CN112965966B - 一种基于实测飞参数据的快速预处理方法、系统及计算机相关产品 - Google Patents
一种基于实测飞参数据的快速预处理方法、系统及计算机相关产品 Download PDFInfo
- Publication number
- CN112965966B CN112965966B CN202110170641.1A CN202110170641A CN112965966B CN 112965966 B CN112965966 B CN 112965966B CN 202110170641 A CN202110170641 A CN 202110170641A CN 112965966 B CN112965966 B CN 112965966B
- Authority
- CN
- China
- Prior art keywords
- detection point
- slope
- abnormal
- value
- current detection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000007781 pre-processing Methods 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 238000013450 outlier detection Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提供一种基于实测飞参数据的快速预处理方法、系统及计算机相关产品,能够达到野值鉴别的实时性和准确性要求同时满足实际需求。该方法包括:步骤1)获取实测飞参原始数据,对原始数据进行斜率化处理,并转化成斜率差数组;步骤2)遍历斜率差值的数组所有元素,对其进行阈值判断;若未超过设定的阈值,则判定相应的当前检测点为正常值,保持原值不变;若超过设定的阈值,则判定相应的当前检测点为异常值,用前一帧的数据替换,并进行下一步判断、处理;步骤3)若进一步判断当前检测点为随机分布的异常点,则只替换当前帧的异常值;若判断为连续聚集的异常值,则替换相近两个异常点之间的所有值。
Description
技术领域
本发明涉及飞行参数预处理领域,具体涉及一种基于实测飞参数据的预处理方法。
背景技术
随着对飞参数据不断挖掘应用,事后分析已经满足不了目前的技术需求,飞参实时监控带来了飞参数数据实时分析的要求,同时要求飞参的实时预处理。对飞参系统来说,由于各种干扰,飞参数据中存在各种形式的野值,其干扰了数据分析和数据挖掘的准确性,通过预处理把野值去除。
在飞机飞行过程中,各参量的测量是一个动态测量过程,被测量是随时间或空间变化的。由机载传感器测得的速度、位置、高度、加速度、压力等飞行数据,均是在动态测量中完成的,包含着大量被测物理量、测控设备和系统以及外界环境干扰等多方面信息。正确分析和处理动态测试数据能够得到很多反映飞行规律的有用信息。但是,在观测数据中往往也包含了大量的严重偏离被测量真值的数据点,这些异常数据就称为野值。
金慧琴等在2017年发表的文章“飞机飞行参数数据预处理方法研究”中,针对不满足统计特性的数据误差,总结了飞行参数数据野值剔除三种方法,分别是增量法,差分法,稳健异值检测方法。增量法对前后帧数据的差值进行阈值判断,计算简单,实时性好,但只能针对一些有确定边界的连续信号进行处理;差分法是根据n次多项式的n+1阶导数为零,得出的一种处理确定信号的近似方法,野值的鉴别相较于增量法更为精确,但基于统计的基础,前期需要完备的统计数据;稳健异值检测方法对时序数据按段进行代数多项式与三角多项式的线性组合的一致逼近,使用Huber型或Hampel型函数来构建具有抗异值干扰能力的稳健拟合曲线,相对于差分法有更高的野值检测精度,且不需要前期的统计数据,但是计算量大,对当前拟合的数据段的中点值判断准确,对实时性有显著的影响。
左思佳等在2019年发表的题为“航空发动机试飞数据野值识别与补正算法”的文章中,针对在航空发动机智能实时监视系统中由数据野值导致的虚报警问题,提出了基于最小二乘拟合和莱特准则的野值识别算法,在对原始数据进行最小二乘拟合计算拟合残差后,对拟合残差的标准差进行标准判断,若不达标则调整拟合阶数重新拟合直至残差的标准差在一个设定的合理范围内,通过多次迭代的方式来减少野值本身对数据标准差的干扰,最后根据莱特准则判断是否存在野值。通过选用合适的阶数进行拟合来保证将偏离真实值不大的野值识别出来,与之前的三种方法相对比,这种方法兼顾了野值识别准确度和实时性,但是对于飞参变化的多样性,对于部分情况其残差的标准差值的范围标准无法有效确定。
发明内容
本发明的目的是提供一种达到野值鉴别的实时性和准确性要求同时满足实际需求的飞参预处理方法。
为了实现以上目的,本发明提出以下技术方案:
一种基于实测飞参数据的快速预处理方法,其特殊之处在于,包括:
步骤1)斜率化处理
获取实测飞参原始数据,对原始数据进行斜率化处理,并转化成斜率差数组;
步骤2)单个异常值检测
遍历斜率差值的数组所有元素,对其进行阈值判断;若未超过设定的阈值,则判定相应的当前检测点为正常值,保持原值不变;若超过设定的阈值,则判定相应的当前检测点为异常值,用前一帧的数据替换,并进行下一步判断、处理;
步骤3)连续异常值检测
若进一步判断当前检测点为随机分布的异常点,则只替换当前帧的异常值;若判断为连续聚集的异常值,则替换相近两个异常点之间的所有值。
进一步地,步骤1)中所述斜率化处理,具体是:对原始数据作二阶差分,求得斜率Slope;用斜率差deta作为下一步判断的对象;设当前处理帧数为i,用单位1作时间间隔,斜率Slope等于前后两帧的幅度差,有Slope1=(Signal[i+1]-Signal[i]),Slope2=(Signal[i+2]-Signal[i+1]),deta=Slope2-Slope1=(Signal[i+2]+Signal[i]-2*Signal[i+1])。
进一步地,步骤2)中所述阈值判断,具体是:
若当前斜率检测点的绝对值Absolute(deta)<=limit,Limit为所述设定的阈值,即正常值所允许的最大deta值,则认为相应的当前检测点处于合理范围;
若当前斜率检测点的绝对值Absolute(deta)>limit,则判为异常值。
进一步地,步骤3)中的判断方法,具体是:
设定异常值连续的最大长度size_w,计算每两个异常点之间的长度counter;
若counter>size_w,则认为是随机分布的异常点,只替换当前帧的异常值;
若counter<=size_w,则判定是连续聚集的异常值,替换相近两个异常点之间的所有值。
进一步地,步骤3)中,对于每两个异常点之间的长度counter的计算,设置相应的计数器,随着对斜率差数组的遍历增长,当遇到异常值时,计数器置零。
本发明还提供一种基于实测飞参数据的快速预处理系统,其特殊之处在于,包括以下程序模块:
斜率化处理模块,用于对实测飞参原始数据进行斜率化处理,并转化成斜率差数组;
单个异常值检测模块,用于遍历斜率差值的数组所有元素,对其进行阈值判断;若未超过设定的阈值,则判定相应的当前检测点为正常值,保持原值不变;若超过设定的阈值,则判定相应的当前检测点为异常值,用前一帧的数据替换,并进行下一步判断、处理;
连续异常值检测模块,用于判断异常点的属性并做进一步处理,具体是:若进一步判断当前检测点为随机分布的异常点,则只替换当前帧的异常值;若判断为连续聚集的异常值,则替换相近两个异常点之间的所有值。
本发明还提供一种计算机设备,包括处理器和存储器,所述存储器存储有若干程序,其特殊之处在于,所述程序被处理器加载运行时实现上述的一种基于实测飞参数据的快速预处理方法。
本发明还提供一种计算机可读存储介质,存储有若干程序,其特殊之处在于,所述程序被处理器加载运行时实现上述的一种基于实测飞参数据的快速预处理方法。
本发明具有以下有益效果:
本发明提供了一种达到处理的实时性和野值鉴别的准确性同时满足实际需求的预处理方法。本发明对原始数据进行斜率化处理,转化成斜率差值的数组形式(sig),遍历数组所有元素对其进行幅度判断(abs(sig[i])>lim),若超过允许的幅度lim,则判为异常值(pointanomaly),用前一帧的数据替换,并进一步进行连续奇异值判断(collectiveanomaly),若counter<size_w,则对长度为counter的连续奇异值段全部替换。
通过飞参数据进行预处理,可以提高飞参数据的质量,为后续的大数据分析处理打下基础,使其能够得到更精确和可靠的结论。
通过对飞参数据的实时处理,为后续飞参的实时监控提供可靠的保证,避免虚报警的发生。
附图说明
图1为本发明一个实施例的流程示意图。
图2为本发明一个实施例的处理前后的对比图,其中下图为处理前的数据,上图为处理后的数据。
具体实施方式
以下结合附图,通过实施例进一步详述本发明。
本实施例
本发明的一种飞参实时预处理方法,具体流程图见图1,包括以下步骤:
步骤一、斜率化处理:
对原始数据作二阶差分,求得斜率Slope;用斜率的差deta作为下一步判断的对象。如果当前处理帧数为i,用单位1作时间间隔,则斜率等于前后两帧的幅度差。因此Slope1=(Signal[i+1]-Signal[i]),Slope2=(Signal[i+2]-Signal[i+1]),deta=Slope2-Slope1=(Signal[i+2]+Signal[i]-2*Signal[i+1])。
步骤二、单个异常值检测:
输入参数limit,即正常值所允许的最大deta值。若当前斜率检测点的绝对值Absolute(deta)<=limit认为当前值处于合理范围;若Absolute(deta)>limit,则判为异常值。
步骤三、连续异常值检测:
输入参数size_w,即对于异常值连续的最大长度。计算每两个异常点之间的长度counter,若counter>size_w认为是随机分布的异常点,只替换当前帧的异常值;若counter<=size_w判为是连续的聚集的异常值,替换相近两个奇异点之间的所有值。对于计数器:随着对斜率差数组的遍历增长(counter+=1),当遇到奇异值时,计数器置零。
以下给出一个具体实例:
表1所示是真攻角参数原始数据。
表1真攻角参数表原始数据
表2所示是进行斜率化处理化成二阶差分后数据。
表2真攻角参数差值表
输入limit=10;
输入size_w=20;
处理效果前后对比如图2所示。从图2中可以看出,本实施例对于连续野值能够很好的鉴别与定位处理,并且用了前一帧的数据替换。
Claims (6)
1.一种基于实测飞参数据的快速预处理方法,其特征在于,包括:
步骤1)斜率化处理
获取实测飞参原始数据,对原始数据进行斜率化处理,并转化成斜率差数组;
具体是:对原始数据作二阶差分,求得斜率Slope;用斜率差deta作为下一步判断的对象;设当前处理帧数为i,用单位1作时间间隔,斜率Slope等于前后两帧的幅度差,有Slope1=(Signal[i+1]-Signal[i]),Slope2=(Signal[i+2]-Signal[i+1]),
deta=Slope2-Slope1=(Signal[i+2]+Signal[i]-2*Signal[i+1]);
步骤2)单个异常值检测
遍历斜率差值的数组所有元素,对其进行阈值判断;若未超过设定的阈值,则判定相应的当前检测点为正常值,保持原值不变;若超过设定的阈值,则判定相应的当前检测点为异常值,用前一帧的数据替换,并进行下一步判断、处理;
步骤3)连续异常值检测
若进一步判断当前检测点为随机分布的异常点,则只替换当前帧的异常值;若判断为连续聚集的异常值,则替换相近两个异常点之间的所有值;
判断方法具体是:
设定异常值连续的最大长度size_w,计算每两个异常点之间的长度counter;
若counter>size_w,则认为是随机分布的异常点,只替换当前帧的异常值;
若counter<=size_w,则判定是连续聚集的异常值,替换相近两个异常点之间的所有值。
2.根据权利要求1所述的一种基于实测飞参数据的快速预处理方法,其特征在于,步骤2)中所述阈值判断,具体是:
若当前斜率检测点的绝对值Absolute(deta)<=limit,Limit为所述设定的阈值,即正常值所允许的最大deta值,则认为相应的当前检测点处于合理范围;
若当前斜率检测点的绝对值Absolute(deta)>limit,则判为异常值。
3.根据权利要求2所述的一种基于实测飞参数据的快速预处理方法,其特征在于,步骤3)中,对于每两个异常点之间的长度counter的计算,设置相应的计数器,随着对斜率差数组的遍历增长,当遇到异常值时,计数器置零。
4.一种基于实测飞参数据的快速预处理系统,其特征在于,包括以下程序模块:
斜率化处理模块,用于对实测飞参原始数据进行斜率化处理,并转化成斜率差数组;
具体用于:对原始数据作二阶差分,求得斜率Slope;用斜率差deta作为下一步判断的对象;设当前处理帧数为i,用单位1作时间间隔,斜率Slope等于前后两帧的幅度差,有Slope1=(Signal[i+1]-Signal[i]),Slope2=(Signal[i+2]-Signal[i+1]),
deta=Slope2-Slope1=(Signal[i+2]+Signal[i]-2*Signal[i+1]);
单个异常值检测模块,用于遍历斜率差值的数组所有元素,对其进行阈值判断;若未超过设定的阈值,则判定相应的当前检测点为正常值,保持原值不变;若超过设定的阈值,则判定相应的当前检测点为异常值,用前一帧的数据替换,并进行下一步判断、处理;
连续异常值检测模块,用于判断异常点的属性并做进一步处理,具体是:若进一步判断当前检测点为随机分布的异常点,则只替换当前帧的异常值;若判断为连续聚集的异常值,则替换相近两个异常点之间的所有值;
判断方法具体是:
设定异常值连续的最大长度size_w,计算每两个异常点之间的长度counter;
若counter>size_w,则认为是随机分布的异常点,只替换当前帧的异常值;
若counter<=size_w,则判定是连续聚集的异常值,替换相近两个异常点之间的所有值。
5.一种计算机设备,包括处理器和存储器,所述存储器存储有若干程序,其特征在于,所述程序被处理器加载运行时实现权利要求1至3任一所述的一种基于实测飞参数据的快速预处理方法。
6.一种计算机可读存储介质,存储有若干程序,其特征在于,所述程序被处理器加载运行时实现权利要求1至3任一所述的一种基于实测飞参数据的快速预处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110170641.1A CN112965966B (zh) | 2021-02-08 | 2021-02-08 | 一种基于实测飞参数据的快速预处理方法、系统及计算机相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110170641.1A CN112965966B (zh) | 2021-02-08 | 2021-02-08 | 一种基于实测飞参数据的快速预处理方法、系统及计算机相关产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112965966A CN112965966A (zh) | 2021-06-15 |
CN112965966B true CN112965966B (zh) | 2023-09-08 |
Family
ID=76275339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110170641.1A Active CN112965966B (zh) | 2021-02-08 | 2021-02-08 | 一种基于实测飞参数据的快速预处理方法、系统及计算机相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112965966B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761048B (zh) * | 2021-11-10 | 2022-03-25 | 中大检测(湖南)股份有限公司 | 地质灾害异常数据可视化处理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839922A (zh) * | 2010-05-28 | 2010-09-22 | 哈尔滨工程大学 | 一种信号在线野值剔除的方法 |
CN106508018B (zh) * | 2010-03-18 | 2013-07-24 | 西北工业大学 | 基于飞机运动方程的飞行数据“野值”检测与剔除方法 |
CN108205432A (zh) * | 2016-12-16 | 2018-06-26 | 中国航天科工飞航技术研究院 | 一种观测实验数据异常值的实时剔除方法 |
CN111815806A (zh) * | 2020-07-10 | 2020-10-23 | 中国人民解放军空军工程大学 | 一种基于野值剔除和特征提取的飞参数据预处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8798817B2 (en) * | 2012-01-31 | 2014-08-05 | Gulfstream Aerospace Corporation | Methods and systems for requesting and retrieving aircraft data during flight of an aircraft |
-
2021
- 2021-02-08 CN CN202110170641.1A patent/CN112965966B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106508018B (zh) * | 2010-03-18 | 2013-07-24 | 西北工业大学 | 基于飞机运动方程的飞行数据“野值”检测与剔除方法 |
CN101839922A (zh) * | 2010-05-28 | 2010-09-22 | 哈尔滨工程大学 | 一种信号在线野值剔除的方法 |
CN108205432A (zh) * | 2016-12-16 | 2018-06-26 | 中国航天科工飞航技术研究院 | 一种观测实验数据异常值的实时剔除方法 |
CN111815806A (zh) * | 2020-07-10 | 2020-10-23 | 中国人民解放军空军工程大学 | 一种基于野值剔除和特征提取的飞参数据预处理方法 |
Non-Patent Citations (1)
Title |
---|
一种飞参数据的野值剔除和平滑方法研究;安利 等;现代电子技术;第35卷(第18期);102-104 * |
Also Published As
Publication number | Publication date |
---|---|
CN112965966A (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103335814B (zh) | 风洞中实验模型倾角测量误差数据的修正方法 | |
US8437986B2 (en) | Method for detecting and filtering a random noise signal | |
CN108692711B (zh) | 基于低空探空火箭的海洋数据处理的实现方法 | |
CN112965966B (zh) | 一种基于实测飞参数据的快速预处理方法、系统及计算机相关产品 | |
CN113298194B (zh) | 一种基于多传感器的数据融合方法、系统及存储介质 | |
CN116222670B (zh) | 一种城市绿地规划用生态景观边坡监测方法 | |
CN111123885B (zh) | 一种基于自适应技术的高超声速飞行器间歇故障诊断方法 | |
CN109814101B (zh) | 一种航空器位置预测的方法及装置 | |
CN112965964B (zh) | 一种实测飞参数据的野值检测方法、系统及计算机相关产品 | |
IL199747A (en) | A method for estimating sensor measurement values | |
CN116501183B (zh) | 一种基于多传感器融合的鼠标位移调控方法以及系统 | |
CN112731815A (zh) | 一种提高模拟量采集精度的方法 | |
CN112965965A (zh) | 一种基于模糊预测系统的野值剔除方法、系统及计算机相关产品 | |
CN116756487A (zh) | 一种基于迭代修正优化的多传感器控制系统数据融合方法 | |
CN106874531B (zh) | 一种大气数据系统在故障时的异常测量值数据自恢复方法 | |
CN109625205A (zh) | 一种减摇鳍多反馈升力信号的分步融合方法 | |
CN114519262A (zh) | 基于改进gm(1,1)模型的空中目标威胁预测方法 | |
CN110487315B (zh) | 一种仪表漂移的分析系统及方法 | |
CN112747773A (zh) | 基于Allan方差和随机多项式提高陀螺仪精度的方法 | |
CN109934951B (zh) | 一种根据设备电磁信号模拟量标定设备唯一性的方法 | |
CN112763989B (zh) | 一种基于cdif的抖动信号分选方法 | |
CN117370918B (zh) | 一种面向高轨安全的空间非合作目标机动无源检测方法 | |
CN117433591B (zh) | 基于多传感器数据的自动化设备监测系统 | |
CN117848332B (zh) | 一种车载多源融合高精度定位系统的imu噪声消除方法 | |
CN116735209A (zh) | 一种航空发动机数据快速处理方法 |
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 |