CN117272593A - 一种风洞试验数据分析处理方法 - Google Patents
一种风洞试验数据分析处理方法 Download PDFInfo
- Publication number
- CN117272593A CN117272593A CN202311070852.3A CN202311070852A CN117272593A CN 117272593 A CN117272593 A CN 117272593A CN 202311070852 A CN202311070852 A CN 202311070852A CN 117272593 A CN117272593 A CN 117272593A
- Authority
- CN
- China
- Prior art keywords
- wind tunnel
- tunnel test
- target
- test data
- data
- 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 432
- 238000007405 data analysis Methods 0.000 title claims abstract description 14
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 56
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 230000009467 reduction Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 239000006096 absorbing agent Substances 0.000 description 4
- 238000013016 damping Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005476 size effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
- G01M9/08—Aerodynamic models
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Fluid Mechanics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明涉及风洞试验的技术领域,公开了一种风洞试验数据分析处理方法,所述方法包括:采集风洞试验数据并进行数据修正,构建风洞试验目标刚体定位模型并定位得到风洞试验目标的三维坐标点;构建风洞试验姿态估计模型并进行无约束优化求解;利用最优风洞试验姿态估计模型得到风洞试验目标在三维坐标下的姿态估计参数。本发明基于动力学系数与环境雷诺数的拟合关系式确定不同环境下的校正参数,有效对风洞试验过程中产生的雷诺数效应进行修正,更为准确地对不同环境下风洞试验目标的结构变化进行判断,构建拍摄相机对风洞试验目标坐标系的旋转矩阵参数实现姿态估计,结合校正后的动力学系数对风洞试验目标的姿态初始估计结果进行进一步修正。
Description
技术领域
本发明涉及风洞试验的技术领域,尤其涉及一种风洞试验数据分析处理方法。
背景技术
风洞试验模型姿态参数的精确测量,是获取高精度风洞试验数据、准确预测飞行性能的前提与基础,如失速点与最小阻力点对应的准确姿态参数是飞行器研制与改型的关键数据。在影响阻力系数误差的因素中,由角度测量引起的误差在总误差中占有很大的比例。对于大型低速风洞,试验模型尺寸跨度大、试验种类多,姿态参数测量工况更为复杂。针对该问题,本发明提出一种风洞试验数据分析处理方法,实现对风洞试验数据的精确化处理,提高姿态参数准确性。
发明内容
有鉴于此,本发明提供一种风洞试验数据分析处理方法,目的在于:1)根据所采集不同环境下的风洞试验目标动力学系数,构建动力学系数与环境雷诺数的拟合关系式,并基于拟合关系式确定不同环境下的动力学系数的校正参数,其中动力学系数随环境雷诺数变化的趋势越大,则校正效果越明显,有效对风洞试验过程中产生的雷诺数效应进行修正,得到更为准确的动力学系数,并结合校正后的动力学系数对风洞试验目标的姿态初始估计结果进行进一步修正,使得风洞试验目标在风洞试验过程中的最终姿态估计参数更加接近真实环境下的姿态参数;2)采用双目视觉测量方式获取目标点的投影位置偏差,并基于投影位置偏差的深度计算得到风洞试验目标的三维坐标点,进而构建得到风洞试验目标模型,从而将风洞试验目标在世界坐标系下的三维坐标点转换为以风洞试验目标为中心的风洞试验目标坐标系下的三维坐标点,进而构建拍摄相机对风洞试验目标坐标系的旋转矩阵参数,得到以风洞试验目标为中心的姿态初始估计结果,实现风洞试验目标的姿态估计。
实现上述目的,本发明提供的一种风洞试验数据分析处理方法,包括以下步骤:
S1:采集风洞试验数据并进行数据修正,得到修正后的风洞试验数据;
S2:构建风洞试验目标刚体定位模型并定位得到风洞试验目标的三维坐标点,所述风洞试验目标刚体定位模型通过双目视觉测量方式获取目标点的投影位置偏差,计算得到风洞试验目标的三维坐标点;
S3:构建风洞试验姿态估计模型并进行无约束优化求解,得到最优风洞试验姿态估计模型,所述姿态估计模型以修正后的风洞试验数据以及风洞试验目标的三维坐标点为输入,以姿态估计参数为输出;
S4:利用最优风洞试验姿态估计模型得到风洞试验目标在三维坐标下的姿态估计参数。
作为本发明的进一步改进方法:
可选地,所述S1步骤中采集风洞试验数据,包括:
采集风洞试验目标在不同压强、温度下的风洞试验数据,其中风洞试验数据包括风洞试验目标的姿态图像、表面阻力系数、表面升力系数、表面力矩系数、采集时刻风速、采集时刻压强以及采集时刻温度,所采集风洞试验数据的数据集合表示形式为:
其中:
表示所采集第n组风洞试验数据,N表示所采集的风洞试验数据总数;
表示风洞试验数据/>中风洞试验目标的姿态图像,其中/>包括主镜头所拍摄的姿态图像/>和辅镜头所拍摄的姿态图像/>;
分别表示风洞试验数据/>中风洞试验目标的表面阻力系数、表面升力系数以及表面力矩系数;
分别表示风洞试验数据/>中风洞试验目标的采集时刻风速、采集时刻压强以及采集时刻温度。
可选地,所述S1步骤中对所采集的风洞试验数据进行数据修正,包括:
对所采集的风洞试验数据进行数据修正,其中修正数据为风洞试验目标在不同压强、温度下的表面阻力系数、表面升力系数以及表面力矩系数,风洞试验数据的数据修正流程为:
S11:计算得到风洞试验数据在不同压强、温度下的雷诺数,其中风洞试验数据的雷诺数为:
其中:
表示风洞试验数据/>的雷诺数;
表示风洞试验数据/>中的采集时刻风速;
表示在压强/>,温度/>下的空气密度;在本发明实施例中,空气密度的计算公式为:
表示在压强/>,温度/>下的空气动力粘度;
表示将风洞试验目标的直径,其中风洞试验目标的直径为能够将风洞试验目标恰好装入的圆形管道的直径;
S12:确定风洞试验数据中动力学系数与雷诺数的M阶拟合关系式,其中动力学系数分别对应表面阻力系数、表面升力系数以及表面力矩系数,并根据M阶拟合关系式构建拟合方程,其中动力学系数/>与雷诺数的拟合方程为:
其中:
;
为动力学系数/>与雷诺数的M阶拟合关系式系数;
将拟合方程转换为矩阵形式:
其中:
T表示转置;
计算得到动力学系数与雷诺数的M阶拟合关系式系数矩阵/>:
并基于计算结果构建得到动力学系数与雷诺数的M阶拟合关系式:
其中:
表示动力学系数/>与雷诺数的M阶拟合关系式,r表示输入关系式的雷诺数,/>则表示雷诺数为r的情况下,风洞试验目标在动力学系数/>上的系数值;
S13:基于动力学系数与雷诺数的M阶拟合关系式/>,构建得到动力学系数与雷诺数变化梯度的转换关系式/>:
其中:
表示/>的二阶导数,/>表示/>的一阶导数;
S14:分别对风洞试验数据中的动力学系数进行修正,其中修正公式为:
其中:
表示风洞试验数据/>中的动力学系数/>的修正后结果,若风洞试验数据/>中动力学系数/>的修正结果后/>高于预设的动力学系数/>的限制阈值,则表示风洞试验目标在压强/>,温度/>下存在由于动力学系数异常导致的结构属性变化。
可选地,所述S2步骤中构建风洞试验目标刚体定位模型,包括:
构建风洞试验目标刚体定位模型,所述风洞试验目标刚体定位模型通过双目视觉测量方式获取目标点的投影位置偏差,计算得到目标点的三维坐标,其中风洞试验目标刚体定位模型包括姿态图像目标点坐标获取层、投影偏差计算层以及坐标修正层,其中姿态图像目标点坐标获取层用于获取主镜头姿态图像中风洞试验目标的目标点坐标以及辅镜头姿态图像中风洞试验目标的目标点坐标,投影偏差计算层用于计算得到主镜头姿态图像与辅镜头姿态图像中风洞试验目标的目标点坐标的偏差值,三维坐标计算层用于基于目标点坐标的偏差值计算得到目标点在相机坐标系下的三维坐标。
可选地,所述S2步骤中利用风洞试验目标刚体定位模型定位得到风洞试验目标的三维坐标点,包括:
利用风洞试验目标刚体定位模型定位得到风洞试验目标的三维坐标点,风洞试验数据中风洞试验目标的坐标点定位流程为:
S21:对风洞试验目标的关键部位进行目标点标定,得到风洞试验目标的U个目标点;
S22:姿态图像目标点坐标获取层获取主镜头姿态图像中风洞试验目标的目标点坐标以及辅镜头姿态图像/>中风洞试验目标的目标点坐标,分别构成主镜头姿态图像/>的目标点坐标集合和辅镜头姿态图像/>的目标点坐标集合:
其中:
表示主镜头姿态图像/>中第u个目标点的坐标,/>表示辅镜头姿态图像/>中第u个目标点的坐标;
S23:计算得到同一目标点的坐标偏差,则风洞试验目标的第u个目标点在风洞试验数据中的坐标偏差为:
S24:基于坐标偏差计算得到风洞试验目标的第u个目标点在风洞试验数据中的相机坐标系下的三维坐标/>:
其中:
表示拍摄相机的焦距,/>表示拍摄相机在水平方向的焦距,/>表示拍摄相机在竖直方向的焦距,/>分别为对应水平方向以及竖直方向的焦点;
L表示主镜头与辅镜头的直线距离;
S25:将三维坐标转换到世界坐标系下:
其中:
表示拍摄相机的旋转矩阵参数,/>表示拍摄相机的平移矩阵参数;
表示风洞试验目标的第u个目标点在风洞试验数据/>中的世界坐标系下的三维坐标。
可选地,所述S3步骤中构建风洞试验姿态估计模型,包括:
构建风洞试验姿态估计模型,所述风洞试验姿态估计模型以修正后的风洞试验数据以及风洞试验目标的坐标点为输入,以姿态估计参数为输出,其中风洞试验姿态估计模型的姿态估计参数流程为以修正后的风洞试验数据以及风洞试验目标的坐标点为输入,估计得到风洞试验目标的姿态初始估计结果,并利用姿态估计校正参数对风洞试验目标的姿态初始估计结果进行校正处理,风洞试验姿态估计模型的待优化参数为结合修正后动力学参数的姿态估计校正参数;
风洞试验姿态估计模型的待优化参数为结合修正后动力学参数的姿态估计校正参数;
采集Q组不同压强温度环境下检测到的修正后风洞试验数据、风洞试验目标的姿态估计结果以及风洞试验目标的真实姿态参数构成风洞试验姿态估计模型的训练集data:
其中:
表示所采集的第q组训练数据中的风洞试验目标的姿态初始估计结果,/>表示第q组训练数据中的风洞试验目标的真实姿态参数;在本发明实施例中,所述风洞试验目标的姿态初始估计结果由风洞试验姿态估计模型估计得出,真实姿态参数由风洞试验目标表面的姿态传感器确定;
分别表示第q组训练数据中的修正后表面阻力系数、表面升力系数以及表面力矩系数;
构建风洞试验姿态估计模型的训练目标函数:
其中:
为姿态估计校正参数;
表示L2范数。
可选地,所述S3步骤中对构建的风洞试验姿态估计模型进行无约束优化求解,包括:
对构建的风洞试验姿态估计模型进行无约束优化求解,利用求解得到的姿态估计校正参数构建最优风洞试验姿态估计模型,其中无约束优化求解流程为:
S31:随机生成初始姿态估计校正参数,并设置/>,其中/>表示对/>进行求导后将/>代入求导结果;
S32:设置姿态估计校正参数的当前迭代次数为t,t的初始值为0,则第t次迭代得到的姿态估计校正参数为;
S33:若小于预设置的梯度阈值,则令/>为姿态估计校正参数的优化求解结果,并基于/>构建得到最优风洞试验姿态估计模型,否则转向步骤S34,其中/>表示L1范数;
S34:设置迭代步长:
S35:更新姿态估计校正参数:
令t=t+1,返回步骤S33。
可选地,所述S4步骤中利用最优风洞试验姿态估计模型得到风洞试验目标的姿态估计参数,包括:
利用最优风洞试验姿态估计模型得到风洞试验目标在三维坐标下的姿态估计参数,其中风洞试验目标在压强,温度/>下的姿态估计参数确定流程为:
S41:最优风洞试验姿态估计模型接收风洞试验数据中U个目标点的世界坐标系下的三维坐标,并基于目标点的三维坐标构建得到压强/>,温度/>下的风洞试验目标三维模型;
S42:以压强,温度/>下的风洞试验目标三维模型的中心为坐标原点,构建得到风洞试验目标坐标系,并得到风洞试验目标坐标系下U个目标点的三维坐标;
S43:构建得到协方差矩阵:
其中:
表示压强/>,温度/>下第u个目标点在风洞试验目标坐标系下的三维坐标;
S44:对协方差矩阵进行奇异值分解,得到左奇异矩阵/>以及右奇异矩阵/>;
S45:构建得到压强,温度/>环境下,风洞试验目标坐标系下风洞试验目标与拍摄相机的旋转矩阵参数/>:
S46:更新得到拍摄相机的旋转矩阵参数:
其中:
表示压强/>,温度/>下拍摄相机对风洞试验目标坐标系的旋转矩阵参数;
S47:计算得到压强,温度/>环境下,风洞试验目标的姿态初始估计结果:
其中:
为压强/>,温度/>环境下,风洞试验目标的姿态初始估计结果,/>分别为风洞试验目标的俯仰角、偏航角以及滚转角;
S48:利用求解得到的姿态估计校正参数对姿态初始估计结果进行校正:
其中:
为最优风洞试验姿态估计模型中的姿态估计校正参数;
为压强/>,温度/>环境下,风洞试验目标的姿态估计参数。在本发明实施例中,姿态估计参数即为对姿态初始估计结果进行校正后的风洞试验目标的俯仰角、偏航角以及滚转角。
进一步地,为了准确测量风洞试验目标的姿态,克服振动力学环境的限制,本发明提出一种IMU减振系统对风洞试验目标的内部载体进行减震,并要求IMU结构体谐振频率必须高于载体振动截止频率,同时还必须满足对线、角振动冲击的隔离要求;通过减振系统屏蔽外界阵风、湍流等高频振动冲击引起的惯性器件零偏漂移、非线性与非高斯噪声;
为了保证IMU在线、角振动环境下的精度,本发明通过确保各自由度之间的振动相互解耦,并希望6个自由度的固有频率相接近,使得减振系统从物理角度避免了外界高频振动传递到IMU,因此消除了高频干扰振动引起的零偏漂移和非线性、非高斯随机噪声。其中本方案设计各自由度之间相互耦合,只有IMU质心和转动惯量主轴坐标系原点重合,并以转动惯量主轴作为参考坐标系,IMU对x,y,z轴的惯性积为0,即消除了各轴向转动惯量的耦合,并沿着参考坐标系各轴成组对称安装同一规格减振器,并设计该减振器沿坐标轴轴向具有相同减振特性。
同时IMU减振系统抑制谐振频率点以上外界高频干扰振动传递到IMU,减小高频振动、冲击对陀螺和加速度计的不利影响。
为了解决上述问题,本发明提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;
通信接口,实现电子设备通信;及
处理器,执行所述存储器中存储的指令以实现上述所述的风洞试验数据分析处理方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的风洞试验数据分析处理方法。
相对于现有技术,本发明提出一种风洞试验数据分析处理方法,该技术具有以下优势:
首先,本方案提出一种动力学系数修正方法,对所采集的风洞试验数据进行数据修正,其中修正数据为风洞试验目标在不同压强、温度下的表面阻力系数、表面升力系数以及表面力矩系数,风洞试验数据的数据修正流程为:计算得到风洞试验数据在不同压强、温度下的雷诺数,其中风洞试验数据/>的雷诺数为:
其中:表示风洞试验数据/>的雷诺数;/>表示风洞试验数据/>中的采集时刻风速;/>表示在压强/>,温度/>下的空气密度;/>表示将风洞试验目标的直径;确定风洞试验数据中动力学系数与雷诺数的M阶拟合关系式,其中动力学系数/>分别对应表面阻力系数、表面升力系数以及表面力矩系数,并构建得到动力学系数/>与雷诺数的M阶拟合关系式:
其中:表示动力学系数/>与雷诺数的M阶拟合关系式,r表示输入关系式的雷诺数,/>则表示雷诺数为r的情况下,风洞试验目标在动力学系数/>上的系数值;基于动力学系数/>与雷诺数的M阶拟合关系式/>,构建得到动力学系数/>与雷诺数变化梯度的转换关系式/>:
其中:表示/>的二阶导数,/>表示/>的一阶导数;分别对风洞试验数据/>中的动力学系数进行修正,其中修正公式为:
其中:表示风洞试验数据/>中的动力学系数/>的修正后结果,若风洞试验数据/>中动力学系数/>的修正结果后/>高于预设的动力学系数/>的限制阈值,则表示风洞试验目标在压强/>,温度/>下存在由于动力学系数异常导致的结构属性变化。本方案根据所采集不同环境下的风洞试验目标动力学系数,构建动力学系数与环境雷诺数的拟合关系式,并基于拟合关系式确定不同环境下的动力学系数的校正参数,其中动力学系数随环境雷诺数变化的趋势越大,则校正效果越明显,有效对风洞试验过程中产生的雷诺数效应进行修正,得到更为准确的动力学系数,并结合校正后的动力学系数对风洞试验目标的姿态初始估计结果进行进一步修正,使得风洞试验目标在风洞试验过程中的最终姿态估计参数更加接近真实环境下的姿态参数。
同时,本方案提出一种风洞试验目标的姿态估计方法,最优风洞试验姿态估计模型接收风洞试验数据中U个目标点的世界坐标系下的三维坐标,并基于目标点的三维坐标构建得到压强/>,温度/>下的风洞试验目标三维模型;以压强/>,温度/>下的风洞试验目标三维模型的中心为坐标原点,构建得到风洞试验目标坐标系,并得到风洞试验目标坐标系下U个目标点的三维坐标;构建得到协方差矩阵/>:
其中:表示压强/>,温度/>下第u个目标点在风洞试验目标坐标系下的三维坐标;对协方差矩阵/>进行奇异值分解,得到左奇异矩阵/>以及右奇异矩阵/>;构建得到压强/>,温度/>环境下,风洞试验目标坐标系下风洞试验目标与拍摄相机的旋转矩阵参数:
更新得到拍摄相机的旋转矩阵参数:
计算得到压强,温度/>环境下,风洞试验目标的姿态初始估计结果:
其中:为压强/>,温度/>环境下,风洞试验目标的姿态初始估计结果,
分别为风洞试验目标的俯仰角、偏航角以及滚转角。本方案采用双目视觉测量方式获取目标点的投影位置偏差,并基于投影位置偏差的深度计算得到风洞试验目标的三维坐标点,进而构建得到风洞试验目标模型,从而将风洞试验目标在世界坐标系下的三维坐标点转换为以风洞试验目标为中心的风洞试验目标坐标系下的三维坐标点,进而构建拍摄相机对风洞试验目标坐标系的旋转矩阵参数,得到以风洞试验目标为中心的姿态初始估计结果,实现风洞试验目标的姿态估计。
附图说明
图1为本发明一实施例提供的一种风洞试验数据分析处理方法的流程示意图;
图2为本发明一实施例提供的实现风洞试验数据分析处理方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种风洞试验数据分析处理方法。所述风洞试验数据分析处理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述风洞试验数据分析处理方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
S1:采集风洞试验数据并进行数据修正,得到修正后的风洞试验数据。
所述S1步骤中采集风洞试验数据,包括:
采集风洞试验目标在不同压强、温度下的风洞试验数据,其中风洞试验数据包括风洞试验目标的姿态图像、表面阻力系数、表面升力系数、表面力矩系数、采集时刻风速、采集时刻压强以及采集时刻温度,所采集风洞试验数据的数据集合表示形式为:
其中:
表示所采集第n组风洞试验数据,N表示所采集的风洞试验数据总数;
表示风洞试验数据/>中风洞试验目标的姿态图像,其中/>包括主镜头所拍摄的姿态图像/>和辅镜头所拍摄的姿态图像/>;
分别表示风洞试验数据/>中风洞试验目标的表面阻力系数、表面升力系数以及表面力矩系数;
分别表示风洞试验数据/>中风洞试验目标的采集时刻风速、采集时刻压强以及采集时刻温度。
所述S1步骤中对所采集的风洞试验数据进行数据修正,包括:
对所采集的风洞试验数据进行数据修正,其中修正数据为风洞试验目标在不同压强、温度下的表面阻力系数、表面升力系数以及表面力矩系数,风洞试验数据的数据修正流程为:
S11:计算得到风洞试验数据在不同压强、温度下的雷诺数,其中风洞试验数据的雷诺数为:
其中:
表示风洞试验数据/>的雷诺数;
表示风洞试验数据/>中的采集时刻风速;
表示在压强/>,温度/>下的空气密度;在本发明实施例中,空气密度的计算公式为:
表示在压强/>,温度/>下的空气动力粘度;
表示将风洞试验目标的直径,其中风洞试验目标的直径为能够将风洞试验目标恰好装入的圆形管道的直径;
S12:确定风洞试验数据中动力学系数与雷诺数的M阶拟合关系式,其中动力学系数分别对应表面阻力系数、表面升力系数以及表面力矩系数,并根据M阶拟合关系式构建拟合方程,其中动力学系数/>与雷诺数的拟合方程为:
其中:
;
为动力学系数/>与雷诺数的M阶拟合关系式系数;
将拟合方程转换为矩阵形式:
/>
其中:
T表示转置;
计算得到动力学系数与雷诺数的M阶拟合关系式系数矩阵/>:
并基于计算结果构建得到动力学系数与雷诺数的M阶拟合关系式:
其中:
表示动力学系数/>与雷诺数的M阶拟合关系式,r表示输入关系式的雷诺数,/>则表示雷诺数为r的情况下,风洞试验目标在动力学系数/>上的系数值;
S13:基于动力学系数与雷诺数的M阶拟合关系式/>,构建得到动力学系数与雷诺数变化梯度的转换关系式/>:
其中:
表示/>的二阶导数,/>表示/>的一阶导数;
S14:分别对风洞试验数据中的动力学系数进行修正,其中修正公式为:
其中:
表示风洞试验数据/>中的动力学系数/>的修正后结果,若风洞试验数据/>中动力学系数/>的修正结果后/>高于预设的动力学系数/>的限制阈值,则表示风洞试验目标在压强/>,温度/>下存在由于动力学系数异常导致的结构属性变化。
S2:构建风洞试验目标刚体定位模型并定位得到风洞试验目标的三维坐标点,所述风洞试验目标刚体定位模型通过双目视觉测量方式获取目标点的投影位置偏差,计算得到风洞试验目标的三维坐标点。
所述S2步骤中构建风洞试验目标刚体定位模型,包括:
构建风洞试验目标刚体定位模型,所述风洞试验目标刚体定位模型通过双目视觉测量方式获取目标点的投影位置偏差,计算得到目标点的三维坐标,其中风洞试验目标刚体定位模型包括姿态图像目标点坐标获取层、投影偏差计算层以及坐标修正层,其中姿态图像目标点坐标获取层用于获取主镜头姿态图像中风洞试验目标的目标点坐标以及辅镜头姿态图像中风洞试验目标的目标点坐标,投影偏差计算层用于计算得到主镜头姿态图像与辅镜头姿态图像中风洞试验目标的目标点坐标的偏差值,三维坐标计算层用于基于目标点坐标的偏差值计算得到目标点在相机坐标系下的三维坐标。
所述S2步骤中利用风洞试验目标刚体定位模型定位得到风洞试验目标的三维坐标点,包括:
利用风洞试验目标刚体定位模型定位得到风洞试验目标的三维坐标点,风洞试验数据中风洞试验目标的坐标点定位流程为:
S21:对风洞试验目标的关键部位进行目标点标定,得到风洞试验目标的U个目标点;
S22:姿态图像目标点坐标获取层获取主镜头姿态图像中风洞试验目标的目标点坐标以及辅镜头姿态图像/>中风洞试验目标的目标点坐标,分别构成主镜头姿态图像/>的目标点坐标集合和辅镜头姿态图像/>的目标点坐标集合:
其中:
表示主镜头姿态图像/>中第u个目标点的坐标,/>表示辅镜头姿态图像/>中第u个目标点的坐标;
S23:计算得到同一目标点的坐标偏差,则风洞试验目标的第u个目标点在风洞试验数据中的坐标偏差为:
S24:基于坐标偏差计算得到风洞试验目标的第u个目标点在风洞试验数据中的相机坐标系下的三维坐标/>:
其中:
表示拍摄相机的焦距,/>表示拍摄相机在水平方向的焦距,/>表示拍摄相机在竖直方向的焦距,/>分别为对应水平方向以及竖直方向的焦点;
L表示主镜头与辅镜头的直线距离;
S25:将三维坐标转换到世界坐标系下:/>
其中:
表示拍摄相机的旋转矩阵参数,/>表示拍摄相机的平移矩阵参数;
表示风洞试验目标的第u个目标点在风洞试验数据/>中的世界坐标系下的三维坐标。
S3:构建风洞试验姿态估计模型并进行无约束优化求解,得到最优风洞试验姿态估计模型。
所述S3步骤中构建风洞试验姿态估计模型,包括:
构建风洞试验姿态估计模型,所述风洞试验姿态估计模型以修正后的风洞试验数据以及风洞试验目标的坐标点为输入,以姿态估计参数为输出,其中风洞试验姿态估计模型的姿态估计参数流程为以修正后的风洞试验数据以及风洞试验目标的坐标点为输入,估计得到风洞试验目标的姿态初始估计结果,并利用姿态估计校正参数对风洞试验目标的姿态初始估计结果进行校正处理,风洞试验姿态估计模型的待优化参数为结合修正后动力学参数的姿态估计校正参数;
风洞试验姿态估计模型的待优化参数为结合修正后动力学参数的姿态估计校正参数;
采集Q组不同压强温度环境下检测到的修正后风洞试验数据、风洞试验目标的姿态估计结果以及风洞试验目标的真实姿态参数构成风洞试验姿态估计模型的训练集data:
其中:
表示所采集的第q组训练数据中的风洞试验目标的姿态初始估计结果,/>表示第q组训练数据中的风洞试验目标的真实姿态参数;在本发明实施例中,所述风洞试验目标的姿态初始估计结果由风洞试验姿态估计模型估计得出,真实姿态参数由风洞试验目标表面的姿态传感器确定;
分别表示第q组训练数据中的修正后表面阻力系数、表面升力系数以及表面力矩系数;
构建风洞试验姿态估计模型的训练目标函数:
其中:
为姿态估计校正参数;
表示L2范数。/>
所述S3步骤中对构建的风洞试验姿态估计模型进行无约束优化求解,包括:
对构建的风洞试验姿态估计模型进行无约束优化求解,利用求解得到的姿态估计校正参数构建最优风洞试验姿态估计模型,其中无约束优化求解流程为:
S31:随机生成初始姿态估计校正参数,并设置/>,其中/>表示对/>进行求导后将/>代入求导结果;
S32:设置姿态估计校正参数的当前迭代次数为t,t的初始值为0,则第t次迭代得到的姿态估计校正参数为;
S33:若小于预设置的梯度阈值,则令/>为姿态估计校正参数的优化求解结果,并基于/>构建得到最优风洞试验姿态估计模型,否则转向步骤S34,其中/>表示L1范数;
S34:设置迭代步长:
S35:更新姿态估计校正参数:
令t=t+1,返回步骤S33。
S4:利用最优风洞试验姿态估计模型得到风洞试验目标在三维坐标下的姿态估计参数。
所述S4步骤中利用最优风洞试验姿态估计模型得到风洞试验目标的姿态估计参数,包括:
利用最优风洞试验姿态估计模型得到风洞试验目标在三维坐标下的姿态估计参数,其中风洞试验目标在压强,温度/>下的姿态估计参数确定流程为:
S41:最优风洞试验姿态估计模型接收风洞试验数据中U个目标点的世界坐标系下的三维坐标,并基于目标点的三维坐标构建得到压强/>,温度/>下的风洞试验目标三维模型;
S42:以压强,温度/>下的风洞试验目标三维模型的中心为坐标原点,构建得到风洞试验目标坐标系,并得到风洞试验目标坐标系下U个目标点的三维坐标;
S43:构建得到协方差矩阵:
其中:
表示压强/>,温度/>下第u个目标点在风洞试验目标坐标系下的三维坐标;
S44:对协方差矩阵进行奇异值分解,得到左奇异矩阵/>以及右奇异矩阵/>;
S45:构建得到压强,温度/>环境下,风洞试验目标坐标系下风洞试验目标与拍摄相机的旋转矩阵参数/>:
S46:更新得到拍摄相机的旋转矩阵参数:
其中:
表示压强/>,温度/>下拍摄相机对风洞试验目标坐标系的旋转矩阵参数;
S47:计算得到压强,温度/>环境下,风洞试验目标的姿态初始估计结果:
其中:
为压强/>,温度/>环境下,风洞试验目标的姿态初始估计结果,/>分别为风洞试验目标的俯仰角、偏航角以及滚转角;
S48:利用求解得到的姿态估计校正参数对姿态初始估计结果进行校正:
其中:
为最优风洞试验姿态估计模型中的姿态估计校正参数;
为压强/>,温度/>环境下,风洞试验目标的姿态估计参数。
实施例2:
基于减振系统IMU结构设计:通过优化3个加速度计的安装位置和方位,减小了加速度计测量点相对减振系统几何中心的距离,设计3个陀螺和加速度计安装面的平面度和正交度,减小系统安装误差;在一定尺寸、重量条件下, 增加IMU转动惯量,可有效提高系统抗角振动性能,减小陀螺抖动引起的尺寸效应、圆锥漂移等误差。
在IMU结构减振系统和方式方面保证减振器的机械强度、减振效率和位移等符合系统的抗振动冲击要求,根据优化设计准则,IMU采用两侧对称八点相同减振器与外部载体固联,提高各自由度间振动去耦效应,并使各固有频率相互接近,获得较窄的频率分布,避免载机振动和冲击引起IMU共振,从而影响到系统的测量精度。
实施例3:
如图2所示,是本发明一实施例提供的实现风洞试验数据分析处理方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信接口13和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(用于实现风洞试验数据分析处理的程序12等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接,并实现电子设备内部组件之间的连接通信。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图2仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图2示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理系统与所述至少一个处理器10逻辑相连,从而通过电源管理系统实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
采集风洞试验数据并进行数据修正,得到修正后的风洞试验数据;
构建风洞试验目标刚体定位模型并定位得到风洞试验目标的三维坐标点;
构建风洞试验姿态估计模型并进行无约束优化求解,得到最优风洞试验姿态估计模型;
利用最优风洞试验姿态估计模型得到风洞试验目标在三维坐标下的姿态估计参数。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述,在此不赘述。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、系统、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、系统、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、系统、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种风洞试验数据分析处理方法,其特征在于,所述方法包括:
S1:采集风洞试验数据并进行数据修正,得到修正后的风洞试验数据;
S2:构建风洞试验目标刚体定位模型并定位得到风洞试验目标的三维坐标点,所述风洞试验目标刚体定位模型通过双目视觉测量方式获取目标点的投影位置偏差,计算得到风洞试验目标的三维坐标点;
S3:构建风洞试验姿态估计模型并进行无约束优化求解,得到最优风洞试验姿态估计模型;
S4:利用最优风洞试验姿态估计模型得到风洞试验目标在三维坐标下的姿态估计参数。
2.如权利要求1所述的一种风洞试验数据分析处理方法,其特征在于,所述S1步骤中采集风洞试验数据,包括:
采集风洞试验目标在不同压强、温度下的风洞试验数据,其中风洞试验数据包括风洞试验目标的姿态图像、表面阻力系数、表面升力系数、表面力矩系数、采集时刻风速、采集时刻压强以及采集时刻温度,所采集风洞试验数据的数据集合表示形式为:
其中:
表示所采集第n组风洞试验数据,N表示所采集的风洞试验数据总数;
表示风洞试验数据/>中风洞试验目标的姿态图像,其中/>包括主镜头所拍摄的姿态图像/>和辅镜头所拍摄的姿态图像/>;
分别表示风洞试验数据/>中风洞试验目标的表面阻力系数、表面升力系数以及表面力矩系数;
分别表示风洞试验数据/>中风洞试验目标的采集时刻风速、采集时刻压强以及采集时刻温度。
3.如权利要求2所述的一种风洞试验数据分析处理方法,其特征在于,所述S1步骤中对所采集的风洞试验数据进行数据修正,包括:
对所采集的风洞试验数据进行数据修正,其中修正数据为风洞试验目标在不同压强、温度下的表面阻力系数、表面升力系数以及表面力矩系数,风洞试验数据的数据修正流程为:
S11:计算得到风洞试验数据在不同压强、温度下的雷诺数,其中风洞试验数据的雷诺数为:
其中:
表示风洞试验数据/>的雷诺数;
表示风洞试验数据/>中的采集时刻风速;
表示在压强/>,温度/>下的空气密度;
表示将风洞试验目标的直径,其中风洞试验目标的直径为能够将风洞试验目标恰好装入的圆形管道的直径;
S12:确定风洞试验数据中动力学系数与雷诺数的M阶拟合关系式,其中动力学系数分别对应表面阻力系数、表面升力系数以及表面力矩系数,并根据M阶拟合关系式构建拟合方程,其中动力学系数/>与雷诺数的拟合方程为:
其中:
;
为动力学系数/>与雷诺数的M阶拟合关系式系数;
将拟合方程转换为矩阵形式:
其中:
T表示转置;
计算得到动力学系数与雷诺数的M阶拟合关系式系数矩阵/>:
并基于计算结果构建得到动力学系数与雷诺数的M阶拟合关系式:
其中:
表示动力学系数/>与雷诺数的M阶拟合关系式,r表示输入关系式的雷诺数,则表示雷诺数为r的情况下,风洞试验目标在动力学系数/>上的系数值;
S13:基于动力学系数与雷诺数的M阶拟合关系式/>,构建得到动力学系数/>与雷诺数变化梯度的转换关系式/>:
其中:
表示/>的二阶导数,/>表示/>的一阶导数;
S14:分别对风洞试验数据中的动力学系数进行修正,其中修正公式为:
其中:
表示风洞试验数据/>中的动力学系数/>的修正后结果,若风洞试验数据/>中动力学系数/>的修正结果后/>高于预设的动力学系数/>的限制阈值,则表示风洞试验目标在压强/>,温度/>下存在由于动力学系数异常导致的结构属性变化。
4.如权利要求1所述的一种风洞试验数据分析处理方法,其特征在于,所述S2步骤中构建风洞试验目标刚体定位模型,包括:
构建风洞试验目标刚体定位模型,所述风洞试验目标刚体定位模型通过双目视觉测量方式获取目标点的投影位置偏差,计算得到目标点的三维坐标,其中风洞试验目标刚体定位模型包括姿态图像目标点坐标获取层、投影偏差计算层以及坐标修正层,其中姿态图像目标点坐标获取层用于获取主镜头姿态图像中风洞试验目标的目标点坐标以及辅镜头姿态图像中风洞试验目标的目标点坐标,投影偏差计算层用于计算得到主镜头姿态图像与辅镜头姿态图像中风洞试验目标的目标点坐标的偏差值,三维坐标计算层用于基于目标点坐标的偏差值计算得到目标点在相机坐标系下的三维坐标。
5.如权利要求4所述的一种风洞试验数据分析处理方法,其特征在于,所述S2步骤中利用风洞试验目标刚体定位模型定位得到风洞试验目标的三维坐标点,包括:
利用风洞试验目标刚体定位模型定位得到风洞试验目标的三维坐标点,风洞试验数据中风洞试验目标的坐标点定位流程为:
S21:对风洞试验目标的关键部位进行目标点标定,得到风洞试验目标的U个目标点;
S22:姿态图像目标点坐标获取层获取主镜头姿态图像中风洞试验目标的目标点坐标以及辅镜头姿态图像/>中风洞试验目标的目标点坐标,分别构成主镜头姿态图像/>的目标点坐标集合和辅镜头姿态图像/>的目标点坐标集合:
其中:
表示主镜头姿态图像/>中第u个目标点的坐标,/>表示辅镜头姿态图像/>中第u个目标点的坐标;
S23:计算得到同一目标点的坐标偏差,则风洞试验目标的第u个目标点在风洞试验数据中的坐标偏差为:
S24:基于坐标偏差计算得到风洞试验目标的第u个目标点在风洞试验数据中的相机坐标系下的三维坐标/>:
其中:
表示拍摄相机的焦距,/>表示拍摄相机在水平方向的焦距,/>表示拍摄相机在竖直方向的焦距,/>分别为对应水平方向以及竖直方向的焦点;
L表示主镜头与辅镜头的直线距离;
S25:将三维坐标转换到世界坐标系下:
其中:
表示拍摄相机的旋转矩阵参数,/>表示拍摄相机的平移矩阵参数;
表示风洞试验目标的第u个目标点在风洞试验数据/>中的世界坐标系下的三维坐标。
6.如权利要求1所述的一种风洞试验数据分析处理方法,其特征在于,所述S3步骤中构建风洞试验姿态估计模型,包括:
构建风洞试验姿态估计模型,所述风洞试验姿态估计模型以修正后的风洞试验数据以及风洞试验目标的坐标点为输入,以姿态估计参数为输出,其中风洞试验姿态估计模型的姿态估计参数流程为以修正后的风洞试验数据以及风洞试验目标的坐标点为输入,估计得到风洞试验目标的姿态初始估计结果,并利用姿态估计校正参数对风洞试验目标的姿态初始估计结果进行校正处理,风洞试验姿态估计模型的待优化参数为结合修正后动力学参数的姿态估计校正参数;
采集Q组不同压强温度环境下检测到的修正后风洞试验数据、风洞试验目标的姿态估计结果以及风洞试验目标的真实姿态参数构成风洞试验姿态估计模型的训练集data:
其中:
表示所采集的第q组训练数据中的风洞试验目标的姿态初始估计结果,/>表示第q组训练数据中的风洞试验目标的真实姿态参数;
分别表示第q组训练数据中的修正后表面阻力系数、表面升力系数以及表面力矩系数;
构建风洞试验姿态估计模型的训练目标函数:
其中:
为姿态估计校正参数;
表示L2范数。
7.如权利要求6所述的一种风洞试验数据分析处理方法,其特征在于,所述S3步骤中对构建的风洞试验姿态估计模型进行无约束优化求解,包括:
对构建的风洞试验姿态估计模型进行无约束优化求解,利用求解得到的姿态估计校正参数构建最优风洞试验姿态估计模型,其中无约束优化求解流程为:
S31:随机生成初始姿态估计校正参数,并设置/>,其中/>表示对/>进行求导后将/>代入求导结果;
S32:设置姿态估计校正参数的当前迭代次数为t,t的初始值为0,则第t次迭代得到的姿态估计校正参数为;
S33:若小于预设置的梯度阈值,则令/>为姿态估计校正参数的优化求解结果/>,并基于/>构建得到最优风洞试验姿态估计模型,否则转向步骤S34,其中/>表示L1范数;
S34:设置迭代步长:
S35:更新姿态估计校正参数:
令t=t+1,返回步骤S33。
8.如权利要求7所述的一种风洞试验数据分析处理方法,其特征在于,所述S4步骤中利用最优风洞试验姿态估计模型得到风洞试验目标的姿态估计参数,包括:
利用最优风洞试验姿态估计模型得到风洞试验目标在三维坐标下的姿态估计参数,其中风洞试验目标在压强,温度/>下的姿态估计参数确定流程为:
S41:最优风洞试验姿态估计模型接收风洞试验数据中U个目标点的世界坐标系下的三维坐标,并基于目标点的三维坐标构建得到压强/>,温度/>下的风洞试验目标三维模型;
S42:以压强,温度/>下的风洞试验目标三维模型的中心为坐标原点,构建得到风洞试验目标坐标系,并得到风洞试验目标坐标系下U个目标点的三维坐标;
S43:构建得到协方差矩阵:
其中:
表示压强/>,温度/>下第u个目标点在风洞试验目标坐标系下的三维坐标;
S44:对协方差矩阵进行奇异值分解,得到左奇异矩阵/>以及右奇异矩阵/>;
S45:构建得到压强,温度/>环境下,风洞试验目标坐标系下风洞试验目标与拍摄相机的旋转矩阵参数/>:
S46:更新得到拍摄相机的旋转矩阵参数:
其中:
表示压强/>,温度/>下拍摄相机对风洞试验目标坐标系的旋转矩阵参数;
S47:计算得到压强,温度/>环境下,风洞试验目标的姿态初始估计结果:
其中:
为压强/>,温度/>环境下,风洞试验目标的姿态初始估计结果,/>分别为风洞试验目标的俯仰角、偏航角以及滚转角;
S48:利用求解得到的姿态估计校正参数对姿态初始估计结果进行校正:
其中:
为最优风洞试验姿态估计模型中的姿态估计校正参数;
为压强/>,温度/>环境下,风洞试验目标的姿态估计参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070852.3A CN117272593B (zh) | 2023-08-24 | 2023-08-24 | 一种风洞试验数据分析处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070852.3A CN117272593B (zh) | 2023-08-24 | 2023-08-24 | 一种风洞试验数据分析处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117272593A true CN117272593A (zh) | 2023-12-22 |
CN117272593B CN117272593B (zh) | 2024-04-05 |
Family
ID=89220453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311070852.3A Active CN117272593B (zh) | 2023-08-24 | 2023-08-24 | 一种风洞试验数据分析处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117272593B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175416A (zh) * | 2011-01-28 | 2011-09-07 | 中国空气动力研究与发展中心高速空气动力研究所 | 风洞试验中模型姿态角测量的多相机动态标定方法 |
CN102539107A (zh) * | 2012-02-17 | 2012-07-04 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种实现风洞试验信号精确同步的方法 |
CN103697863A (zh) * | 2013-12-18 | 2014-04-02 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种多约束的风洞试验模型变形视频测量振动修正方法 |
KR101606497B1 (ko) * | 2015-02-26 | 2016-03-25 | 충남대학교산학협력단 | 유량함수 내장형 질량유량계 교정방법 |
US20190301969A1 (en) * | 2016-05-19 | 2019-10-03 | 1323079 Alberta Ltd. | Method and apparatus for monitoring fluid dynamic drag |
CN110702363A (zh) * | 2019-10-22 | 2020-01-17 | 西北工业大学 | 针对雷诺数影响的高空螺旋桨风洞试验数据修正方法 |
CN110887480A (zh) * | 2019-12-11 | 2020-03-17 | 中国空气动力研究与发展中心低速空气动力研究所 | 基于mems传感器的飞行姿态估计方法及系统 |
CN112489140A (zh) * | 2020-12-15 | 2021-03-12 | 北京航天测控技术有限公司 | 姿态测量方法 |
WO2021180128A1 (zh) * | 2020-03-11 | 2021-09-16 | 华南理工大学 | 一种基于rgbd传感器和imu传感器的定位方法 |
CN114509071A (zh) * | 2022-04-20 | 2022-05-17 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种风洞试验模型姿态测量方法 |
CN115615655A (zh) * | 2022-11-15 | 2023-01-17 | 中国航空工业集团公司沈阳空气动力研究所 | 一种连续式跨声速风洞试验数据干扰修正方法 |
-
2023
- 2023-08-24 CN CN202311070852.3A patent/CN117272593B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175416A (zh) * | 2011-01-28 | 2011-09-07 | 中国空气动力研究与发展中心高速空气动力研究所 | 风洞试验中模型姿态角测量的多相机动态标定方法 |
CN102539107A (zh) * | 2012-02-17 | 2012-07-04 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种实现风洞试验信号精确同步的方法 |
CN103697863A (zh) * | 2013-12-18 | 2014-04-02 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种多约束的风洞试验模型变形视频测量振动修正方法 |
KR101606497B1 (ko) * | 2015-02-26 | 2016-03-25 | 충남대학교산학협력단 | 유량함수 내장형 질량유량계 교정방법 |
US20190301969A1 (en) * | 2016-05-19 | 2019-10-03 | 1323079 Alberta Ltd. | Method and apparatus for monitoring fluid dynamic drag |
CN110702363A (zh) * | 2019-10-22 | 2020-01-17 | 西北工业大学 | 针对雷诺数影响的高空螺旋桨风洞试验数据修正方法 |
CN110887480A (zh) * | 2019-12-11 | 2020-03-17 | 中国空气动力研究与发展中心低速空气动力研究所 | 基于mems传感器的飞行姿态估计方法及系统 |
WO2021180128A1 (zh) * | 2020-03-11 | 2021-09-16 | 华南理工大学 | 一种基于rgbd传感器和imu传感器的定位方法 |
CN112489140A (zh) * | 2020-12-15 | 2021-03-12 | 北京航天测控技术有限公司 | 姿态测量方法 |
CN114509071A (zh) * | 2022-04-20 | 2022-05-17 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种风洞试验模型姿态测量方法 |
CN115615655A (zh) * | 2022-11-15 | 2023-01-17 | 中国航空工业集团公司沈阳空气动力研究所 | 一种连续式跨声速风洞试验数据干扰修正方法 |
Non-Patent Citations (1)
Title |
---|
JIN SONG ET AL.: ""Measurement based on machine vision for spin test in vertical wind tunnel"", 《2012 IEEE SYMPOSIUM ON ELECTRICAL & ELECTRONICS ENGINEERING》, 6 August 2012 (2012-08-06) * |
Also Published As
Publication number | Publication date |
---|---|
CN117272593B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544630B (zh) | 位姿信息确定方法和装置、视觉点云构建方法和装置 | |
KR20040013439A (ko) | 지자계 센서의 자세 오차 보상장치 및 방법 | |
JP2008002980A (ja) | 情報処理方法および装置 | |
CN111415387A (zh) | 相机位姿确定方法、装置、电子设备及存储介质 | |
CN103907139A (zh) | 信息处理装置、信息处理方法和程序 | |
JP2009186288A (ja) | 画像処理装置、画像処理方法 | |
Choi et al. | Development of a low-cost wearable sensing glove with multiple inertial sensors and a light and fast orientation estimation algorithm | |
CN112720476A (zh) | 机械臂控制方法、装置、介质及电子设备 | |
CN113188505A (zh) | 姿态角度的测量方法、装置、车辆及智能臂架 | |
CN115120967A (zh) | 目标定位方法、装置、存储介质及终端 | |
CN111504314A (zh) | Imu与刚体的位姿融合方法、装置、设备及存储介质 | |
CN111025330A (zh) | 一种基于深度图的目标倾斜角检测方法及设备 | |
JP2009186244A (ja) | 傾斜角度推定システム、相対角度推定システム及び角速度推定システム | |
CN117272593B (zh) | 一种风洞试验数据分析处理方法 | |
CN110991085B (zh) | 一种机器人图像仿真数据的构建方法、介质、终端和装置 | |
JP5726024B2 (ja) | 情報処理方法および装置 | |
CN109814714B (zh) | 运动传感器的安装姿态确定方法、装置以及存储介质 | |
JP6109213B2 (ja) | 情報処理装置および方法、プログラム | |
TWI402489B (zh) | 利用電子裝置量測平面傾角的方法 | |
CN113628284B (zh) | 位姿标定数据集生成方法、装置、系统、电子设备及介质 | |
CN109167902A (zh) | 一种具有角度检测功能的摄像机 | |
JP5424224B2 (ja) | 相対角度推定システム | |
CN110260888B (zh) | 一种摆动角测量方法、装置及系统 | |
CN113065572A (zh) | 多传感器融合的数据处理方法、定位装置及虚拟现实设备 | |
JP5424226B2 (ja) | 傾斜角度推定システム |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Country or region after: Zhong Guo Address after: 214000 58-30 xiuxi Road, Binhu District, Wuxi City, Jiangsu Province Applicant after: WUXI BEWIS SENSING TECHNOLOGY CO.,LTD. Address before: No. 28, Xuefeng Road, Shuangxin Industrial Park, the Taihu Lake Street, Economic Development Zone, Wuxi City, Jiangsu Province, 214000 Applicant before: WUXI BEWIS SENSING TECHNOLOGY CO.,LTD. Country or region before: Zhong Guo |
|
GR01 | Patent grant | ||
GR01 | Patent grant |