CN111581793A - 一种基于实测环境数据的飞机结构分区方法 - Google Patents

Abstract

本发明公开了一种基于实测环境数据的飞机结构分区方法，具体涉及航空腐蚀防护与控制技术领域，包括以下区分步骤：步骤1、建立各监测点对象的集合并选择聚类需要的参数；步骤2、将原始样本数据进行标准化处理；步骤3、确定模糊相似矩阵，建立待分类域的模糊相似矩阵，用于表征两个元素之间的接近程度；步骤4、求取模糊等价矩阵，通过模糊等价矩阵的运算求得模糊相似矩阵；步骤5、采用λ截矩阵法进行聚类分析；步骤6、分析比较不同λ下的分区情形，确认最终分区结果。本发明采用模糊聚类方法以环境数据作为依据，对飞机上不同结构舱室进行分区，为现役飞机准确局部环境谱的建立奠定基础。

Description

一种基于实测环境数据的飞机结构分区方法

技术领域

本发明实施例涉及航空腐蚀防护与控制技术领域，具体涉及一种基于实测环境数据的飞机结构分区方法。

背景技术

军用飞机在服役过程中，超过90％的时间处于地面停放状态，严酷的服役环境导致飞机结构腐蚀故障频发，严重影响飞机完好性。为对飞机结构耐蚀性与环境适应性进行检验，研究人员往往会编制环境谱，在实验室开展加速腐蚀试验。环境谱通常指飞机结构件所遭受的腐蚀介质、应力等的联合作用及每种环境因素的强度、持续时间、发生频率以及其组合，根据结构形式以及使用情况等因素可分为总体环境谱和局部环境谱。由于飞机结构的位置、结构形式以及密封性等有所差异，使得腐蚀环境和腐蚀情况也不同，应具体环境具体分析。

因此，准确对飞机结构分区是建立较为准确的局部环境谱的基础，对保证飞机结构使用安全性具有重要意义。

发明内容

为此，本发明实施例提供一种基于实测环境数据的飞机结构分区方法，通过采用模糊聚类方法以环境数据作为依据，对飞机上不同结构舱室进行分区，为现役飞机准确局部环境谱的建立奠定基础。

为了实现上述目的，本发明实施例提供如下技术方案：一种基于实测环境数据的飞机结构分区方法，包括以下区分步骤：

步骤1、建立各监测点对象的集合并选择聚类需要的参数；

步骤2、将原始样本数据进行标准化处理：将量纲和数值区间两方面的样本元素的特征值统一于共同的数据特征范围，在进行聚类时，样本的元素在量纲和数值区间两方面可能各不相同，一般不能直接进行分类，为了消除两种因素的影响，使所有特征值统一于共同的数据特征范围，整个过程叫做标准化处理；

步骤3、确定模糊相似矩阵，按照某一准则或者方法建立待分类域的模糊相似矩阵，用于表征两个元素之间的接近程度；

步骤4、求取模糊等价矩阵，模糊相似矩阵满足反身性和对称性，但是缺乏传递性，通过模糊等价矩阵的运算求得模糊相似矩阵；

步骤5、采用λ截矩阵法进行聚类分析；

对于任一λ∈[0,1]，在分类时将模糊等价矩阵各元素这样取值：大于或者等于λ的元素都改为1，小于λ的元素都改为0，根据模糊等价矩阵中的1与0的排列情况即可进行分类；

步骤6、分析比较不同λ下的分区情形，确认最终分区结果。

进一步地，步骤1中，包括：

步骤1.1、各监测点对象的集合建立：采用数字式温湿度传感器对飞机上9个不同结构、不同位置的监测点进行局部温湿度测量和记录，记录间隔为15分钟，每天采集温湿度数据各96个，同时采用1个百叶箱监测点对环境温湿度进行测量和记录；

步骤1.2、将10个监测点作为待聚类对象的集合，温度和湿度做为聚类的参数，选择监测过程中所有监测点温、湿度数据进行计算。

进一步地，步骤1中，设分类域飞机的各个分区U＝{x₁,x₂,…x_n}(n＝10)，每个分区x_i都有个m个特征参数来刻画，则

x_i＝{x_i1,x_i2,x_ij…x_im}(j＝1,2,…m)

其中，x_ij表示第i个被分类对象相应于第j个特征参数的观测值；

于是，得到n×m维矩阵X＝(x_ij)_n×m作为最原始数据，方法中选择温度和湿度共同作为聚类特征，温度和湿度又随着时间而变化。

进一步地，步骤2中，选择利用极差变换实现标准化，极差变换表示为：

进一步地，步骤3中，采用向量相似度来建立待分类域的模糊相似矩阵，并表征两个元素之间的接近程度：

进一步地，步骤4中，采用闭包传递法，从模糊相似矩阵求取模糊等价矩阵，具体采用的是平方法：

若在某一步有

令R*＝R^k,则R*便为所求模糊等价矩阵；

方法中

采用的算法模型为为M(∧,∨)，即矩阵运算采用先取小后取大的运算方式。

进一步地，步骤5中，生成R^*的截距阵

根据

中0和1的情况进行分类。

进一步地，步骤6中，设置不同阈值的λ截矩阵，得到多种分区结果，根据飞机结构和实际需求确定分区，并可确定最佳的λ取值范围。

本发明实施例具有如下优点：

本发明通过借助数字式温湿度记录装置获得原始数据；采用极差变换实现原始数据的标准化；选择向量夹角余弦作为两个样本接近程度的度量；利用闭包传递的方法求取模糊等价矩阵；采用λ截距阵实现飞机不同分区的聚类，通过比较分区结果，确认最佳的λ阈值；因此能够实现飞机结构的准确分区提供依据，从而为建立较为准确的局部环境谱的基础，对保证飞机结构使用安全性具有重要意义。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，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。基于本发明中的实施例，本领域普通技术人员在没有做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。

该实施例的一种基于实测环境数据的飞机结构分区方法，包括以下区分步骤：

步骤1、建立各监测点对象的集合并选择聚类需要的参数；具体包括：

步骤1.1、各监测点对象的集合建立：采用数字式温湿度传感器对飞机上9个不同结构、不同位置的监测点进行局部温湿度测量和记录，记录间隔为15分钟，每天采集温湿度数据各96个，同时采用1个百叶箱监测点对环境温湿度进行测量和记录；

步骤1.2、将10个监测点作为待聚类对象的集合，温度和湿度做为聚类的参数，选择监测过程中所有监测点温、湿度数据进行计算；

设分类域飞机的各个分区U＝{x₁,x₂,…x_n}(n＝10)，每个分区x_i都有个m个特征参数来刻画，则

x_i＝{x_i1,x_i2,x_ij…x_im}(j＝1,2,…m)

其中，x_ij表示第i个被分类对象相应于第j个特征参数的观测值；

于是，得到n×m维矩阵X＝(x_ij)_n×m作为最原始数据，方法中选择温度和湿度共同作为聚类特征，温度和湿度又随着时间而变化；

步骤2、将原始样本数据进行标准化处理：将量纲和数值区间两方面的样本元素的特征值统一于共同的数据特征范围，在进行聚类时，样本的元素在量纲和数值区间两方面可能各不相同，一般不能直接进行分类，为了消除两种因素的影响，使所有特征值统一于共同的数据特征范围，整个过程叫做标准化处理；选择利用极差变换实现标准化，极差变换表示为：

步骤3、确定模糊相似矩阵，采用向量相似度方法建立待分类域的模糊相似矩阵，用于表征两个元素之间的接近程度：

步骤4、求取模糊等价矩阵，模糊相似矩阵满足反身性和对称性，但是缺乏传递性，采用闭包传递法，从模糊相似矩阵求取模糊等价矩阵，具体采用的是平方法：

若在某一步有

令R*＝R^k,则R*便为所求模糊等价矩阵；

方法中

采用的算法模型为为M(∧,∨)，即矩阵运算采用先取小后取大的运算方式

步骤5、采用λ截矩阵法进行聚类分析；生成R^*的截距阵

根据

中0和1的情况进行分类；

对于任一λ∈[0,1]，在分类时将模糊等价矩阵各元素这样取值：大于或者等于λ的元素都改为1，小于λ的元素都改为0，根据模糊等价矩阵中的1与0的排列情况即可进行分类；

步骤6、分析比较不同λ下的分区情形，确认最终分区结果；

设置不同阈值的λ截矩阵，得到多种分区结果，根据飞机结构和实际需求确定分区，并可确定最佳的λ取值范围。

本发明公开了基于实测环境数据的飞机结构分区方法，借助数字式温湿度记录装置获得原始数据；采用极差变换实现原始数据的标准化；选择向量夹角余弦作为两个样本接近程度的度量；利用闭包传递的方法求取模糊等价矩阵；采用λ截距阵实现飞机不同分区的聚类，通过比较分区结果，确认最佳的λ阈值；因此能够实现飞机结构的准确分区提供依据，从而为建立较为准确的局部环境谱的基础，对保证飞机结构使用安全性具有重要意义。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (8)

1.一种基于实测环境数据的飞机结构分区方法，其特征在于，包括以下区分步骤：

步骤1、建立各监测点对象的集合并选择聚类需要的参数；

步骤2、将原始样本数据进行标准化处理：将量纲和数值区间两方面的样本元素的特征值统一于共同的数据特征范围；

步骤3、确定模糊相似矩阵，建立待分类域的模糊相似矩阵，用于表征两个元素之间的接近程度；

步骤4、求取模糊等价矩阵，通过模糊等价矩阵的运算求得模糊相似矩阵；

步骤5、采用λ截矩阵法进行聚类分析；

对于任一λ∈[0,1]，在分类时将模糊等价矩阵各元素这样取值：大于或者等于λ的元素都改为1，小于λ的元素都改为0，根据模糊等价矩阵中的1与0的排列情况即可进行分类；

步骤6、分析比较不同λ下的分区情形，确认最终分区结果。

2.根据权利要求1所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤1中，包括：

步骤1.1、各监测点对象的集合建立：采用数字式温湿度传感器对飞机上9个不同结构、不同位置的监测点进行局部温湿度测量和记录，记录间隔为15分钟，每天采集温湿度数据各96个，同时采用1个百叶箱监测点对环境温湿度进行测量和记录；

步骤1.2、将10个监测点作为待聚类对象的集合，温度和湿度做为聚类的参数，选择监测过程中所有监测点温、湿度数据进行计算。

3.根据权利要求2所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤1中，设分类域飞机的各个分区U＝{x₁,x₂,…x_n}(n＝10)，每个分区x_i都有个m个特征参数来刻画，则

x_i＝{x_i1,x_i2,x_ij…x_im}(j＝1,2,…m)

其中，x_ij表示第i个被分类对象相应于第j个特征参数的观测值；

于是，得到n×m维矩阵X＝(x_ij)_n×m作为最原始数据，方法中选择温度和湿度共同作为聚类特征，温度和湿度又随着时间而变化。

4.根据权利要求3所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤2中，选择利用极差变换实现标准化，极差变换表示为：

5.根据权利要求4所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤3中，采用向量相似度来建立待分类域的模糊相似矩阵，并表征两个元素之间的接近程度：

6.根据权利要求5所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤4中，采用闭包传递法，从模糊相似矩阵求取模糊等价矩阵，具体采用的是平方法：

若在某一步有

令R*＝R^k,则R*便为所求模糊等价矩阵；

方法中

采用的算法模型为为M(∧,∨)，即矩阵运算采用先取小后取大的运算方式。

7.根据权利要求6所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤5中，生成R^*的截距阵

根据

中0和1的情况进行分类。

8.根据权利要求7所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤6中，设置不同阈值的λ截矩阵，得到多种分区结果，根据飞机结构和实际需求确定分区，确定最佳的λ取值范围。