与重心过载呈线性关系，通过有限元分析计算出平尾关键部位的1g应力水平，将疲劳试验重心过载谱转换为平尾关键部位的应力谱，根据如下当量损伤计算公式计算出一个谱块的当量损伤：

D_i＝Σ[(S_max,i-S_min,i)^m/2(S_max,i)^m/2]；其中，

S_max,i为载荷峰值，S_min,i为载荷谷值；D_i为一个谱块的当量损伤；

并根据一个谱块对应的飞行时间为t₁，采用如下公式计算出疲劳试验中平尾的单位小时当量损伤为：

其中，

为单位小时损伤，D₁为一个谱块的当量损伤，t₁为一个谱块对应的飞行时间。

5.如权利要求4所述的基于人工神经网络技术的飞机平尾寿命监控方法，其特征在于，所述功能试验具体为：

模拟飞行过程中飞机平尾的运动，根据飞机平尾的有限元分析，计算出功能试验加载与关键部位的应力关系；将功能试验载荷谱转换为关键部位的应力谱，根据当量损伤计算公式，计算一个加载谱块下关键部位的当量损伤D₂，功能试验一个谱块对应的飞行时间为t₂，通过如下公式算出疲劳试验中飞机平尾的单位小时当量损伤：

其中，

D₂为一个加载谱块下关键部位的当量损伤，t₂为功能试验一个谱块对应的飞行时间；为疲劳试验中飞机平尾的单位小时当量损伤。

6.如权利要求5所述的基于人工神经网络技术的飞机平尾寿命监控方法，其特征在于，所述飞机平尾的单位小时当量损伤通过如下公式获得：

其中，

为疲劳试验中飞机平尾的单位小时当量损伤；为疲劳试验中平尾的单位小时当量损伤；为飞机平尾的单位小时当量损伤。

7.如权利要求6所述的基于人工神经网络技术的飞机平尾寿命监控方法，其特征在于，所述步骤2具体为：

构建飞机平尾的人工神经网络载荷模型首先要确定网络的层数以及每层的节点数；输入为应变数据ε₁、ε₂、ε₃，输出为关键部位的应力，由此可以确定输入层节点数为3，输出层节点数为1；

根据下述公式：

$n=\sqrt{n_i+n_o}+a;$

式中n为隐含层节点数，n_i为输入层节点数，n₀为输出层节点数，a为取值在1-10之间的调整系数；确定隐含层节点数范围为2-12，再确定隐含层节点数n＝5，神经网络的拓扑结构为3-5-1；

确定输入层、隐含层、输出层的传递函数，设定最大容许误差；对训练数据进行预处理，将训练数据输入神经网络进行训练，当神经网络模型达到熟练，训练结束；使用试验数据，验证神经网络载荷模型的有效性，飞机平尾的人工神经网络载荷模型建立完成。

8.如权利要求7所述的基于人工神经网络技术的飞机平尾寿命监控方法，其特征在于，所述步骤3具体为：

记录飞机完成一次飞行起落后的数据，获得飞机该次飞行中飞机平尾的应变历程，根据所述步骤2所建立的飞机平尾的人工神经网络载荷模型，将应变历程转换为关键部位的应力谱，根据当量损伤计算公式可以计算得出本次飞行，飞机平尾的关键部位的损伤情况D_i，所以本次飞行的消耗寿命采用下述公式计算：

其中，

T_cost为本次飞行的消耗寿命；D_i为一个谱块的当量损伤；D为单位小时损伤；

所述剩余寿命采用下述公式计算：

T_remain＝T_total-∑T_cost，i；其中，

T_remain剩余寿命T_total总寿命T_cost，i某次飞行的消耗寿命。