CN116735209A - 一种航空发动机数据快速处理方法 - Google Patents
一种航空发动机数据快速处理方法 Download PDFInfo
- Publication number
- CN116735209A CN116735209A CN202310697845.XA CN202310697845A CN116735209A CN 116735209 A CN116735209 A CN 116735209A CN 202310697845 A CN202310697845 A CN 202310697845A CN 116735209 A CN116735209 A CN 116735209A
- Authority
- CN
- China
- Prior art keywords
- time
- data
- reference frequency
- sampling
- frequency
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000005070 sampling Methods 0.000 claims abstract description 88
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 10
- 238000006467 substitution reaction Methods 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 2
- 230000001502 supplementing effect Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/02—Details or accessories of testing apparatus
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measuring Frequencies, Analyzing Spectra (AREA)
Abstract
本申请属于航空发动机测试领域，为一种航空发动机数据快速处理方法，通过先设置一个基准频率，若采样频率m小于基准频率n，采用采集时间轴补后一采样点值的方式进行接收；若采样频率m大于基准频率n时，再次判断采样频率m是否为基准频率n的整数倍，若是，则按照对应的时间轴，每隔对应基准频率n相同倍数的时间节点取一个数值；若否，则计算将该采样频率m的数据近似为基准频率n的整数倍所造成的时间误差，如果误差满足要求，则将采样频率m近似为基准频率n的整数倍，并通过每隔对应基准频率n相同倍数的时间节点的方式采集该采样频率m的数据；而后对时间累积误差问题进行处理；在保证工程精度的前提下，大幅提高了数据处理速度、降低了计算机资源的占用，满足了判读的快速性需求。
Description
技术领域
本申请属于航空发动机测试领域，特别涉及一种航空发动机数据快速处理方法。
背景技术
航空发动机数据主要用于评定飞机、发动机及其机载设备的工作状态，判断是否有故障发生，为机务维修保障提供参考，并为故障原因分析提供支持；同时可以检验飞行员操纵飞机的情况，辅助飞行训练评估。
发动机作为飞机的重要组成部分，其工作状态对飞行安全至关重要，因此，在飞行结束后对发动机相关的参数进行复放和判读，以对发动机的工作情况进行评判，就显得尤为必要，发动机数据的分析和判读结果已经成为飞机能否放飞的标准。
但是由于发动机数据量大、规律性弱，人工识别耗时耗力，因此大多存在漏判、错判等问题。为了提高数据处理的效率，同时避免人工判读可能存在的疏漏，通常借助计算机程序对数据进行数据库存储、曲线复放、故障判读等操作。
原始数据由于存在以下问题，不能直接用于复放和判读等操作程序：
1)采样频率不统一：数据来自于飞机的不同系统，而不同系统和不同传感器，其采样频率一般不相同且相差较大，为了方便数据库入库和判读操作，需要对来自不同系统和不同传感器的数据进行统一采样频率处理；
2)时间累积误差：一般而言，传感器采样时间间隔无法做到完全一致，为保证数据规则化，需将参数的时间轴统一成标准时间轴(即采样间隔为固定值)，如果直接将参数时间轴替换为标准时间轴，则会存在时间累积误差，例如某传感器标称采样频率为5Hz，则标准的采样间隔应为0.2s，但是在一段时间内的实际采样间隔可能分别为：0.195s，0.198s，0.201s，0197s，0.203s，0.198s……如果采样间隔在一段时间内低于(或高于)0.2s的点比高于(或低于)0.2s的点要多很多，则按照标准时间轴(间隔0.2s)进行处理就会产生较大的时间累积误差，对数据复放的准确性和判读的正确性产生干扰。
针对采样频率不统一问题和时间累积误差问题，一般处理方法是按照每个参数均按照时间轴逐个数据点进行插值处理，包括线性插值、拉格朗日插值、牛顿插值以及样条插值等多种。但是运行插值计算通常需要花费较多的时间和计算机资源，尤其是发动机数据中单个参数往往包含数万甚至上百万个数据点，而参数的个数可达成百上千个，计算机处理如此大量的数据会耗费较长时间，不满足判读的快速性需求。
发明内容
本申请的目的是提供了一种航空发动机数据快速处理方法，以解决现有技术中对发动机数据进行处理时难以同时兼顾质量和速度的问题。
本申请的技术方案是：一种航空发动机数据快速处理方法，包括：
设置发动机系统采样频率为基准频率n；
先判断其它系统采样频率m与基准频率n之间的大小关系，若采样频率m小于基准频率n，则不进行插值补点，采用采集时间轴补后一采样点值的方式进行接收；
若采样频率m大于基准频率n时，再次判断采样频率m是否为基准频率n的整数倍，若是，则按照对应的时间轴，每隔对应基准频率n相同倍数的时间节点取一个数值；若否，则计算将该采样频率m的数据近似为基准频率n的整数倍所造成的时间误差，如果误差满足要求，则将采样频率m近似为基准频率n的整数倍，并通过每隔对应基准频率n相同倍数的时间节点的方式采集该采样频率m的数据。
而后对时间累积误差问题进行处理，当判断时间累积误差达到基准频率n时间间隔的一半时，找到该时间累积误差对应节点最相邻的时间基准节点并一块接收。
优选地，当判断出采样频率m不为基准频率n的整数倍时，设定m＝kn±b，其中k、b均为正整数，且b≤0.5n，设定1秒内的时间累积误差为Δ，则Δ为：
由于b≤0.5n，即n/b≥2，代入上式有：
当k≥2时，代入上式有：
当k≥3时，代入上式有：
优选地，当时间累积误差Δt大于基准频率n采样间隔的一半时，采用补点或跳点操作进行数据采样，具体步骤包括：
定义Δt＝采样点时间戳-标准时间轴时间；
当时，则近似取该数据点的值，不进行特殊处理；
当时，将该数据点的值赋给标准时间轴上下一个时间节点，本时间节点的数据值由前后数据点的值采用三阶样条插值方法获得；
当时，将该数据点的值进行舍弃处理，将下一采样点数值赋给该基准时间点。
优选地，所述基准频率n≥2。
本申请的一种航空发动机数据快速处理方法，通过先设置一个基准频率，而后通过对其它采样频率进行分类并分别处理的方式来实现数据的快速处理，若采样频率m小于基准频率n，则不进行插值补点，采用采集时间轴补后一采样点值的方式进行接收；若采样频率m大于基准频率n时，再次判断采样频率m是否为基准频率n的整数倍，若是，则按照对应的时间轴，每隔对应基准频率n相同倍数的时间节点取一个数值；若否，则计算将该采样频率m的数据近似为基准频率n的整数倍所造成的时间误差，如果误差满足要求，则将采样频率m近似为基准频率n的整数倍，并通过每隔对应基准频率n相同倍数的时间节点的方式采集该采样频率m的数据；而后对时间累积误差问题进行处理；在保证工程精度的前提下，大幅提高了数据处理速度、降低了计算机资源的占用，满足了判读的快速性需求。
附图说明
为了更清楚地说明本申请提供的技术方案，下面将对附图作简单地介绍。显而易见地，下面描述的附图仅仅是本申请的一些实施例。
图1为本申请整体流程示意图；
图2为本申请统一采样频率示意图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。
一种航空发动机数据快速处理方法，如图1所示，包括如下步骤：
步骤S100，设置发动机系统采样频率为基准频率n；
基准频率n一般大于等于2，以能够对采样频率m时间间隔较大的时间节点进行精准的对比与计算。
步骤S200，先判断其它系统采样频率m与基准频率n之间的大小关系，若采样频率m小于基准频率n，则不进行插值补点，采用采集时间轴补后一采样点值的方式进行接收；
例如m＝2，n＝5处理前后数据示意如图2所示，当采样频率m在时间节点为0.5时输出的数据为5.2，则处理后数据时间节点小于等于0.5的点(0.2和0.4)取该点的值，即5.2；当采样频率m在时间节点为1.0时输出的数据为3，则处理后数据时间节点小于等于1.0的点(0.6、0.8、1.0)取该点的值，即3，从而有效提升数据采集的效率、减少数据采集量，同时保证数据采集的精度。
步骤S300，若采样频率m大于基准频率n时，再次判断采样频率m是否为基准频率n的整数倍，若是，则按照对应的时间轴，每隔对应基准频率n相同倍数的时间节点取一个数值；
若否，为了提高数据处理速度，拟采用近似处理的方式进行数据采集，设定m＝kn±b，其中k、b均为正整数，且b≤0.5n，则计算将该采样频率m的数据近似为基准频率n的整数倍所造成的时间误差，如果误差满足要求，则将采样频率m近似为基准频率n的整数倍，并通过每隔对应基准频率n相同倍数的时间节点的方式采集该采样频率m的数据。
优选地，当判断出采样频率m不为基准频率n的整数倍时，设定1秒内的时间累积误差为Δ，则有：Δ＝近似处理造成的数据点相差个数×近似处理造成的采样间隔之差，即：
对上式进行转化后，则有：
由于b≤0.5n，即n/b≥2，代入上式有：
当k≥2时，代入上式有：
当k≥3时，代入上式有：
即当k≥3时，采用上述方式进行近似处理，1s内最大时间累积误差为0.033s，可以满足工程需要；如果对时间误差要求不高，则k≥2时即可进行上述近似处理。
优选地，对时间累积误差问题，将每个采样点的时间与标准时间轴进行比较，如果时间误差小于等于采样间隔的一半即秒时(n为传感器采样频率)，则近似取该点值；当时间累积误差Δt大于基准频率n采样间隔的一半时，采用补点或跳点操作进行数据采样，具体步骤包括：
1)定义Δt＝采样点时间戳-标准时间轴时间；
2)当时，认为时间误差在可接受范围内，则近似取该数据点的值，不进行特殊处理；
3)当时，即采样点时间晚于标准时间轴时间超过采样间隔的一半，将该数据点的值赋给标准时间轴上下一个时间节点，本时间节点的数据值由前后数据点的值采用三阶样条插值方法获得；
4)当时，即采样点时间早于标准时间轴时间超过采样间隔的一半，将该数据点的值进行舍弃处理，将下一采样点数值赋给该基准时间点。
本申请通过先设置一个基准频率，而后通过对其它采样频率进行分类并分别处理的方式来实现数据的快速处理，若采样频率m小于基准频率n，则不进行插值补点，采用采集时间轴补后一采样点值的方式进行接收；若采样频率m大于基准频率n时，再次判断采样频率m是否为基准频率n的整数倍，若是，则按照对应的时间轴，每隔对应基准频率n相同倍数的时间节点取一个数值；若否，则计算将该采样频率m的数据近似为基准频率n的整数倍所造成的时间误差，如果误差满足要求，则将采样频率m近似为基准频率n的整数倍，并通过每隔对应基准频率n相同倍数的时间节点的方式采集该采样频率m的数据；而后对时间累积误差问题进行处理；在保证工程精度的前提下，大幅提高了数据处理速度、降低了计算机资源的占用，满足了判读的快速性需求。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种航空发动机数据快速处理方法，其特征在于，包括：
设置发动机系统采样频率为基准频率n；
先判断其它系统采样频率m与基准频率n之间的大小关系，若采样频率m小于基准频率n，则不进行插值补点，采用采集时间轴补后一采样点值的方式进行接收；
若采样频率m大于基准频率n时，再次判断采样频率m是否为基准频率n的整数倍，若是，则按照对应的时间轴，每隔对应基准频率n相同倍数的时间节点取一个数值；若否，则计算将该采样频率m的数据近似为基准频率n的整数倍所造成的时间误差，如果误差满足要求，则将采样频率m近似为基准频率n的整数倍，并通过每隔对应基准频率n相同倍数的时间节点的方式采集该采样频率m的数据。
而后对时间累积误差问题进行处理，当判断时间累积误差达到基准频率n时间间隔的一半时，找到该时间累积误差对应节点最相邻的时间基准节点并一块接收。
2.如权利要求1所述的航空发动机数据快速处理方法，其特征在于：当判断出采样频率m不为基准频率n的整数倍时，设定m＝kn±b，其中k、b均为正整数，且b≤0.5n，设定1秒内的时间累积误差为Δ，则Δ为：
由于b≤0.5n，即n/b≥2，代入上式有：
当k≥2时，代入上式有：
当k≥3时，代入上式有：
3.如权利要求1所述的航空发动机数据快速处理方法，其特征在于，当时间累积误差Δt大于基准频率n采样间隔的一半时，采用补点或跳点操作进行数据采样，具体步骤包括：
定义Δt＝采样点时间戳-标准时间轴时间；
当时，则近似取该数据点的值，不进行特殊处理；
当时，将该数据点的值赋给标准时间轴上下一个时间节点，本时间节点的数据值由前后数据点的值采用三阶样条插值方法获得；
当时，将该数据点的值进行舍弃处理，将下一采样点数值赋给该基准时间点。
4.如权利要求1所述的航空发动机数据快速处理方法，其特征在于：所述基准频率n≥2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310697845.XA CN116735209A (zh) | 2023-06-13 | 2023-06-13 | 一种航空发动机数据快速处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310697845.XA CN116735209A (zh) | 2023-06-13 | 2023-06-13 | 一种航空发动机数据快速处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116735209A true CN116735209A (zh) | 2023-09-12 |
Family
ID=87900649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310697845.XA Pending CN116735209A (zh) | 2023-06-13 | 2023-06-13 | 一种航空发动机数据快速处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116735209A (zh) |
-
2023
- 2023-06-13 CN CN202310697845.XA patent/CN116735209A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Demetriou et al. | Incipient fault diagnosis of dynamical systems using online approximators | |
| EP3382485B1 (en) | Controller, control program, control system, and control method | |
| US5919267A (en) | Neural network fault diagnostics systems and related method | |
| CN105468850B (zh) | 基于多残差回归预测算法的电子产品退化趋势预测方法 | |
| CN112541261A (zh) | 一种基于数据回灌功能的目标航迹融合评估方法 | |
| US20100018321A1 (en) | NSMS flight laser detector system | |
| CN114800486A (zh) | 一种基于统计特征的工业机器人故障诊断方法及系统 | |
| CN111046331A (zh) | 一种基于信号异常的健康监控方法 | |
| KR102419234B1 (ko) | 제품 품질 분석 지원 시스템 | |
| CN116735209A (zh) | 一种航空发动机数据快速处理方法 | |
| EP1927915B1 (en) | State initialization for gas turbine engine performance diagnogtics | |
| JP2000032660A (ja) | 電力系統事故の選択方法およびその装置 | |
| CN112836094A (zh) | 一种对遥测数据模拟量参数的自动判读方法 | |
| 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 | |
| Liu et al. | A novel GREY‒ASMAA model for reliability growth evaluation in the large civil aircraft test flight phase | |
| CN113052272B (zh) | 一种异常检测方法、装置、电子设备及存储介质 | |
| 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 | |
| CN112308134B (zh) | 一种基于高斯混合概率假设密度滤波器的静态融合方法 | |
| Wang et al. | Degradation pattern identification and remaining useful life prediction for mechanical equipment using SKF-EN | |
| CN112114578A (zh) | 一种多工序多变量过程在线监控和异常源诊断的稳健方法 | |
| Raza et al. | Modelling of false alarms and intermittent faults and their impact on the maintenance cost of digital avionics | |
| He et al. | Optimization and Processing of Helicopter Axis Trajectory Measurement Data | |
| CN110990989A (zh) | 一种基于自组织临界理论的工业机器人故障预测方法 | |
| CN112882854A (zh) | 一种请求异常的处理方法及装置 | |
| CN110597203A (zh) | 一种基于多gpu并行crpf的故障诊断方法 |
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 |