CN114218778A - 一种用于声爆试验数据的分析方法及装置 - Google Patents
一种用于声爆试验数据的分析方法及装置 Download PDFInfo
- Publication number
- CN114218778A CN114218778A CN202111493598.9A CN202111493598A CN114218778A CN 114218778 A CN114218778 A CN 114218778A CN 202111493598 A CN202111493598 A CN 202111493598A CN 114218778 A CN114218778 A CN 114218778A
- Authority
- CN
- China
- Prior art keywords
- data
- model
- test data
- test
- client
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004880 explosion Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 8
- 238000007405 data analysis Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明实施例公开了一种用于声爆试验数据的分析方法及装置,涉及流体力学领域的风洞声爆试验技术领域,能够提高整个声爆试验数据分析系统的精度和效率,降低试验次数,节约试验资源。本发明包括:根据客户端发送的获取数据请求,通过测压轨读取声爆试验的测量数据;通过服务器中存储的概率模型对初始数据进行分析处理;采用最大似然法对模型参数进行求解;通过参数结果得到需要测量的模型声爆信号,最终得到的结果返回客户端。本发明适用于涉及风洞声爆试验的装备设计。
Description
技术领域
本发明涉及体力学领域的风洞声爆试验技术领域,尤其涉及一种用于声爆试验数据的分析方法及装置。
背景技术
随着航空科学技术的发展,超声速民用飞机已成为民机发展的重点方向之一。飞行器在超声速飞行时会产生声爆现象,强烈的声爆会破坏生态环境和影响人们的正常生活工作。所以声爆及其抑制技术是发展新一代超声速民用飞机最先需要突破的核心关键技术。风洞试验是研究声爆的重要手段,超声速风洞声爆试验的主要目的是测量飞行器模型近场的空间压力分布。声爆风洞试验会受到多种因素的干扰,一定程度上会影响试验的准确性并增大试验技术难度,采用风洞试验对低声爆模型的空间压力信号进行测量难度较大。
国际上通常采用参考车次方法和空间平均技提高风洞声爆试验的测量精度。参考车次方法的前提是假设测压轨装置对压力的影响是线性的,将风洞试验中模型固定于测压轨上方时的测量车次数据与移除模型后测得的参考车次数据的差值认为是模型产生的空间压力信号,但实际上模型在风洞中会产生部分耦合效应且耦合部分难以量化。目前发展的各种空间压力测量技术均无法消除风洞流场本身的非均匀扰动带来的测量误差,空间平均技术对于这种流场非均匀性影响是一种行之有效的数据修正方法。但通过空间平均技术对数据进行修正后得到的曲线往往仍存在局部误差导致不够光滑,导致声爆试验数据分析的结果精度也难以进一步提升。
发明内容
本发明的实施例提供一种用于声爆试验数据的分析方法及装置,能够提高整个声爆试验数据分析系统的精度,并且还可以降低试验次数,从而节约试验资源。
为达到上述目的,本发明的实施例采用如下技术方案:
第一方面,本发明的实施例提供的方法,包括:
S1、服务器接收客户端发送的声爆试验数据请求;
S2、从测压轨读取声爆试验数据,其中,所述测压轨安装在风洞中并用于测量声爆试验数据,初次测量到的声爆试验数据作为初始数据;
S3、将所述初始数据输入概率模型进行处理,所述概率模型输出模型参数;
S4、利用所述概率模型输出的模型参数,获取声爆试验模型的信号结果,并将所得到的信号结果返回给所述客户端。
第二方面,本发明的实施例提供的装置,包括:
接收模块,用于接收客户端发送的声爆试验数据请求;
采集模块,用于从测压轨读取声爆试验数据,其中,所述测压轨安装在风洞中并用于测量声爆试验数据,初次测量到的声爆试验数据作为初始数据;
处理模块,用于将所述初始数据输入概率模型进行处理,所述概率模型输出模型参数;
结果输出模块,用于利用所述概率模型输出的模型参数,获取声爆试验模型的信号结果,并将所得到的信号结果返回给所述客户端。
本发明实施例提供的用于声爆试验数据的分析方法及装置,基于概率模型的声爆试验数据进行分析。使用过程中,各个技术人员可以使用客服端提供的信息,计算主体运行于服务器端。其中根据客户端发送的获取数据请求,通过测压轨读取声爆试验的测量数据;通过服务器中存储的概率模型对初始数据进行分析处理;采用最大似然法对模型参数进行求解;通过参数结果得到需要测量的模型声爆信号,最终得到的结果返回客户端。本发明实施例提高整个声爆试验数据分析系统的效率,降低试验次数,不论是从试验数据分析的精度还是从试验资源的利用率来说,都得到明显了改善。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中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它的附图。
图1为本发明实施例提供的总体逻辑框架的示意图;
图2为本发明实施例提供的具体实例中,所使用的概率图模型。
图3为本发明实施例提供的具体实例中,读取声爆试验初始数据示意图;
图4为本发明实施例提供的具体实例中,返回给客户端的声爆试验模型信号结果示意图;
图5-6为本发明实施例提供的模型信号结果与传统方法结果对比示意图。
图7为本发明实施例提供的方法流程示意图;
图8、10为本发明实施例提供的装置结构示意图;
图9为本发明实施例提供的实验环境的示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明作进一步详细描述。下文中将详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其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。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本发明实施例提供一种用于声爆试验数据的分析方法,如图7所示,包括:
S1、服务器接收客户端发送的声爆试验数据请求。
S2、从测压轨读取声爆试验数据。
其中,所述测压轨安装在风洞中并用于测量声爆试验数据,初次测量到的声爆试验数据作为初始数据。在实际应用中,可以对所采集的初始数据执行一些预处理程序,具体所采用的预处理初始数据的手段可以依据具体的实验环境采用目前已有的手段,而这些手段通常也应当是实验室的技术人员和在一线从事生产工作的工程师所熟知的,因此本实施例中并不对如何进行预处理作过多限定。
本实施例中,如图9所示的,所述测压轨固定于风洞的侧壁上。飞行器模型与转接支杆及轴向移动机构相连接,并固定于所述测压轨上方。所述测压轨边缘上分布有测压孔。所述初始数据包括:飞行器模型在不同轴向位置的测量数据。其中,飞行器模型与测压轨等全部试验装置在流场中,测得该状态下风洞内测压轨上的压力信号,无需进行不放入飞行器模型试验的背景信号(参考车次)测量。
具体的,将模型固定于测压轨上方,保持模型与测压轨等全部试验装置在流场中,通过测压轨边缘上分布的测压孔对该状态下模型产生的压力信号进行测量。其中,在从测压轨读取声爆试验数据的过程中,可以将所述飞行器模型沿轴向以固定的间隔移动,例如将飞行器模型沿轴向以固定的间隔移动多次,并测量得到所述飞行器模型在不同轴向位置的试验数据。其中,飞行器模型放置于测压轨上方,沿轴向以固定的间隔移动多次,测量得到模型在不同轴向位置的多组试验数据。
S3、将所述初始数据输入概率模型进行处理,所述概率模型输出模型参数。
S4、利用所述概率模型输出的模型参数,获取声爆试验模型的信号结果,并将所得到的信号结果返回给所述客户端。
本实施例中,通过概率模型处理高噪声试验数据,可以有效降低其中的人为、技术性等误差,以及学科数据自身误差等,能够较大程度排除各种对数据结果造成较大影响的噪声干扰。针对真实信号微弱,噪声干扰强烈的风洞声爆试验,提出使用概率模型对风洞试验数据进行分析建模,以降低噪声影响改善分析结果。通过对原始数据的分析发现,背景环境信号具有一定的波动性,将参考车次数据作为背景环境信号会引入新的噪声。不同飞行器模型位置的试验数据存在着整体的环境背景信号偏移变化,会对结果产生一定影响。针对受多种因素干扰的声爆试验数据,将其中的随机干扰因素参数化,对试验数据进行概率建模。
在本实施例中,在S3之前,还包括:根据声爆试验数据,建立所述概率模型:其中,Bi,c为第i个测压孔第c次声爆试验数据,ai为第i个测压孔背景信号,kt为与试验模型距离t个测压孔的声爆信号,bc为第c次试验的整体环境信号偏移变化,ε为其他不确定因素噪声,采用标准差为σ的正态分布。通过将ε假设为随机变量来解释数据中所包含的所有不确定性,将ai,kt,bc三者假设为参数。噪声ε服从均值为0,标准差为σ的正态分布,概率图模型如图2所示。
服务器将初始数据输入至概率模型进行分析处理。概率模型存储于服务器用于声爆数据的处理和计算。可以通过对数据库中所积累的声爆试验数据特性的分析并建立得到所述概率模型,具体需要通过对声爆试验数据特性的分析,对声爆风洞测量数据进行概率建模。
在本实施例中,所述将所述初始数据输入概率模型进行处理,包括:
将所述初始数据输入概率模型后,通过似然函数进行处理,得到观测数据的概率最大时的模型参数,所述观测数据包括在所述初始数据之后测量得到的声爆试验数据,其中,所述似然函数为:
P为数据的概率。其中个,利用服务器中概率模型计算得到的模型参数,得到声爆试验模型信号结果,并将所得到的信号结果返回给所述客户端。具体的,概率模型采用最大似然法对参数进行求解。通过计算得到使观测数据的概率最大时的模型参数,所述观测数据包括在所述初始数据之后测量得到的声爆试验数据。参数kt的结果即为试验需要测量的模型声爆信号,将该参数结果保存至所述服务器并返回给所述客户端。
进一步的,本实施例中,在S1之前,还包括:所述服务器接收所述客户端发送的登录信息。根据所述登录信息从资源池中提取计算资源并分配给所述客户端。具体的,如图1所示,客户端进行用户账号登录操作,并向所述服务器发送登录信息,所述服务器根据所述登录信息,从资源池中提取计算资源并分配给所述账号。具体可根据初始数据数据量的大小估算所需的算力,并根据估算结果从资源池中提取计算资源并分配给客户端。
例如:客户端向服务器发送数据请求后,服务器读取测压轨测量得到的如图3所示的多组声爆试验初始数据。进一步,服务器使用式1中概率模型对该组数据进行处理分析,采用最大似然法对模型参数进行求解,模型似然函数如式2所示。参数kt的结果即为试验需要测量的模型声爆信号,如图4所示。最后,将该组计算结果保存至所述服务器并返回给所述客户端。
本实施例的主要优点在于:通过使用概率模型将声爆试验数据中主要噪声来源进行分解并参数化,将其他未知噪声用正态分布的纯随机变量ε进行模拟。概率模型采用最大似然方法求解,解释试验数据的不确定性更为合理,且在与传统空间平均方法结果的对比中得到了更为平滑的结果。传统参考车次空间平均方法将参考车次数据作为背景环境信号,但通过对原始数据的分析发现背景环境信号具有一定的波动性,将参考车次数据作为背景环境信号会引入新的噪声。为减少噪声来源,选择不使用参考车次试验数据,以较少的试验数据即可得到误差波动更小的分析结果,减少了对试验数据的需求,提高了试验效率。系统可通过对服务器中概率模型进行调整改进及更多试验数据的获取,进一步提高声爆数据处理效果。
本实施例中还提供一种用于声爆试验数据的分析装置,所述装置运行在服务器上,如图8所示的,所述装置包括:
接收模块,用于接收客户端发送的声爆试验数据请求。
采集模块,用于从测压轨读取声爆试验数据。
其中,所述测压轨安装在风洞中并用于测量声爆试验数据,初次测量到的声爆试验数据作为初始数据。在所述采集模块运行的过程中,将所述飞行器模型沿轴向以固定的间隔移动,并测量得到所述飞行器模型在不同轴向位置的试验数据。
处理模块,用于将所述初始数据输入概率模型进行处理,所述概率模型输出模型参数,
结果输出模块,用于利用所述概率模型输出的模型参数,获取声爆试验模型的信号结果,并将所得到的信号结果返回给所述客户端。
进一步的,如图10所示的,还包括:登录模块,用于接收所述客户端发送的登录信息;资源管理模块,用于根据所述登录信息从资源池中提取计算资源并分配给所述客户端。
本实施例涉及风洞声爆试验技术领域,能够提高声爆试验数据分析系统的效率及精度。使用客户端提供的信息,而方法流程的主体运行于服务器端,其中的主要方法包括:根据客户端发送的获取数据请求,读取声爆试验的测量数据;通过服务器中存储的概率模型对初始数据进行分析处理;采用最大似然法对模型参数进行求解;通过参数结果得到需要测量的模型声爆信号,最终得到的结果返回客户端。采用本发明的声爆试验数据处理方法,可以提高声爆试验数据结果的精度及声爆试验的效率,节约试验资源,降低试验成本。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种用于声爆试验数据的分析方法,其特征在于,包括:
S1、服务器接收客户端发送的声爆试验数据请求;
S2、读取声爆试验数据,其中,所述测压轨安装在风洞中并用于测量声爆试验数据,初次测量到的声爆试验数据作为初始数据;
S3、将所述初始数据输入概率模型进行处理,所述概率模型输出模型参数;
S4、利用所述概率模型输出的模型参数,获取声爆试验模型的信号结果,并将所得到的信号结果返回给所述客户端。
2.根据权利要求1所述的方法,其特征在于,所述测压轨固定于风洞的侧壁上;
飞行器模型与转接支杆及轴向移动机构相连接,并固定于所述测压轨上方;
所述测压轨边缘上分布有测压孔;
所述初始数据包括:飞行器模型在不同轴向位置的测量数据。
3.根据权利要求2所述的方法,其特征在于,在从测压轨读取声爆试验数据的过程中,将所述飞行器模型沿轴向以固定的间隔移动,并测量得到所述飞行器模型在不同轴向位置的试验数据。
6.根据权利要求1所述的方法,其特征在于,在S1之前,还包括:
所述服务器接收所述客户端发送的登录信息;
根据所述登录信息从资源池中提取计算资源并分配给所述客户端。
7.一种用于声爆试验数据的分析装置,其特征在于,所述装置运行在服务器上,所述装置包括:
接收模块,用于接收客户端发送的声爆试验数据请求;
采集模块,用于从测压轨读取声爆试验数据,其中,所述测压轨安装在风洞中并用于测量声爆试验数据,初次测量到的声爆试验数据作为初始数据;
处理模块,用于将所述初始数据输入概率模型进行处理,所述概率模型输出模型参数;
结果输出模块,用于利用所述概率模型输出的模型参数,获取声爆试验模型的信号结果,并将所得到的信号结果返回给所述客户端。
8.根据权利要求7所述的装置,其特征在于,所述测压轨固定于风洞的侧壁上;
飞行器模型与转接支杆及轴向移动机构相连接,并固定于所述测压轨上方;
所述测压轨边缘上分布有测压孔;
所述初始数据包括:飞行器模型在不同轴向位置的测量数据。
9.根据权利要求8所述的装置,其特征在于,在所述采集模块运行的过程中,将所述飞行器模型沿轴向以固定的间隔移动,并测量得到所述飞行器模型在不同轴向位置的试验数据。
10.根据权利要求7所述的装置,其特征在于,还包括:
登录模块,用于接收所述客户端发送的登录信息;
资源管理模块,用于根据所述登录信息从资源池中提取计算资源并分配给所述客户端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111493598.9A CN114218778A (zh) | 2021-12-08 | 2021-12-08 | 一种用于声爆试验数据的分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111493598.9A CN114218778A (zh) | 2021-12-08 | 2021-12-08 | 一种用于声爆试验数据的分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114218778A true CN114218778A (zh) | 2022-03-22 |
Family
ID=80700327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111493598.9A Pending CN114218778A (zh) | 2021-12-08 | 2021-12-08 | 一种用于声爆试验数据的分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114218778A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115541003A (zh) * | 2022-10-12 | 2022-12-30 | 中国航空研究院 | 基于线性传感器阵列的飞机地面声爆测试精度提升方法 |
CN116952523A (zh) * | 2023-09-12 | 2023-10-27 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于速度场的近场声爆信号光学测量方法 |
CN117147090A (zh) * | 2023-10-30 | 2023-12-01 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种声爆试验测压轨位置及姿态调整装置及方法 |
-
2021
- 2021-12-08 CN CN202111493598.9A patent/CN114218778A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115541003A (zh) * | 2022-10-12 | 2022-12-30 | 中国航空研究院 | 基于线性传感器阵列的飞机地面声爆测试精度提升方法 |
CN116952523A (zh) * | 2023-09-12 | 2023-10-27 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于速度场的近场声爆信号光学测量方法 |
CN116952523B (zh) * | 2023-09-12 | 2023-12-01 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于速度场的近场声爆信号光学测量方法 |
CN117147090A (zh) * | 2023-10-30 | 2023-12-01 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种声爆试验测压轨位置及姿态调整装置及方法 |
CN117147090B (zh) * | 2023-10-30 | 2024-01-02 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种声爆试验测压轨位置及姿态调整装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114218778A (zh) | 一种用于声爆试验数据的分析方法及装置 | |
CN104698837B (zh) | 一种时变线性结构工作模态参数识别方法、装置及应用 | |
CN104112072A (zh) | 基于小波阈值去噪的主成分分析的工作模态参数识别方法 | |
CN108875178B (zh) | 用于减小结构模态识别不确定性的传感器布置方法 | |
CN108959794B (zh) | 一种基于深度学习的结构频响动力学模型修正方法 | |
CN106228176A (zh) | 一种基于工况数据检测设备状态的方法和系统 | |
CN103954940B (zh) | 雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法 | |
CN113687433B (zh) | 一种基于Bi-LSTM的大地电磁信号去噪方法及系统 | |
Ding et al. | Stationary subspaces-vector autoregressive with exogenous terms methodology for degradation trend estimation of rolling and slewing bearings | |
CN110048416B (zh) | S-g滤波和自适应mp算法的低频振荡模态辨识方法 | |
CN110296833B (zh) | 一种面向液压缸综合测试台的软测量方法及系统 | |
CN109948207A (zh) | 一种航空发动机高压转子装配误差预测方法 | |
CN105678343A (zh) | 基于自适应加权组稀疏表达的水电机组噪声异常诊断方法 | |
CN105259410A (zh) | 一种强噪声干扰下的欠采样波形的频率估计方法及其装置 | |
CN109799051B (zh) | 一种多轴振动相干函数谱的处理方法及系统 | |
CN103885867B (zh) | 一种模拟电路性能的在线评价方法 | |
CN113536223A (zh) | 一种基于频域分解法的欠采样下结构模态识别方法及系统 | |
Wang et al. | Kernel density estimation based Gaussian and non-Gaussian random vibration data induction for high-speed train equipment | |
CN115795282A (zh) | 激波管动态压力重构方法、装置、电子设备及存储介质 | |
CN110263762A (zh) | 一种基于输出的半潜式海洋平台能量传递路径分析方法 | |
Xiang et al. | Fault classification for high‐dimensional data streams: A directional diagnostic framework based on multiple hypothesis testing | |
Defreitas et al. | Anomaly detection in wind tunnel experiments by principal component analysis | |
CN109633781B (zh) | 地质属性获取方法及装置、电子设备、存储介质 | |
CN103605880B (zh) | 一种精确诊断密集模态阻尼比的方法 | |
CN111241629A (zh) | 基于数据驱动的飞机液压泵性能变化趋势智能预测方法 |
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 |