CN112613198B - 一种去除风洞风扇干扰的数据处理方法 - Google Patents
一种去除风洞风扇干扰的数据处理方法 Download PDFInfo
- Publication number
- CN112613198B CN112613198B CN202110249140.2A CN202110249140A CN112613198B CN 112613198 B CN112613198 B CN 112613198B CN 202110249140 A CN202110249140 A CN 202110249140A CN 112613198 B CN112613198 B CN 112613198B
- Authority
- CN
- China
- Prior art keywords
- interference
- frequency domain
- wind tunnel
- pulsating pressure
- pressure dynamic
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000003068 static effect Effects 0.000 claims abstract description 15
- 230000035485 pulse pressure Effects 0.000 claims description 41
- 239000013598 vector Substances 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 8
- 206010021143 Hypoxia Diseases 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 239000012071 phase Substances 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 5
- 239000008384 inner phase Substances 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 13
- 238000009530 blood pressure measurement Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000010349 pulsation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明适用于风洞试验的数据处理技术领域,提供了一种去除风洞风扇干扰的数据处理方法,其包括如下步骤:将各个原始时域脉动压力信号均划分为原始时域脉动压力静态信号和原始时域脉动压力动态信号;计算各个原始频域脉动压力动态信号对应的风扇干扰频率,并依据所有的原始频域脉动压力动态信号对应的风扇干扰频率计算风洞风扇干扰基频;将原始频域脉动压力动态信号中的风洞风扇干扰去除;将去除风洞风扇干扰的时域脉动压力动态信号与原始时域脉动压力静态信号叠加,获得去除风洞风扇干扰的时域脉动压力信号。本发明可去除原始时域脉动压力信号中的风洞风扇干扰,可真实地反应试验模型上的测压点的真实压力状态。
Description
技术领域
本发明属于风洞试验的数据处理技术领域,尤其涉及一种去除风洞风扇干扰的数据处理方法。
背景技术
在开展低速风洞试验时,气流通过风洞风扇叶片的转动而驱动,因此,在流场中普遍存在风洞风扇带来的压力脉动干扰。
对于关注稳态物理量的定常测力试验和定常测压试验,上述风洞风扇引起的压力脉动不足以影响试验结果。但对于脉动压力试验,动态特性是试验关注的重点,风洞风扇对脉动压力信号的影响主要体现为均方根值误差、频谱误差,频谱误差则表现为在基频及基频的倍频处出现窄带峰值。
目前,针对风洞风扇干扰对脉动压力的信号的影响,一般仅作定性分析和信息提示,未作数据处理,然而,带有风洞风扇干扰的数据极易误导飞行器结构可靠性和安全性评估。
发明内容
本发明的目的在于提供一种去除风洞风扇干扰的数据处理方法,旨在去除原始时域脉动压力信号中的风洞风扇干扰。
本发明提供了一种去除风洞风扇干扰的数据处理方法,其包括如下步骤:
步骤S10:将各个原始时域脉动压力信号均划分为原始时域脉动压力静态信号和原始时域脉动压力动态信号;
步骤S20:将各个原始时域脉动压力动态信号转换为原始频域脉动压力动态信号,计算各个原始频域脉动压力动态信号对应的风扇干扰频率,并依据所有的原始频域脉动压力动态信号对应的风扇干扰频率计算风洞风扇干扰基频;
步骤S30:判断各个原始频域脉动压力动态信号是否需要去除风洞风扇干扰,当原始频域脉动压力动态信号需要去除风洞风扇干扰时,将原始频域脉动压力动态信号中的风洞风扇干扰去除,得到去除风洞风扇干扰的频域脉动压力动态信号;
步骤S40:将步骤S30中的去除风洞风扇干扰的频域脉动压力动态信号转换为去除风洞风扇干扰的时域脉动压力动态信号,并将去除风洞风扇干扰的时域脉动压力动态信号与步骤S10中的原始时域脉动压力静态信号叠加,获得去除风洞风扇干扰的时域脉动压力信号。
进一步地,将原始时域脉动压力信号的序号记为i,第i个原始时域脉动压力信号对应的原始时域脉动压力静态信号、原始时域脉动压力动态信号、原始频域脉动压力动态信号的序号同样记为i,所述步骤S20包括如下步骤:
步骤S21:计算风扇固有干扰频率f w ;
步骤S22:提取第i个原始频域脉动压力动态信号中位于区间[f w -d f ,f w +d f ]内的频域幅值向量a i ,计算频域幅值向量a i 中的元素的均值A i-1 、标准差A i-2 、最大幅值A i-max ,当(A i-max -A i-1 )>3A i-2 时,将最大幅值A i-max 对应的频率作为第i个原始频域脉动压力动态信号对应的风扇干扰频率f i ,其中,d f 为搜索半带宽,i从1~n遍历,n为原始时域脉动压力信号的总个数。
进一步地,所述步骤S21中,f w =R×m/60,其中,R为风洞风扇的每分钟转数,m为风洞风扇的叶片数。
进一步地,所述步骤S20还包括如下步骤:
步骤S23:将所有的风扇干扰频率f i 从最小到最大进行多个分区统计,将位于最大概率区间内所有风扇干扰频率f i 的平均值作为风洞风扇干扰基频f 0 。
进一步地,所述步骤S30包括如下步骤:
步骤S31:提取第i个原始频域脉动压力动态信号中位于区间[f 0 -d f ,f 0 +d f ]内的频域幅值向量b i 、相位向量ϕ i ,计算频域幅值向量b i 中的元素的均值B i-1 、标准差B i-2 、最大幅值B i-max ;
步骤S32:计算第i个原始频域脉动压力动态信号的残值向量D i ,其中,D i =b i -B i-1 -d ×B i-2 ,d为风扇干扰峰判别限制阀;
步骤S33:根据残值向量D i ,判断第i个原始频域脉动压力动态信号在区间[k×f 0 - d f ,k×f 0 +d f ]内是否存在显著干扰峰;
步骤S34:当第i个原始频域脉动压力动态信号在区间[k×f 0 -d f ,k×f 0 +d f ]内不存在显著干扰峰时,不对第i个原始频域脉动压力动态信号继续进行数据处理;当第i个原始频域脉动压力动态信号在区间[k×f 0 -d f ,k×f 0 +d f ]内存在显著干扰峰时,计算残值向量D i 中元素的最大幅值对应的频率f i-max ,判断f i-max 是否偏离中心超过允许值;
步骤S35:当f i-max 没有偏离中心超过允许值时,对第i个原始频域脉动压力动态信号继续进行数据处理;当f i-max 偏离中心超过允许值时,不对第i个原始频域脉动压力动态信号继续进行数据处理;
其中,k为大于等于1的整数。
进一步地,所述步骤S33包括如下步骤:
步骤S331:计算残值向量D i 中的各元素之和;
步骤S332:当残值向量D i 中的各元素之和小于等于0时,判断第i个原始频域脉动压力动态信号在区间[k×f 0 -d f ,k×f 0 +d f ]内不存在显著干扰峰;当残值向量D i 中的各元素之和大于0时,判断第i个原始频域脉动压力动态信号在区间[f 0 -d f ,f 0 +d f ]内存在显著干扰峰。
进一步地,所述步骤S34包括如下步骤:
步骤S341:计算|f i-max -k×f 0 |;
步骤S342:当|f i-max -k×f 0 |≥d f /2时,判断f i-max 偏离中心超过允许值;当|f i-max -k ×f 0 |<d f /2时,判断f i-max 没有偏离中心超过允许值。
进一步地,当f i-max 没有偏离中心超过允许值时,所述步骤S35包括如下步骤:
步骤S351:计算第i个原始频域脉动压力动态信号在联合区间[k×f 0 -d f ,f i-max - d fx ]∪[f i-max +d fx ,k×f 0 +d f ]内的幅值均值μ i-1 、相位均值μ i-2 ;
步骤S352:将第i个原始频域脉动压力动态信号在区间[f i-max -d fx ,f i-max +d fx ]内的幅值向量元素赋值μ i-1 ,将第i个原始频域脉动压力动态信号在区间[f i-max -d fx ,f i-max +d fx ]内的相位向量元素赋值μ i-2 ,得到去除风洞风扇干扰的第i个频域脉动压力动态信号;
其中,d fx 为优化处理半带宽,d fx <d f /2。
进一步地,1HZ≤d f ≤3HZ。
本发明相对于现有技术的技术效果是:
1.本发明中,可将原始时域脉动压力信号中的风洞风扇干扰去除,可真实地反应试验模型上的测压点的真实压力状态;
2.本发明中,每个原始频域脉动压力动态信号对应的风扇干扰频率均需计算出,全面考虑风洞风扇干扰,如果仅计算出一个原始频域脉动压力动态信号对应的风扇干扰频率用以反应风洞风扇干扰,将具有较大的片面性;
3.本发明中,并不是所有的原始频域脉动压力动态信号均需进行数据处理,原始频域脉动压力动态信号在区间[kf 0 -d f ,kf 0 +d f ]内不存在显著干扰峰时,如果还进行数据处理的话,反而会造成数据失真;类似地,即使原始频域脉动压力动态信号在区间[kf 0 -d f ,kf 0 +d f ]内存在显著干扰峰时,并不是必须对其进行数据处理,还需判断f i-max 是否偏离中心超过允许值,f i-max 没有偏离中心超过允许值时,如果还进行数据处理的话,反而会造成数据失真。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是某一姿态角下的试验模型上的某一测压点的原始时域脉动压力信号;
图2是本发明实施例中的一种去除风洞风扇干扰的数据处理方法的示意图;
图3是将图1中的原始时域脉动压力信号中的风洞风扇干扰进行去除后的数据。
具体实施方式
在下文中将参考附图对本发明的各方面进行更充分的描述。然而,本发明可以具体化成许多不同形式且不应解释为局限于贯穿本发明所呈现的任何特定结构或功能。相反地,提供这些方面将使得本发明周全且完整,并且本发明将给本领域技术人员充分地传达本发明的范围。基于本文所教导的内容,本领域的技术人员应意识到,无论是单独还是结合本发明的任何其它方面实现本文所公开的任何方面,本发明的范围旨在涵盖本文中所公开的任何方面。例如,可以使用本文所提出任意数量的装置或者执行方法来实现。另外,除了本文所提出本发明的多个方面之外,本发明的范围更旨在涵盖使用其它结构、功能或结构和功能来实现的装置或方法。应可理解,其可通过权利要求的一或多个元件具体化本文所公开的任何方面。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。
如图1所示为某一姿态角下的试验模型上的某一测压点的原始时域脉动压力信号,该原始时域脉动压力信号具体体现为原始信号功率谱密度曲线,其横坐标为频率,纵坐标为功率谱密度,由于风洞风扇干扰的存在,图1中的原始时域脉动压力信号并不能真实反映该姿态角下的试验模型上的该测压点的真实压力状态,因此,需要将图1中的原始时域脉动压力信号中的风洞风扇干扰进行去除,以真实反映该姿态角下的试验模型上的该测压点的真实压力状态。
如图2所示为本发明实施例中的一种去除风洞风扇干扰的数据处理方法的示意图,本发明实施例中的一种去除风洞风扇干扰的数据处理方法包括如下步骤:
步骤S10:将各个原始时域脉动压力信号均划分为原始时域脉动压力静态信号和原始时域脉动压力动态信号;
具体地,可采用三次多项式拟合的方式得到原始时域脉动压力静态信号,将原始时域脉动压力信号中将原始时域脉动压力静态信号扣除,即得到原始时域脉动压力动态信号;
步骤S20:将各个原始时域脉动压力动态信号转换为原始频域脉动压力动态信号,计算各个原始频域脉动压力动态信号对应的风扇干扰频率,并依据所有的原始频域脉动压力动态信号对应的风扇干扰频率计算风洞风扇干扰基频;
将各个原始时域脉动压力动态信号转换为原始频域脉动压力动态信号时,可采用傅里叶变换得到;另外,通过风洞风扇干扰基频可以得到原始频域脉动压力动态信号受到风洞风扇干扰的频率位置;
步骤S30:判断各个原始频域脉动压力动态信号是否需要去除风洞风扇干扰,当原始频域脉动压力动态信号需要去除风洞风扇干扰时,将原始频域脉动压力动态信号中的风洞风扇干扰去除,得到去除风洞风扇干扰的频域脉动压力动态信号;
在此步骤中,将风洞风扇干扰进行去除;
步骤S40:将步骤S30中的去除风洞风扇干扰的频域脉动压力动态信号转换为去除风洞风扇干扰的时域脉动压力动态信号,并将去除风洞风扇干扰的时域脉动压力动态信号与步骤S10中的原始时域脉动压力静态信号叠加,获得去除风洞风扇干扰的时域脉动压力信号。
由于在步骤S10中将原始时域脉动压力静态信号进行了扣除,因此,在步骤S40中将原始时域脉动压力静态信号叠加回来,以真实反映数据。
进一步地,将原始时域脉动压力信号的序号记为i,第i个原始时域脉动压力信号对应的原始时域脉动压力静态信号、原始时域脉动压力动态信号、原始频域脉动压力动态信号的序号同样记为i,所述步骤S20包括如下步骤:
步骤S21:计算风扇固有干扰频率f w ;
步骤S22:提取第i个原始频域脉动压力动态信号中位于区间[f w -d f ,f w +d f ]内的频域幅值向量a i ,计算频域幅值向量a i 中的元素的均值A i-1 、标准差A i-2 、最大幅值A i-max ,当(A i-max -A i-1 )>3A i-2 时,将最大幅值A i-max 对应的频率作为第i个原始频域脉动压力动态信号对应的风扇干扰频率f i ,其中,d f 为搜索半带宽,i从1~n遍历,n为原始时域脉动压力信号的总个数。
每个原始频域脉动压力动态信号对应的风扇干扰频率可能都不一样,因此,通过i从1~n遍历,计算出每个原始频域脉动压力动态信号对应的风扇干扰频率,以全面考虑风洞风扇干扰,如果仅计算出一个原始频域脉动压力动态信号对应的风扇干扰频率用以反应风洞风扇干扰,将具有较大的片面性。
进一步地,所述步骤S21中,f w =R×m/60,其中,R为风洞风扇的每分钟转数,m为风洞风扇的叶片数。
进一步地,所述步骤S20还包括如下步骤:
步骤S23:将所有的风扇干扰频率f i 从最小到最大进行多个分区统计,将位于最大概率区间内所有风扇干扰频率f i 的平均值作为风洞风扇干扰基频f 0 。
进行此步骤的目的,主要是将所有的风扇干扰频率f i 中的干扰数据部分进行去除,以进一步真实反映风洞风扇干扰。
进一步地,所述步骤S30包括如下步骤:
步骤S31:提取第i个原始频域脉动压力动态信号中位于区间[k×f 0 -d f ,k×f 0 +d f ]内的频域幅值向量b i 、相位向量ϕ i ,计算频域幅值向量b i 中的元素的均值B i-1 、标准差B i-2 、最大幅值B i-max ;
步骤S32:计算第i个原始频域脉动压力动态信号的残值向量D i ,其中,D i =b i -B i-1 -d ×B i-2 ,d为风扇干扰峰判别限制阀;
步骤S33:根据残值向量D i ,判断第i个原始频域脉动压力动态信号在区间[k×f 0 - d f ,k×f 0 +d f ]内是否存在显著干扰峰;
步骤S34:当第i个原始频域脉动压力动态信号在区间[k×f 0 -d f ,k×f 0 +d f ]内不存在显著干扰峰时,不对第i个原始频域脉动压力动态信号继续进行数据处理;当第i个原始频域脉动压力动态信号在区间[k×f 0 -d f ,k×f 0 +d f ]内存在显著干扰峰时,计算残值向量D i 中元素的最大幅值对应的频率f i-max ,判断f i-max 是否偏离中心超过允许值;
也就是说,并不是所有的原始频域脉动压力动态信号均需进行数据处理,原始频域脉动压力动态信号在区间[k×f 0 -d f ,k×f 0 +d f ]内不存在显著干扰峰时,如果还进行数据处理的话,反而会造成数据失真;
步骤S35:当f i-max 没有偏离中心超过允许值时,对第i个原始频域脉动压力动态信号继续进行数据处理;当f i-max 偏离中心超过允许值时,不对第i个原始频域脉动压力动态信号继续进行数据处理;
其中,k为大于等于1的整数。
k为1则表示在风洞风扇干扰基频f 0 处的处理,k大于1则表示在风洞风扇干扰基频f 0 的倍频处的处理。
类似地,即使原始频域脉动压力动态信号在区间[k×f 0 -d f ,k×f 0 +d f ]内存在显著干扰峰时,并不是必须对其进行数据处理,还需判断f i-max 是否偏离中心超过允许值,f i-max 没有偏离中心超过允许值时,如果还进行数据处理的话,反而会造成数据失真;
进一步地,所述步骤S33包括如下步骤:
步骤S331:计算残值向量D i 中的各元素之和;
步骤S332:当残值向量D i 中的各元素之和小于等于0时,判断第i个原始频域脉动压力动态信号在区间[f 0 -d f ,f 0 +d f ]内不存在显著干扰峰;当残值向量D i 中的各元素之和大于0时,判断第i个原始频域脉动压力动态信号在区间[f 0 -d f ,f 0 +d f ]内存在显著干扰峰。
进一步地,所述步骤S34包括如下步骤:
步骤S341:计算|f i-max -k×f 0 |;
步骤S342:当|f i-max -k×f 0 |≥d f /2时,判断f i-max 偏离中心超过允许值;当|f i-max -k ×f 0 |<d f /2时,判断f i-max 没有偏离中心超过允许值。
进一步地,当f i-max 没有偏离中心超过允许值时,所述步骤S35包括如下步骤:
步骤S351:计算第i个原始频域脉动压力动态信号在联合区间[k×f 0 -d f ,f i-max - d fx ]∪[f i-max +d fx ,k×f 0 +d f ]内的幅值均值μ i-1 、相位均值μ i-2 ;
步骤S352:将第i个原始频域脉动压力动态信号在区间[f i-max -d fx ,f i-max +d fx ]内的幅值向量元素赋值μ i-1 ,将第i个原始频域脉动压力动态信号在区间[f i-max -d fx ,f i-max +d fx ]内的相位向量元素赋值μ i-2 ,得到去除风洞风扇干扰的第i个频域脉动压力动态信号;
其中,d fx 为优化处理半带宽,d fx <d f /2。
进一步地,1HZ≤d f ≤3HZ。
经过上述步骤后,可将原始时域脉动压力信号中的风洞风扇干扰去除,可真实地反应试验模型上的测压点的真实压力状态。
以图1中的数据为例,按照前文所述方法获得风洞风扇干扰基频为75.9Hz,从图1可以看出,在风洞风扇干扰基频及其倍频附近出现风洞风扇干扰窄带峰,峰值处频率分别为76.0Hz、152.0Hz、227.5Hz、303.5Hz、379.5Hz;图3所示为将图1中的原始时域脉动压力信号中的风洞风扇干扰进行去除后的数据,经过数据优化处理后,功率谱密度曲线在76.0Hz、152.0Hz、227.5Hz、303.5Hz、379.5Hz处呈现为连续状态,未出现窄带峰值,可见,风洞风扇干扰被消除。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种去除风洞风扇干扰的数据处理方法,其特征在于,包括如下步骤:
步骤S10:将各个原始时域脉动压力信号均划分为原始时域脉动压力静态信号和原始时域脉动压力动态信号;
步骤S20:将各个原始时域脉动压力动态信号转换为原始频域脉动压力动态信号,计算各个原始频域脉动压力动态信号对应的风扇干扰频率,并依据所有的原始频域脉动压力动态信号对应的风扇干扰频率计算风洞风扇干扰基频;
步骤S30:判断各个原始频域脉动压力动态信号是否需要去除风洞风扇干扰,当原始频域脉动压力动态信号需要去除风洞风扇干扰时,将原始频域脉动压力动态信号中的风洞风扇干扰去除,得到去除风洞风扇干扰的频域脉动压力动态信号;
步骤S40:将步骤S30中的去除风洞风扇干扰的频域脉动压力动态信号转换为去除风洞风扇干扰的时域脉动压力动态信号,并将去除风洞风扇干扰的时域脉动压力动态信号与步骤S10中的原始时域脉动压力静态信号叠加,获得去除风洞风扇干扰的时域脉动压力信号;
所述步骤S30包括如下步骤:
步骤S31:提取第i个原始频域脉动压力动态信号中位于区间[k×f 0 -d f ,k×f 0 +d f ]内的频域幅值向量b i 、相位向量ϕ i ,计算频域幅值向量b i 中的元素的均值B i-1 、标准差B i-2 、最大幅值B i-max ;
步骤S32:计算第i个原始频域脉动压力动态信号的残值向量D i ,其中,D i =b i -B i-1 -d× B i-2 ,d为风扇干扰峰判别限制阀;
步骤S33:根据残值向量D i ,判断第i个原始频域脉动压力动态信号在区间[k×f 0 -d f ,k ×f 0 +d f ]内是否存在显著干扰峰;
步骤S34:当第i个原始频域脉动压力动态信号在区间[k×f 0 -d f ,k×f 0 +d f ]内不存在显著干扰峰时,不对第i个原始频域脉动压力动态信号继续进行数据处理;当第i个原始频域脉动压力动态信号在区间[k×f 0 -d f ,k×f 0 +d f ]内存在显著干扰峰时,计算残值向量D i 中元素的最大幅值对应的频率f i-max ,判断f i-max 是否偏离中心超过允许值;
步骤S35:当f i-max 没有偏离中心超过允许值时,对第i个原始频域脉动压力动态信号继续进行数据处理;当f i-max 偏离中心超过允许值时,不对第i个原始频域脉动压力动态信号继续进行数据处理;
其中,k为大于等于1的整数;
所述步骤S33包括如下步骤:
步骤S331:计算残值向量D i 中的各元素之和;
步骤S332:当残值向量D i 中的各元素之和小于等于0时,判断第i个原始频域脉动压力动态信号在区间[k×f 0 -d f ,k×f 0 +d f ]内不存在显著干扰峰;当残值向量D i 中的各元素之和大于0时,判断第i个原始频域脉动压力动态信号在区间[f 0 -d f ,f 0 +d f ]内存在显著干扰峰。
2.如权利要求1所述的一种去除风洞风扇干扰的数据处理方法,其特征在于,将原始时域脉动压力信号的序号记为i,第i个原始时域脉动压力信号对应的原始时域脉动压力静态信号、原始时域脉动压力动态信号、原始频域脉动压力动态信号的序号同样记为i,所述步骤S20包括如下步骤:
步骤S21:计算风扇固有干扰频率f w ;
步骤S22:提取第i个原始频域脉动压力动态信号中位于区间[f w -d f ,f w +d f ]内的频域幅值向量a i ,计算频域幅值向量a i 中的元素的均值A i-1 、标准差A i-2 、最大幅值A i-max ,当(A i-max -A i-1 )>3A i-2 时,将最大幅值A i-max 对应的频率作为第i个原始频域脉动压力动态信号对应的风扇干扰频率f i ,其中,d f 为搜索半带宽,i从1~n遍历,n为原始时域脉动压力信号的总个数。
3.如权利要求2所述的一种去除风洞风扇干扰的数据处理方法,其特征在于,所述步骤S21中,f w =R×m/60,其中,R为风洞风扇的每分钟转数,m为风洞风扇的叶片数。
4.如权利要求3所述的一种去除风洞风扇干扰的数据处理方法,其特征在于,所述步骤S20还包括如下步骤:
步骤S23:将所有的风扇干扰频率f i 从最小到最大进行多个分区统计,将位于最大概率区间内所有风扇干扰频率f i 的平均值作为风洞风扇干扰基频f 0 。
5.如权利要求1所述的一种去除风洞风扇干扰的数据处理方法,其特征在于,所述步骤S34包括如下步骤:
步骤S341:计算|f i-max -k×f 0 |;
步骤S342:当|f i-max -k×f 0 |≥d f /2时,判断f i-max 偏离中心超过允许值;当|f i-max -k×f 0 |<d f /2时,判断f i-max 没有偏离中心超过允许值。
6.如权利要求5所述的一种去除风洞风扇干扰的数据处理方法,其特征在于,当f i-max 没有偏离中心超过允许值时,所述步骤S35包括如下步骤:
步骤S351:计算第i个原始频域脉动压力动态信号在联合区间[k×f 0 -d f ,f i-max -d fx ]∪[f i-max +d fx ,k×f 0 +d f ]内的幅值均值μ i-1 、相位均值μ i-2 ;
步骤S352:将第i个原始频域脉动压力动态信号在区间[f i-max -d fx ,f i-max +d fx ]内的幅值向量元素赋值μ i-1 ,将第i个原始频域脉动压力动态信号在区间[f i-max -d fx ,f i-max +d fx ]内的相位向量元素赋值μ i-2 ,得到去除风洞风扇干扰的第i个频域脉动压力动态信号;
其中,d fx 为优化处理半带宽,d fx <d f /2。
7.如权利要求2-6任一所述的一种去除风洞风扇干扰的数据处理方法,其特征在于,1HZ≤d f ≤3HZ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110249140.2A CN112613198B (zh) | 2021-03-08 | 2021-03-08 | 一种去除风洞风扇干扰的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110249140.2A CN112613198B (zh) | 2021-03-08 | 2021-03-08 | 一种去除风洞风扇干扰的数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112613198A CN112613198A (zh) | 2021-04-06 |
CN112613198B true CN112613198B (zh) | 2021-05-11 |
Family
ID=75254490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110249140.2A Active CN112613198B (zh) | 2021-03-08 | 2021-03-08 | 一种去除风洞风扇干扰的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112613198B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201222973D0 (en) * | 2012-12-19 | 2013-01-30 | Composite Technology & Applic Ltd | An aerofoil structure |
CN104317982B (zh) * | 2014-08-26 | 2018-12-11 | 中国直升机设计研究所 | 一种开口直流式风洞低噪声设计方法 |
CN107818222A (zh) * | 2017-11-01 | 2018-03-20 | 东北大学 | 热振环境下纤维复合板非线性动力学参数测试方法及系统 |
CN109030016A (zh) * | 2018-06-11 | 2018-12-18 | 中国北方车辆研究所 | 基于载荷谱的综合传动装置耐久性评估方法 |
CN110082058B (zh) * | 2019-04-22 | 2023-12-15 | 南京航空航天大学 | 一种模拟多种极端风场的多风扇阵列风洞及风场模拟方法 |
CN111272380B (zh) * | 2020-02-24 | 2022-02-11 | 中国空气动力研究与发展中心高速空气动力研究所 | 风洞试验模型位姿视频测量的风轴系自标定方法 |
-
2021
- 2021-03-08 CN CN202110249140.2A patent/CN112613198B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112613198A (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107329932B (zh) | 基于非线性调频分量分解的时频域模态参数辨识方法 | |
Antoni | Cyclostationarity by examples | |
RU2488815C2 (ru) | Способ и устройство для классификации генерирующих звук процессов | |
US20070262741A1 (en) | Method of and Apparatus for Evaluating the Performance of a Control System | |
Yakhni et al. | Variable speed induction motors’ fault detection based on transient motor current signatures analysis: A review | |
US10365297B2 (en) | System and method for generation of a tachometer signal and reduction of jitter | |
WO2023093315A1 (zh) | 振动信号的特征提取方法、设备分析方法及装置 | |
Xu et al. | An enhanced multipoint optimal minimum entropy deconvolution approach for bearing fault detection of spur gearbox | |
McBain et al. | Fault detection in variable speed machinery: Statistical parameterization | |
Choudhury et al. | A methodology to handle spectral smearing in gearboxes using adaptive mode decomposition and dynamic time warping | |
Chiementin et al. | Effect of cascade methods on vibration defects detection | |
Yu et al. | Feature enhancement method of rolling bearing acoustic signal based on RLS-RSSD | |
Noman et al. | Continuous health monitoring of bearing by oscillatory sparsity indices under non stationary time varying speed condition | |
CN112613198B (zh) | 一种去除风洞风扇干扰的数据处理方法 | |
Matania et al. | Algorithms for spectrum background estimation of non-stationary signals | |
Bouaouiche et al. | Detection of defects in a bearing by analysis of vibration signals | |
JP2020172861A (ja) | 異常判別方法、異常判別装置および異常判別プログラム | |
CN106980722B (zh) | 一种脉冲响应中谐波成分的检测和去除方法 | |
Li et al. | A spectrum detection approach for bearing fault signal based on spectral kurtosis | |
CN115436058B (zh) | 一种轴承故障特征提取的方法、装置、设备以及存储介质 | |
Allen et al. | Analysis and synthesis of tonal aircraft noise sources | |
KR101752298B1 (ko) | 회전익 진동 기반 건전성 감시 장치 및 이를 이용하는 감시 방법 | |
Hemmati et al. | Rolling element bearing condition monitoring using acoustic emission technique | |
CN114441111A (zh) | 一种管道泄漏次声波信号分析方法及系统 | |
Chen et al. | A new fault diagnosis method of rotating machinery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |