CN107462394B - 基于平滑预测策略的多传感器风洞支杆抑振方法 - Google Patents

Abstract

本发明基于平滑预测策略的多传感器风洞支杆抑振方法属于风洞试验技术领域，涉及一种基于平滑预测策略的多传感器风洞支杆抑振方法。该方法采用视觉测量的方法实时观测振动相位状态，利用加速度传感器得到振动信息，针对滤波处理时发生的信号时滞，结合视觉测量和加速度传感器的信息，应用平滑预测策略，得到实时的加速度预测值作为测量信号；通过控制器计算，经过功率放大器放大，实现对压电作动器的控制进而实现风洞模型振动的主动抑制。该方法兼具加速度传感器准确和视觉测量快速的优点，弥补了以往试验方法由于滤波延时的问题，可靠性强、鲁棒性好，适合风洞实验实际测量中的应用。

Description

基于平滑预测策略的多传感器风洞支杆抑振方法

技术领域

本发明属于风洞试验技术领域，具体涉及一种基于平滑预测策略的多传感器风洞支杆抑振方法。

背景技术

风洞试验是依据运动的相对性原理，将飞行器的模型或实物固定在地面人工环境中，人为制造气流流过，以此模拟空中各种复杂的飞行状态，获取实验数据，在设计飞行器的过程中，必须进行风洞试验。

在风洞试验过程中，需要对飞行器进行支撑。一般采用尾部支撑方式，其对流场的影响最小。尾部支撑系统由弯刀、支杆、测力天平和模型等相连组成，是一个典型的悬臂式结构。尾部支撑的支杆长度一般是模型长度的三到五倍，该几何结构使系统刚度较低。而风洞试验时，模型受到宽频带的气动载荷激励，模型-支杆系统的响应主要表现为在一阶固有频率处产生的低频、大幅振动，即当有气流脉动载荷出现在风洞支杆模型系统的一阶固有频率附近时，耦合容易发生，将会导致模型的低频大幅振动。该种低频大幅值振动会导致测力天平不能正常工作，风洞实验获得的气动数据的精确度降低，严重时甚至对风洞模型-天平-支杆支撑系统造成损坏，影响风洞运行的安全。由于风洞流场环境复杂，且风洞试验模型形态、位姿各不相同，支杆式风洞模型振动主动控制难度较大。振动信号经过传感器测量，控制器处理得到压电陶瓷作动器作动信号，最后经由支杆中内嵌的压电作动器的作用实现支杆式风洞模型振动的主动控制。

H.Fehren等人在《ETW-High Quality test performance in CryogenicEnvironment》[J].AIAA paper,2000,2206:2000中正式将主动振动抑制装置应用于风洞试验，并引入了安全性更高的碳纤维构件。2007年以来，ETW在《Tools and techniques forhigh Reynolds number testing status and Recent improvements at ETW》[J].AIAA-Paper,2003,755:2003中研发了三代主动振动抑制技术。国内的科研工作者对该问题研究起步较晚，但也取得了一定的研究成果，并且在不断的向国际领先水平迈进。2005年，哈尔滨工程大学杨恩霞等人在《大攻角张线－尾撑组合支撑设备的设计》[J].机械工程师,2005(7):113-114中，设计了张线－尾撑组合支撑设备，该设备具有刚度好、固有频率高等优点，但会使风洞试验模型的外形产生不利用实验数据测量的变化。2013年，中国空气动力研究与发展中心设备设计及测试技术研究所黎壮声等人在《风洞模型振动主动控制系统研制》[A].中国空气动力学会测控技术专委会第六届四次学术交流会中，设计了基于FPGA实时控制器的主动控制系统，分别尝试了包括PID控制、模糊控制、神经网络广义预测控制的三种控制算法。以上均在控制振动方面上取得了效果，但现有的传统控制算法在该领域并未考虑到信号滤波延时的问题。滤波延时会使反馈信号与测量信号存在一定的时间延迟，使控制器驱动作动器并不能完好地实现控制算法的目标，在风洞流场以及试验模型变化时易造成系统失稳和主动振动控制失效。

发明内容

本发明要解决的技术难题是弥补现有的技术缺陷，考虑信号滤波延时的问题，发明一种基于平滑预测策略的多传感器风洞支杆抑振方法，将视觉测量技术同加速度传感器结合起来，应用于支杆式风洞模型振动主动控制。视觉测量在信号传输、处理速度上十分迅速，但在振动问题的测量上，由于运动模糊致使定位不准确。而加速度传感器可以灵敏、准确的测量加速度信号，获取振动信息，但必须要进行滤波处理。滤波处理是发生信号时滞的主要原因，会造成控制信号与对应测量信号不同步的问题，导致控制不准确，系统不稳定。使用本抑振方法，可进行多数据信息融合，兼具加速度传感器准确和视觉测量快速的优点，能够有效解决测量信号迟滞的问题。该系统具有高可靠性、鲁棒性的特点，解决了现有的风洞实验中模型振动的抑制困难的难题，适合风洞实验环境中的应用。

本发明所采用的技术方案是一种基于平滑预测策略的多传感器风洞支杆抑振方法，其特征是，该方法采用视觉测量的方法实时观测振动相位状态，利用加速度传感器得到振动信息，针对滤波处理时发生的信号时滞，结合视觉测量和加速度传感器的信息，应用平滑预测策略，得到实时的加速度预测值作为测量信号，通过控制器计算，经过功率放大器放大，实现对压电作动器的控制进而实现风洞模型振动的主动抑制；方法的具体步骤如下：

步骤一搭建基于平滑预测策略的多传感器风洞支杆抑振系统

将风洞支杆10一端固定，另一端安装在飞行器模型9上，并在飞行器模型9前端粘贴自发光标记点，并按要求布置加速度传感器8；将图像采集卡3、数据采集卡4、数据传输卡5分别按装到计算机2上，工业相机1和加速度传感器8分别与计算机2连接；作动器11安装到风洞支杆10的尾端，再依次将作动器11与功率放大器7、控制器6和工业相机1相连接形成反馈回路；

步骤二视觉振动图像采集系统标定

采用张氏标定法以精密二维靶标对视觉振动图像采集系统进行标定；利用靶标角点求解坐标与实际坐标的偏差函数对张氏标定方法求解出的工业相机的内外参数进行优化，得到内外参数的全局最优解；通过该方法即得到工业相机坐标系与世界坐标系下的对应关系；计算得到表征二者关系的转换矩阵：

其中，R为旋转矩阵，T

为平移矩阵；

步骤三视觉信号获得振动信息

首先，进行参数法阈值处理，采用参数法均一阈值处理；将自发光标记点附近的区域从背景中分离出来；用公式(2)计算阈值处理后的图像，将大于一个特定阈值的像素设为白色，小于该阈值的像素设为黑色，将感兴趣区域从背景中分离出来；

其中，(x,y)为图像上某点坐标，f(x,y)为(x,y)处的灰度值，C为阈值，g(x,y)为阈值处理后的(x,y)处的灰度值；

其次，连通区域，提取坐标；将这些像素点组成的多个连通区域进行识别，对完成分割后的图像进行连通、区域腐蚀、再次连通和感兴趣区域膨胀的处理，并根据预设值排除不符合要求的连通区域，分析出代表自发光标记点的连通区域S；这里，使用灰度重心法确定该位置，灰度图像中目标S的灰度重心坐标(x₀,y₀)为：

最后，求取世界系下的坐标，利用所得的像素坐标，结合式(1)中求得的R、T矩阵，计算在世界坐标系中标记点的坐标(X,Y)；

这里，Y即可代表支杆在竖直方向上实时振动的情况；

步骤四视觉和加速度传感器信息综合，获得相位差和延时量

由视觉系统获得实时的运动状态信息；对于形如x(t)＝Asin(ωt)的正弦运动，其加速度为a(t)＝-ω²Asin(ωt)形式；可以看出，加速度与位移成180°的相位差，即-x能代表实时的加速度相位；视觉信号得到的振动位移信号为Y(t)，由式(5)，得到转换为表征加速度相位的信号

a₁＝-Y(t) (5)

由加速度传感器得到的信号为a₂，其比a₁有一定的滤波延时量Δt；

比较a₁、a₂，获取相位差为θ；

利用构建的相位与滤波延时量的关系，计算对应的滤波延时量为Δt秒；

Δt＝εθ (6)

其中，ε为滤波延时量-相位差增益系数；

然后，计算滤波延时采样数

其中，T_s为采样周期；

步骤五结合平滑预测策略处理，获得实时振动信息

由视觉系统得到的信号，分两种情况叙述；

1)在趋势不改变，即一阶导数不变号的部分，采取平滑预测策略，由之前m个采样点的数值，估算实时期望信号数值；对于视觉系统获得采样时刻t_k时，加速度信号仅仅采集到t_k-n时刻以前的信号；选取t_k-n时刻以前的m个采样时刻t_k-n-m+1，t_k-n-m+2，…，t_k-n-1，t_k-n得到信号数值：a_k-n-m+1，a_k-n-m+2，…，a_k-n-1，a_k-n对a_k进行预测；线性平滑策略即取参数α、β使得各点关于直线方程：

a＝α+βt (8)

的误差平方和最小，亦即：

从而获得关于参数α、β的方程组：

解得：

其中，

令t_k时刻支杆振动加速度响应的预测值为

2)另一种特殊情况，由视觉得到的信号出现趋势变化，但加速度信号还处于未发生变化的时候，以出现极值t_m为对称轴，再用情况1)中的公式，先计算进而得到

步骤六输出抑振

根据预测值设置加速度的期待值a_r＝0，即每个采样时刻的误差为

使用数字式PD控制算法，计算经线性平滑处理的主动控制信号

其中，k_p为比例反馈系数和k_d为微分反馈系数；

再由功率放大器增益K，得到作用在作动器的电压

u(k)＝KU(k) (14)

本发明的有益效果是在风洞环境下，考虑到信号滤波延时的问题，采用基于平滑预测策略的多传感器风洞支杆抑振方法，结合视觉测量和加速度传感器的信息，应用平滑预测策略，得到实时测量信号，通过PD控制算法，实现对风洞模型振动主动抑制的目的；采用该种方法兼具加速度传感器准确和视觉测量快速的优点，弥补了以往试验方法由于滤波延时的问题，可靠性强、鲁棒性好，适合风洞实验的实际测量中的应用。

附图说明

图1为基于平滑预测策略的多传感器风洞支杆抑振系统试验示意图。

其中，1-工业相机，2-计算机，3-图像采集卡，4-数据采集卡，5-数据传输卡，6-控制器，7-功率放大器，8-加速度传感器，9-飞行器模型，10-风洞支杆，11-作动器。

图2为基于平滑预测策略的多传感器风洞支杆抑振方法流程图。

具体实施方式

以下结合技术方案和附图详细叙述本发明的具体实施方式。

实施过程中，采用如图1所示的多传感器风洞支杆抑振系统，试验时，采用在飞机模型表面粘贴LED点光源的方式，实现自发光标记点的制备。选用德国Mikrotron相机公司生产的EoSens 25CXP型号工业相机对准自发光标记点，该相机在4百万像素下采集帧频为500fps。采用NikonAF-S Nikkor 24-70mm f/2.8G ED镜头连接在工业相机上对准自发光标记点进行振动图像的拍摄。图像采集卡选择德国SiliconSoftware GmbH推出的microEnable 5 ironman CXP系列采集卡，型号为MicroEnable 5 ironman VQ8-CXP6D，该采集卡能够与选定的相机链接实现数据实时处理与传输，同时具有VisualApplets编程的功能，从而实现振动图像的实时采集和预处理功能。选用PCI9602数据采集卡实现信号的D/A转换，输出模拟量电压信号。控制器为德国dSpace公司生产的实时仿真控制器。采用朗斯ULT 2008/V型加速度传感器测量系统的振动信号，量程为10g，灵敏度为500mv/g；采用dSPACE公司生产的ds1103型控制器作为该控制算法的实现平台；采用TREK公司生产的PZD700A双通道功率放大器和芯明天公司型号为20VS12的压电陶瓷作动器输出反向力与力矩抑制振动。

抑振方法的流程图如图2所示，抑振方法的具体步骤如下：

步骤一搭建基于平滑预测策略的多传感器风洞支杆抑振系统

将风洞支杆10一端固定，另一端安装在飞行器模型9上，并在飞行器模型9前端粘贴自发光标记点，并按要求布置加速度传感器8；将图像采集卡3、数据采集卡4、数据传输卡5分别按装到计算机2上，工业相机1和加速度传感器8分别与计算机2连接；作动器11安装到风洞支杆10的尾端，再依次将作动器11与功率放大器7、控制器6和工业相机1相连接形成反馈回路。

步骤二视觉振动图像采集系统标定

利用式(1)，得到表征工业相机坐标系与世界坐标系下的坐标转换关系，即平移矩阵T和旋转矩阵R。

步骤三视觉信号获得振动信息

运用阈值处理法，设定阈值C，利用式(2)分离背景。采用灰度重心法，利用式(3)得到灰度重心坐标(x₀,y₀)。利用是(4)得到在世界坐标系中标记点的坐标(X,Y)。

步骤四视觉和加速度传感器信息综合，获得相位差和延时量

利用视觉和加速度信号的关系，结合式(5)(6)得Δt＝0.01s，由采样周期T_S＝0.001s，由式(7)得到滤波延时采样数n＝10。

步骤五结合平滑预测策略处理，获得实时振动信息

利用平滑预测策略，对加速度传感器信号进行处理、预测实时数值。例如，标号为100的采样点a₁₀₀＝-0.06279。由于滤波延时，该时刻采集到的信号为a₁₀₀′＝-0.63742。取m＝3，利用标号为88、89、90的采样点数据a₈₈＝-0.72897、a₈₉＝-0.68455、a₉₀＝-0.63742，结合式(9)(10)(11)得α＝-4.7574、β＝45.772。由式(8)的得

经计算，未采用平滑预测策略算法的误差为a₁₀₀′-a₁₀₀＝-0.574633，采用平滑预测策略算法的误差为显著提高了测量信号的准确性。

步骤六输出抑振

利用得到的预测加速度信号，由式(12)(13)(14)计算得到作用在作动器的电压u(k)。

本发明采用基于平滑预测策略的多传感器风洞支杆抑振技术，利用视觉测量的方法实时观测振动的相位状态，利用加速度传感器获取代表振动信息(存在延时)，综合二者数据，并采用平滑预测策略得到实时的加速度预测值，通过控制算法，最终实现风洞模型系统的振动的控制。本系统采用的基于平滑预测策略的多传感器风洞支杆抑振技术使用环境广、不受滤波延时的约束，解决了现有的风洞实验飞行器振动中滤波延时问题影响系统安全的难题，适合风洞实验的实际测量中的应用。该方法的可靠性强、鲁棒性好。

Claims (1)

1.一种基于平滑预测策略的多传感器风洞支杆抑振方法，其特征是，该方法采用视觉测量的方式实时观测振动相位状态，利用加速度传感器得到振动信息，针对滤波处理时发生的信号时滞，结合视觉测量和加速度传感器的信息，应用平滑预测策略，得到实时的加速度预测值作为测量信号，通过控制器计算，经过功率放大器放大，实现对压电作动器的控制进而实现风洞模型振动主动抑制；方法的具体步骤如下：

步骤一搭建基于平滑预测策略的多传感器风洞支杆抑振系统

将风洞支杆(10)一端固定，另一端安装在飞行器模型(9)上，并在飞行器模型(9)前端粘贴自发光标记点，并按要求布置加速度传感器(8)；将图像采集卡(3)、数据采集卡(4)、数据传输卡(5)分别按装到计算机(2)上，工业相机(1)和加速度传感器(8)分别与计算机(2)连接；作动器(11)安装到风洞支杆(10)的尾端，再依次将作动器(11)与功率放大器(7)、控制器(6)和工业相机(1)相连接形成反馈回路；

步骤二视觉振动图像采集系统标定

采用张氏标定法以精密二维靶标对视觉振动图像采集系统进行标定；利用靶标角点求解坐标与实际坐标的偏差函数对张氏标定方法求解出的工业相机的内外参数进行优化，得到内外参数的全局最优解；通过该方法即得到工业相机坐标系与世界坐标系下的对应关系；计算得到表征二者关系的转换矩阵：

其中，R为旋转矩阵，T为平移矩阵；

步骤三视觉信号获得振动信息

首先，进行参数法阈值处理，采用参数法均一阈值处理；将自发光标记点附近的区域从背景中分离出来；用公式(2)计算阈值处理后的图像，将大于一个特定阈值的像素设为白色，小于该阈值的像素设为黑色，将感兴趣区域从背景中分离出来；

其中，(x,y)为图像上某点坐标，f(x,y)为(x,y)处的灰度值，C为阈值，g(x,y)为阈值处理后的(x,y)处的灰度值；

其次，连通区域，提取坐标；将这些像素点组成的多个连通区域进行识别，对完成分割后的图像进行连通、区域腐蚀、再次连通和感兴趣区域膨胀的处理，并根据预设值排除不符合要求的连通区域，分析出代表自发光标记点的连通区域S；这里，使用灰度重心法确定该位置，灰度图像中目标S的灰度重心坐标(x₀,y₀)为：

最后，求取世界系下的坐标，利用所得的像素坐标，结合式(1)中求得的R、T矩阵，计算在世界坐标系中标记点的坐标(X,Y)；

这里，Y代表支杆在竖直方向上实时振动的情况；

步骤四视觉和加速度传感器信息综合，获得相位差和延时量

由视觉系统获得实时的运动状态信息；对于形如x(t)＝Asin(ωt)的正弦运动，其加速度为a(t)＝-ω²Asin(ωt)形式；可以看出，加速度与位移成180°的相位差，即-x能代表实时的加速度相位；视觉信号得到的振动位移信号为Y(t)，由式(5)，得到转换为表征加速度相位的信号

a₁＝-Y(t) (5)

由加速度传感器得到的信号为a₂，其比a₁有一定的滤波延时量Δt；

比较a₁、a₂，获取相位差为θ；利用构建的相位与滤波延时量的关系，计算对应的滤波延时量为Δt秒；

Δt＝εθ(6)

其中，ε为滤波延时量-相位差增益系数；

然后，计算滤波延时采样数

其中，T_s为采样周期；

步骤五结合平滑预测策略处理，获得实时振动信息

由视觉系统得到的信号，分两种情况叙述；

1)在趋势不改变，即一阶导数不变号的部分，采取平滑预测策略，由之前m个采样点的数值，估算实时期望信号数值；对于视觉系统获得采样时刻t_k时，加速度信号仅仅采集到t_k-n时刻以前的信号；选取t_k-n时刻以前的m个采样时刻t_k-n-m+1，t_k-n-m+2，…，t_k-n-1，t_k-n得到信号数值：a_k-n-m+1，a_k-n-m+2，…，a_k-n-1，a_k-n对a_k进行预测；线性平滑策略即取参数α、β使得各点关于直线方程(8)的误差平方和最小，亦即：

a＝α+βt(8)

从而获得关于参数α、β的方程组：

解得：

其中，

令t_k时刻支杆振动加速度响应的预测值为

2)另一种特殊情况，由视觉得到的信号出现趋势变化，但加速度信号还处于未发生变化的时候，以出现极值t_m为对称轴，再用情况1)中的公式，先计算进而得到

步骤六输出抑振

根据预测值设置加速度的期待值a_r＝0，即每个采样时刻的误差为

使用数字式PD控制算法，计算经线性平滑处理的主动控制信号：

其中，k_p为比例反馈系数和k_d为微分反馈系数；

再由功率放大器增益K，得到作用在作动器的电压：

u(k)＝KU(k)(14)。