CN115034058A - 一种试飞参数测试系统量值特性退化关键因素分析方法 - Google Patents
一种试飞参数测试系统量值特性退化关键因素分析方法 Download PDFInfo
- Publication number
- CN115034058A CN115034058A CN202210628500.4A CN202210628500A CN115034058A CN 115034058 A CN115034058 A CN 115034058A CN 202210628500 A CN202210628500 A CN 202210628500A CN 115034058 A CN115034058 A CN 115034058A
- Authority
- CN
- China
- Prior art keywords
- flight parameter
- test
- degradation
- testing system
- time
- 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.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 182
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 76
- 230000015556 catabolic process Effects 0.000 title claims abstract description 74
- 238000004458 analytical method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims description 32
- 239000000126 substance Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 7
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000010586 diagram 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
一种试飞参数测试系统量值特性退化关键因素分析方法,涉及一种复杂测试系统退化关键因素分析方法,特别是对于试飞参数测试系统的量值特性退化关键因素进行分析。本发明针对目前对于试飞参数测试系统量值特性退化关键因素分析方法的研究几乎处于空白,而该研究是试飞参数测试系统量值退化建模、退化评估与寿命预测的重要前提的现实状况,提出了一种试飞参数测试系统量值特性退化关键因素分析方法。该方法的技术要点为:获取试飞参数测试系统储存状态下的量值特性并计算其自然退化率,获取试飞参数测试系统储存状态下的量值特性数据并结合自然退化率拟合其量值特性退化函数,获取试飞参数测试系统工作状态下影响其量值特性的飞行参数并离散化其量值特性退化函数,计算试飞参数测试系统量值特性与飞行参数之间的相关性,最后根据相关性提取关键因素。本发明可应用于试飞参数测试系统的量值特性退化关键因素分析。
Description
一、技术领域
本发明涉及一种测试系统退化关键因素分析方法,特别是对于试飞参数测试系统的量值特性退化关键因素进行分析。
二、背景技术
试飞参数测试系统投入使用后,在机械载荷、温度、应力、振动、腐蚀等使用环境因素的综合作用下,其性能将逐渐退化直至不再满足不确定度、测量误差等量值准确性要求而失效。试飞参数测试系统量值特性退化过程为随机过程,需要建立恰当的模型对其进行研究,以便进行退化评估与寿命预测等。而建立量值特性退化模型的前提是确定自变量,即影响试飞参数测试系统量值特性的关键因素。影响测试系统量值特性的因素可能有很多,但是与其相关性强的可能仅有数个,对于量值特性退化关键因素进行分析,即是要在众多可能的影响因素中确定影响大的、相关性强的因素。只有准确确定关键因素,才能建立简洁有效的量值退化模型,才能对试飞参数测试系统进行准确地退化评估与寿命预测。
目前,对于测量仪器量值特性退化的研究远远少于对于工业设备退化的相关研究,针对试飞参数测试系统量值特性退化的研究更是少之又少,而测量仪器量值特性退化与工业设备退化在研究对象、观测方法、评估方法等方面都大不相同。因此,目前对于试飞参数测试系统量值特性退化关键因素分析方法的研究几乎处于空白。
三、发明内容
为了准确建立量值特性退化模型并实现试飞参数测试系统的退化评估与寿命预测,本发明提供了一种试飞参数测试系统量值特性退化关键因素分析方法。
本发明采取以下的技术方案:一种试飞参数测试系统量值特性退化关键因素分析方法,其包括以下步骤:
(1)获取试飞参数测试系统储存状态下的量值特性并计算其自然退化率;
(2)获取试飞参数测试系统储存状态下的量值特性数据并拟合其量值特性退化函数;
(3)获取试飞参数测试系统工作状态下影响其量值特性的飞行参数并离散化其量值特性退化函数;
(4)计算试飞参数测试系统量值特性与飞行参数之间的相关性;
(5)根据相关性提取关键因素。
所述步骤(1)中,确定校准时间点tc1和tc2,并确保在tc1至tc2时间段内试飞参数测试系统持续处于储存状态,即完全不上电不运行的状态。获取试飞参数测试系统在tc1和tc2时刻附近的校准数据,作为其在tc1和tc2时刻的量值特性。试飞参数测试系统的量值特性用测量相对不确定度和测量相对偏移量描述。记其在tc1和tc2时刻由校准数据计算得到的测量相对不确定度分别为X(tc1)和X(tc2),其在tc1和tc2时刻的测量相对偏移量分别为E(tc1)和E(tc2)。则试飞参数测试系统的测量相对不确定度自然退化率Xd为
其测量相对偏移量的自然退化率Ed为
由此得到试飞参数测试系统量值特性的自然退化率。
所述步骤(2)中,确定分析的起止时间范围ts和te,ts一般为试飞参数测试系统出厂后首次运行的时刻。获取测试系统在ts至te时间段内所有的校准数据记录表,并定义在ti时刻的获取到的测量相对不确定度为X(ti),测量相对偏移量为E(ti)。其中,i=1,2,...,m。根据试飞工作情况,确定ts至te时间段内试飞参数测试系统所有开始储存的时间点trk和开始运行的时间点twk,其中,k=1,2,...,l。若ti为trk至twk之间的某个时刻,则根据所述步骤(1)中得到的测量相对不确定度自然退化率推算测试系统在trk的测量相对不确定度
并根据测量相对偏移量自然退化率推算测试系统在twk时刻的测量相对偏移量
采用多项式拟合法分别对X(ti)、X(trk)、X(twk)和E(ti)、E(trk)、E(twk)进行拟合,拟合后得到连续的测试系统测量相对不确定度退化函数X(t)和测量相对偏移量退化函数E(t)。
所述步骤(3)中,获取ts至te时间段内每一段试飞参数测试系统的工作状态下影响其量值特性的飞行参数a1(tkj),a2(tkj),...,aq(tkj)。其中,tkj为第k段工作状态下获取飞行参数的时刻,j=1,2,...,nk,一般有n>>m。取tkj时刻,将测量相对不确定度退化函数X(t)离散化为X(tkj),将测量相对偏移量退化函数E(t)离散化为E(tkj)。
所述步骤(4)中,计算第k段工作状态下测量相对不确定度与飞行参数ap之间的相关系数
得到各段工作状态下测量相对不确定度与各飞行参数之间的相关系数后,计算ts至te时间段内测量相对不确定度与飞行参数ap之间相关系数的平均值
同样地,计算各段工作状态下测量相对不确定度与各飞行参数之间的相关系数
计算ts至te时间段内测量相对不确定度与飞行参数ap之间相关系数的平均值
将计算得到的相关系数作为试飞参数测试系统量值特性与各飞行参数之间相关性大小的评判依据。
所述步骤(5)中,对测试系统量值特性与各飞行参数之间相关性逐一进行判断。|rxp|≥Xthd时,判定测量相对不确定度与第p个飞行参数存在一定的相关性,并选择第p个飞行参数作为影响测量相对不确定度的关键因素之一,其中,Xthd为设定的阈值;|rep|≥Ethd时,判定测量相对偏移量与第p个飞行参数存在一定的相关性,并选择第p个飞行参数作为影响测量相对偏移量的关键因素之一,其中,Ethd为设定的阈值。
四、附图说明
图1是试飞参数测试系统状态说明图。
图2是测量相对不确定度退化拟合曲线图。
五、具体实施方式
下面结合发明内容和附图举例详细说明本发明的具体实施方式。
本发明的实施包括以下步骤:
(1)获取试飞参数测试系统储存状态下的量值特性并计算其自然退化率;
(2)获取试飞参数测试系统储存状态下的量值特性数据并拟合其量值特性退化函数;
(3)获取试飞参数测试系统工作状态下影响其量值特性的飞行参数并离散化其量值特性退化函数;
(4)计算试飞参数测试系统量值特性与飞行参数之间的相关性;
(5)根据相关性提取关键因素。
所述步骤(1)中,确定校准时间点tc1=2012年5月13日15时0分0秒,tc1=2013年5月13日15时0分0秒,并确保在tc1至tc2时间段内试飞参数测试系统持续处于图1所示的储存状态,即完全不上电不运行的状态。获取试飞参数测试系统在tc1和tc2时刻附近的校准数据,作为其在tc1和tc2时刻的量值特性。试飞参数测试系统的量值特性用测量相对不确定度和测量相对偏移量描述。其在tc1和tc2时刻由校准数据计算得到的测量相对不确定度分别为X(tc1)=0.005%和X(tc2)=0.006%,其在tc1和tc2时刻的测量相对偏移量分别为E(tc1)=0.001%和E(tc2)=0.005%。则试飞参数测试系统的测量相对不确定度自然退化率Xd为
其测量相对偏移量的自然退化率Ed为
所述步骤(2)中,确定分析的起始时刻ts为试飞参数测试系统出厂后首次运行的时刻,终止时刻te为试飞参数测试系统失效后的某一时刻。获取测试系统在ts至te时间段内所有的校准数据记录表,并定义在ti时刻的获取到的测量相对不确定度为X(ti),测量相对偏移量为E(ti)。其中,i=1,2,...,m。根据试飞工作情况,确定ts至te时间段内试飞参数测试系统所有开始储存的时间点trk和开始运行的时间点twk,如图1所示,其中,k=1,2,...,l。若ti为trk至twk之间的某个时刻,则根据所述步骤(1)中得到的测量相对不确定度自然退化率推算测试系统在trk的测量相对不确定度
并根据测量相对偏移量自然退化率推算测试系统在twk时刻的测量相对偏移量
采用多项式拟合法分别对X(ti)、X(trk)、X(twk)和E(ti)、E(trk)、E(twk)进行拟合,拟合后得到连续的测试系统测量相对不确定度退化函数X(t)和测量相对偏移量退化函数E(t)。其中,测量相对不确定度退化函数X(t)例如图2所示。
所述步骤(3)中,获取ts至te时间段内每一段试飞参数测试系统的工作状态下影响其量值特性的飞行参数a1(tkj),a2(tkj),...,aq(tkj)。其中,tkj为第k段工作状态下获取飞行参数的时刻,如图1所示,j=1,2,...,nk。取tkj时刻,将测量相对不确定度退化函数X(t)离散化为X(tkj),将测量相对偏移量退化函数E(t)离散化为E(tkj)。
所述步骤(4)中,计算第k段工作状态下测量相对不确定度与飞行参数ap之间的相关系数
得到各段工作状态下测量相对不确定度与各飞行参数之间的相关系数后,计算ts至te时间段内测量相对不确定度与飞行参数ap之间相关系数的平均值
同样地,计算各段工作状态下测量相对不确定度与各飞行参数之间的相关系数
计算ts至te时间段内测量相对不确定度与飞行参数ap之间相关系数的平均值
计算结果例如下表所示:
所述步骤(5)中,对测试系统量值特性与各飞行参数之间相关性逐一进行判断。设定Xthd=0.3,则根据相关系数平均值选择温度和湿度作为影响测量相对不确定度的关键因素;设定Ethd=0.3,则选择温度、湿度和振动作为影响测量相对偏移量的关键因素。
需要指出的是,以上所描述的具体实施案例,仅用于解释本发明,而非对本发明的限定。
Claims (6)
1.一种试飞参数测试系统量值特性退化关键因素提取方法,其包括以下步骤:
(1)获取试飞参数测试系统储存状态下的量值特性并计算其自然退化率;
(2)获取试飞参数测试系统储存状态下的量值特性数据并拟合其量值特性退化函数;
(3)获取试飞参数测试系统工作状态下影响其量值特性的飞行参数并离散化其量值特性退化函数;
(4)计算试飞参数测试系统量值特性与飞行参数之间的相关性;
(5)根据相关性提取关键因素。
2.根据权利要求1所述的一种试飞参数测试系统量值特性退化关键因素提取方法,其特征在于,所述步骤(1)中,确定校准时间点tc1和tc2,且tc1<tc2,并确保在tc1至tc2时间段内试飞参数测试系统持续处于储存状态,即完全不上电不运行的状态。获取试飞参数测试系统在tc1和tc2时刻附近的校准数据,作为其在tc1和tc2时刻的量值特性。试飞参数测试系统的量值特性用测量相对不确定度和测量相对偏移量描述。记其在tc1和tc2时刻由校准数据计算得到的测量相对不确定度分别为X(tc1)和X(tc2),测量相对偏移量分别为E(tc1)和E(tc2)。则试飞参数测试系统的测量相对不确定度自然退化率Xd为
其测量相对偏移量的自然退化率Ed为
由此得到试飞参数测试系统量值特性的自然退化率。
3.根据权利要求1所述的一种试飞参数测试系统量值特性退化关键因素提取方法,其特征在于,所述步骤(2)中,确定分析的起止时间范围ts和te,获取测试系统在ts至te时间段内所有的校准数据记录表,并定义在ti时刻的获取到的测量相对不确定度为X(ti),测量相对偏移量为E(ti)。其中,i=1,2,...,m。根据试飞工作情况,确定ts至te时间段内试飞参数测试系统所有开始储存的时间点trk和开始运行的时间点twk,其中,k=1,2,...,l。若ti为trk至twk之间的某个时刻,则根据所述步骤(1)中得到的测量相对不确定度自然退化率推算测试系统在trk的测量相对不确定度
并根据测量相对偏移量自然退化率推算测试系统在twk时刻的测量相对偏移量
采用多项式拟合法分别对X(ti)、X(trk)、X(twk)和E(ti)、E(trk)、E(twk)进行拟合,拟合后得到连续的测试系统测量相对不确定度退化函数X(t)和测量相对偏移量退化函数E(t)。
4.根据权利要求1所述的一种试飞参数测试系统量值特性退化关键因素提取方法,其特征在于,所述步骤(3)中,获取ts至te时间段内每一段试飞参数测试系统的工作状态下影响其量值特性的飞行参数a1(tkj),a2(tkj),...,aq(tkj)。其中,tkj为第k段工作状态下获取飞行参数的时刻,j=1,2,...,nk。取tkj时刻,将测量相对不确定度退化函数X(t)离散化为X(tkj),将测量相对偏移量退化函数E(t)离散化为E(tkj)。
6.根据权利要求1所述的一种试飞参数测试系统量值特性退化关键因素提取方法,其特征在于,所述步骤(5)中,对测试系统量值特性与各飞行参数之间相关性逐一进行判断。|rxp|≥Xthd时,判定测量相对不确定度与第p个飞行参数存在一定的相关性,并选择第p个飞行参数作为影响测量相对不确定度的关键因素之一,其中,Xthd为设定的阈值;|rep|≥Ethd时,判定测量相对偏移量与第p个飞行参数存在一定的相关性,并选择第p个飞行参数作为影响测量相对偏移量的关键因素之一,其中,Ethd为设定的阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210628500.4A CN115034058B (zh) | 2022-06-06 | 2022-06-06 | 一种试飞参数测试系统量值特性退化关键因素分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210628500.4A CN115034058B (zh) | 2022-06-06 | 2022-06-06 | 一种试飞参数测试系统量值特性退化关键因素分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115034058A true CN115034058A (zh) | 2022-09-09 |
CN115034058B CN115034058B (zh) | 2024-05-28 |
Family
ID=83123897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210628500.4A Active CN115034058B (zh) | 2022-06-06 | 2022-06-06 | 一种试飞参数测试系统量值特性退化关键因素分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115034058B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130325220A1 (en) * | 2012-06-05 | 2013-12-05 | Eurocopter | Procedure and device for the determination of airspeeds of a rotorcraft in stationary flight and/or at low speeds |
CN108959676A (zh) * | 2017-12-22 | 2018-12-07 | 北京航空航天大学 | 一种考虑有效冲击的退化建模与寿命预测方法 |
CN109977491A (zh) * | 2019-03-06 | 2019-07-05 | 北京航空航天大学 | 一种冲击损伤可恢复条件下的退化建模与寿命预测方法 |
CN113158471A (zh) * | 2021-04-26 | 2021-07-23 | 中国人民解放军火箭军工程大学 | 一种考虑测量不确定性的退化设备剩余寿命预测方法 |
-
2022
- 2022-06-06 CN CN202210628500.4A patent/CN115034058B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130325220A1 (en) * | 2012-06-05 | 2013-12-05 | Eurocopter | Procedure and device for the determination of airspeeds of a rotorcraft in stationary flight and/or at low speeds |
CN108959676A (zh) * | 2017-12-22 | 2018-12-07 | 北京航空航天大学 | 一种考虑有效冲击的退化建模与寿命预测方法 |
CN109977491A (zh) * | 2019-03-06 | 2019-07-05 | 北京航空航天大学 | 一种冲击损伤可恢复条件下的退化建模与寿命预测方法 |
CN113158471A (zh) * | 2021-04-26 | 2021-07-23 | 中国人民解放军火箭军工程大学 | 一种考虑测量不确定性的退化设备剩余寿命预测方法 |
Non-Patent Citations (2)
Title |
---|
"A Calibration Scheme With Combination of the Optical Shaft Encoder and Laser Triangulation Sensor for Low-Frequency Angular Acceleration Rotary Table", 《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》, 26 October 2021 (2021-10-26), pages 1 - 13 * |
魏智辉;潘鹏飞;王小峰;: "基于试飞数据的航空发动机部件特性修正", 工程与试验, no. 03, 15 September 2018 (2018-09-15), pages 77 - 80 * |
Also Published As
Publication number | Publication date |
---|---|
CN115034058B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106291381B (zh) | 一种联合估计动力电池系统荷电状态与健康状态的方法 | |
CN110553152B (zh) | 气体输送管网保压检测方法及系统 | |
CN110596606A (zh) | 一种锂电池剩余电量估计方法、系统及装置 | |
CN113821938B (zh) | 一种互感器计量误差状态短期预测方法及装置 | |
CN104813181A (zh) | 参数推断装置、参数推断方法、蓄电系统及程序 | |
CN111597620A (zh) | 一种道路载荷测量的不确定度评估方法 | |
CN116861313B (zh) | 基于振动能量趋势的卡尔曼滤波工况识别方法、系统 | |
CN111024528A (zh) | 一种沥青混合料粘弹性参数测量方法 | |
CN114487846A (zh) | 电池电化学阻抗谱在线估计方法及装置 | |
JP2023016707A5 (zh) | ||
CN110716141A (zh) | 一种基于扩展卡尔曼滤波的电池荷电状态估计方法 | |
CN114970157A (zh) | 电子产品在电压应力作用下的小样本试验寿命预测方法 | |
CN117332205B (zh) | 压电阻抗温度补偿高精度自动优化方法及装置 | |
CN113158558B (zh) | 一种高速铁路路基连续压实分析方法、装置及分析仪 | |
CN115034058A (zh) | 一种试飞参数测试系统量值特性退化关键因素分析方法 | |
CN114091320A (zh) | 一种天然气管道腐蚀失效时间预测方法及装置 | |
CN111737868A (zh) | 基于时间序列算法的随钻自然伽马曲线预测方法 | |
CN112700039B (zh) | 一种火电厂负荷运行数据的稳态检测与提取方法 | |
CN113916193A (zh) | 一种反演推算含水层水文地质参数的方法 | |
CN113654651A (zh) | 一种强鲁棒的信号早期退化特征提取及设备运行状态监测方法 | |
CN111274687A (zh) | 元器件失效率预计方法、装置、计算机设备及存储介质 | |
CN110554170A (zh) | 同轴相位法含水仪的现场标定方法 | |
CN110595683B (zh) | 一种冲击波测试系统的低频补偿方法 | |
CN117330604B (zh) | 自动化温度补偿方法、装置、计算机设备及存储介质 | |
CN118013636B (zh) | 一种砌体结构抗压性能检测设备及检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |