CN117312778B - 风洞气动热试验数据滤波处理方法、电子设备及存储介质 - Google Patents

风洞气动热试验数据滤波处理方法、电子设备及存储介质 Download PDF

Info

Publication number
CN117312778B
CN117312778B CN202311598120.1A CN202311598120A CN117312778B CN 117312778 B CN117312778 B CN 117312778B CN 202311598120 A CN202311598120 A CN 202311598120A CN 117312778 B CN117312778 B CN 117312778B
Authority
CN
China
Prior art keywords
voltage signal
signal data
wind tunnel
heat test
aerodynamic heat
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
Application number
CN202311598120.1A
Other languages
English (en)
Other versions
CN117312778A (zh
Inventor
许鹏博
历志
于晟浩
辛亚楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AVIC Shenyang Aerodynamics Research Institute
Original Assignee
AVIC Shenyang Aerodynamics Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by AVIC Shenyang Aerodynamics Research Institute filed Critical AVIC Shenyang Aerodynamics Research Institute
Priority to CN202311598120.1A priority Critical patent/CN117312778B/zh
Publication of CN117312778A publication Critical patent/CN117312778A/zh
Application granted granted Critical
Publication of CN117312778B publication Critical patent/CN117312778B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01M9/06—Measuring arrangements specially adapted for aerodynamic testing
    • 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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Fluid Mechanics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

风洞气动热试验数据滤波处理方法、电子设备及存储介质，属于高超声速飞行器风洞气动热试验技术领域。为提高风洞气动热试验数据的准确性，本发明进行风洞气动热试验，采集热流传感器的电压信号数据，建立风洞气动热试验的电压信号数据的系统状态方程；建立风洞气动热试验的电压信号数据的系统观测方程；构建风洞气动热试验的电压信号数据的预测模型；进行优化，得到风洞气动热试验的电压信号数据的反馈修正模型；利用热流传感器参数进行电压和温度的转换得到修正后的气动热试验预测温度信号数据；根据Schults和Jones方法进行风洞气动热试验的热数值求解。本发明可实现对扰动信号和白噪声的有效过滤，提高试验预测精度。

Description

风洞气动热试验数据滤波处理方法、电子设备及存储介质
技术领域
本发明属于高超声速飞行器风洞气动热试验技术领域，具体涉及风洞气动热试验数据滤波处理方法、电子设备及存储介质。
背景技术
高超声速飞行器气动热风洞试验领域，是一种气动热试验数据滤波处理方法，具体为利用高焓风洞试验测量气动热数据，对预测数据进行最优估计的算法，消除试验过程中风洞气流脉动干扰和传感器本身白噪声的影响，获得经过预测—测量数据反馈的滤波预测数据。
临近空间高超声速飞行器由于其在宽速域、大空域飞行环境的巨大技术优势和使用价值受到世界各航空航天大国的广泛关注。飞行器在长时间跨域高速动态飞行过程中，飞行器与空气剧烈摩擦而产生气动加热现象，导致飞行器在高速飞行过程中长时间处于高温环境，对蒙皮、结构、热防护、红外隐身及热管理等产生一系列影响，气动加热现象的精准预测已成为飞行器研制最为迫切需要解决的技术难题。
随着航空科技的发展，飞行器设计朝着精准化、精细化、快速迭代方向发展。飞行器的气动外形设计不再仅考虑气动力特性本身，热环境是由飞机表面蒙皮与空气剧烈摩擦产生、并作用到蒙皮结构上向内部传导，且高超声速飞行器在大气层内做长时间动态机动飞行，相比高超声速导弹或载入飞行器，吸气式高超声速飞行器所受中低热流会对飞行器进行持续气动加热，飞行器蒙皮和结构受到累积热效应，由于在设计研制阶段气动热预测的不精准或偏差，会在真实飞行阶段产生持续的放大效应，而采用过裕度的气动热设计将大大增加飞行器结构重量，导致飞行器气动性能和飞行状态降低，所以，高超声速飞行器气动热精准预测和设计已成为研制的关键。
目前，国内外用于高超声速飞行器气动热预测的常用方法是开展风洞试验和数值计算，其中，脉冲型风洞气动热试验最为普遍。由于数值计算在高超声速湍流、转捩模拟、高精度数值格式等方面仍存在一定限制，气动热预测数据往往作为辅助和验证。风洞试验数据是通过薄膜热电阻/同轴热电偶等热流传感器进行测试，通过温度变化而产生的电压变化进行采集形成气动热风洞试验信号数据，后期通过信号数据处理和求解获得气动热数据。由于传感器本身和高速气流通过脉冲型风洞所带来的信号振荡或干扰，对试验数据的精度和数据可信度造成影响。
采用一维半无限大假设的Schults和Jones方法进行气动热数据处理，并利用多点平均或数值光顺方法以消除由于震荡所带来的数据波动，此种方法需要利用本时刻前后多个时刻的数据，所得平均值往往与真实状况存在一个整体偏离度，从而对试验数据的本身精度和数据可信度造成影响。
发明内容
本发明要解决的问题是提高风洞气动热试验数据的准确性，提出风洞气动热试验数据滤波处理方法、电子设备及存储介质。
为实现上述目的，本发明通过以下技术方案实现：
一种风洞气动热试验数据滤波处理方法，包括如下步骤：
S1. 进行风洞气动热试验，采集热流传感器的电压信号数据，构建基于不同时刻的电压信号数据集；
S2. 基于步骤S1得到的基于不同时刻的电压信号数据集，建立风洞气动热试验的电压信号数据的系统状态方程；
S3. 基于步骤S2得到的风洞气动热试验的电压信号数据的系统状态方程，建立风洞气动热试验的电压信号数据的系统观测方程；
S4. 基于步骤S2得到的风洞气动热试验的电压信号数据的系统状态方程、步骤S3得到的风洞气动热试验的电压信号数据的系统观测方程，构建风洞气动热试验的电压信号数据的预测模型；
S5. 对步骤S4得到的风洞气动热试验的电压信号数据的预测模型进行优化，得到风洞气动热试验的电压信号数据的反馈修正模型，用于计算修正后的气动热试验预测电压信号数据；
S6. 将步骤S1得到的基于不同时刻的电压信号数据集中的数据，重复步骤S2-步骤S5，直到风洞气动热试验所有时刻的数据完成处理，得到修正后的气动热试验预测电压信号数据集；
S7. 将步骤S6得到的修正后的气动热试验预测电压信号数据集利用热流传感器参数进行电压和温度的转换，得到修正后的气动热试验预测温度信号数据；
S8. 利用步骤S7得到的修正后的气动热试验预测温度信号数据根据Schults和Jones方法进行风洞气动热试验的热数值求解。
进一步的，步骤S2中的风洞气动热试验的电压信号数据的系统状态方程的计算表达式为：
；
其中，分别表示第k-1时刻、第k时刻测量的电压信号数据，/>表示系统状态方程的第k-1时刻的系统控制量，/>表示系统状态方程的第k-1时刻的系统误差，A、B分别表示系统状态方程的第一参数、第二参数。
进一步的，步骤S3中的风洞气动热试验的电压信号数据的系统观测方程的计算表达式为：
；
其中，表示第k时刻的观测的电压信号数据，/>表示测量设备或传感器的高斯误差分布，H表示转换系数，H取值为1。
进一步的，步骤S4中设置经过滤波处理后的电压信号数据为预测电压信号数据和测量的电压信号数据的加权，风洞气动热试验的电压信号数据的预测模型的计算表达式为：
；
其中，表示第k时刻的预测电压信号数据，/>表示第k-1时刻的经过滤波处理后的电压信号数据，/>表示第k时刻预测电压信号数据误差的协方差，/>表示第k-1时刻滤波处理后的电压信号数据误差的协方差，/>表示权重系数，/>。
进一步的，步骤S5中风洞气动热试验的电压信号数据的反馈修正模型的计算表达式为：
；
其中，表示第k时刻的经过滤波处理后的电压信号数据，/>表示第k时刻的预测电压信号数据，/>表示滤波增益，/>表示测量设备或传感器的协方差，/>表示第k时刻滤波处理后的电压信号数据误差的协方差，T表示矩阵转置，I表示单位矩阵。
进一步的，步骤S8中风洞气动热试验的热数值求解的计算表达式为：
；
其中，代表第/>时刻的热流值，/>、/>、/>分别代表传感器基材的密度、比热容和热传导系数，/>代表第/>时刻传感器采集的温度值，/>为/>中的任意一个，/>为时刻的总个数。
电子设备，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现所述的一种风洞气动热试验数据滤波处理方法的步骤。
计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种风洞气动热试验数据滤波处理方法。
本发明的有益效果：
本发明所述的一种风洞气动热试验数据滤波处理方法，对气动热风洞试验数据进行滤波处理，采用一种基于预测—测量数据反馈的滤波处理方法将采集的电信号剔除掉部分高频信号，保留部分低频信号数据并还原气动热试验数据的特征，数据剔除的高频信号数据即为由于热流传感器和脉冲型风洞高速气流扰动所带来的扰动量。
本发明所述的一种风洞气动热试验数据滤波处理方法，利用Schults和Jones方法将经过滤波处理的电信号数据进行气动热求解，得到的气动热试验数据更加精确；本发明剔除了由于高频扰动所带来的数据波动和失真，获得真实气流所带来的气动热分布特性，解决了高超声速风洞气动热试验中扰动信号过大所带来的大幅震荡导致气动热试验数据精度较低的问题。
附图说明
图1为本发明所述的一种风洞气动热试验数据滤波处理方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明，即所描述的具体实施方式仅仅是本发明一部分实施方式，而不是全部的具体实施方式。通常在此处附图中描述和展示的本发明具体实施方式的组件可以以各种不同的配置来布置和设计，本发明还可以具有其他实施方式。
因此，以下对在附图中提供的本发明的具体实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定具体实施方式。基于本发明的具体实施方式，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。
为能进一步了解本发明的发明内容、特点及功效，兹例举以下具体实施方式，并配合附图1详细说明如下 ：
具体实施方式一：
一种风洞气动热试验数据滤波处理方法，包括如下步骤：
S1. 进行风洞气动热试验，采集热流传感器的电压信号数据，构建基于不同时刻的电压信号数据集；
S2. 基于步骤S1得到的基于不同时刻的电压信号数据集，建立风洞气动热试验的电压信号数据的系统状态方程；
进一步的，步骤S2中的风洞气动热试验的电压信号数据的系统状态方程的计算表达式为：
；
其中，分别表示第k-1时刻、第k时刻测量的电压信号数据，/>表示系统状态方程的第k-1时刻的系统控制量，/>表示系统状态方程的第k-1时刻的系统误差，A、B分别表示系统状态方程的第一参数、第二参数；
S3. 基于步骤S2得到的风洞气动热试验的电压信号数据的系统状态方程，建立风洞气动热试验的电压信号数据的系统观测方程；
进一步的，步骤S3中的风洞气动热试验的电压信号数据的系统观测方程的计算表达式为：
；
其中，表示第k时刻的观测的电压信号数据，/>表示测量设备或传感器的高斯误差分布，H表示转换系数，H取值为1；
S4. 基于步骤S2得到的风洞气动热试验的电压信号数据的系统状态方程、步骤S3得到的风洞气动热试验的电压信号数据的系统观测方程，构建风洞气动热试验的电压信号数据的预测模型；
进一步的，步骤S4中设置经过滤波处理后的电压信号数据为预测电压信号数据和测量的电压信号数据的加权，风洞气动热试验的电压信号数据的预测模型的计算表达式为：
；
其中，表示第k时刻的预测电压信号数据，/>表示第k-1时刻的经过滤波处理后的电压信号数据，/>表示第k时刻预测电压信号数据误差的协方差，/>表示第k-1时刻滤波处理后的电压信号数据误差的协方差，/>表示权重系数，/>；
S5. 对步骤S4得到的风洞气动热试验的电压信号数据的预测模型进行优化，得到风洞气动热试验的电压信号数据的反馈修正模型，用于计算修正后的气动热试验预测电压信号数据；
进一步的，步骤S5中风洞气动热试验的电压信号数据的反馈修正模型的计算表达式为：
；
其中，表示第k时刻的经过滤波处理后的电压信号数据，/>表示第k时刻的预测电压信号数据，/>表示滤波增益，/>表示测量设备或传感器的协方差，/>表示第k时刻滤波处理后的电压信号数据误差的协方差，T表示矩阵转置，I表示单位矩阵；
S6. 将步骤S1得到的基于不同时刻的电压信号数据集中的数据，重复步骤S2-步骤S5，直到风洞气动热试验所有时刻的数据完成处理，得到修正后的气动热试验预测电压信号数据集；
S7. 将步骤S6得到的修正后的气动热试验预测电压信号数据集利用热流传感器参数进行电压和温度的转换，得到修正后的气动热试验预测温度信号数据；
S8. 利用步骤S7得到的修正后的气动热试验预测温度信号数据根据Schults和Jones方法进行风洞气动热试验的热数值求解；
进一步的，步骤S8中风洞气动热试验的热数值求解的计算表达式为：
；
其中，代表第/>时刻的热流值，/>、/>、/>分别代表传感器基材的密度、比热容和热传导系数，/>代表第/>时刻传感器采集的温度值，/>为n中的任意一个，n为时刻的总个数。
本实施方式所述的一种风洞气动热试验数据滤波处理方法，采用预测—测量数据反馈的滤波处理方法，消除试验过程中风洞气流脉动干扰和传感器本身白噪声的影响，获得气动热试验的最优估计数据，以此还原并逼近真实气动热数据，应用于高超声速气动热数据处理，是进行高准度试验和数据处理的方法，能够降低外部风洞脉动和传感器对于真实试验数据的干扰。
具体实施方式二：
电子设备，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现具体实施方式一所述的一种风洞气动热试验数据滤波处理方法的步骤。
本发明的计算机装置可以是包括有处理器以及存储器等装置，例如包含中央处理器的单片机等。并且，处理器用于执行存储器中存储的计算机程序时实现上述的一种风洞气动热试验数据滤波处理方法的步骤。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
具体实施方式三：
计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种风洞气动热试验数据滤波处理方法。
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质，包括但不限于非易失性存储器、易失性存储器、铁电存储器等，计算机可读存储介质上存储有计算机程序，当计算机装置的处理器读取并执行存储器中所存储的计算机程序时，可以实现上述的一种风洞气动热试验数据滤波处理方法的步骤。
所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、方法、物品或者设备不仅包括那些要素，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、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然在上文中已经参考具体实施方式对本申请进行了描述，然而在不脱离本申请的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本申请所披露的具体实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本申请并不局限于文中公开的特定具体实施方式，而是包括落入权利要求的范围内的所有技术方案。

Claims (8)

1.一种风洞气动热试验数据滤波处理方法，其特征在于，包括如下步骤：
S1. 进行风洞气动热试验，采集热流传感器的电压信号数据，构建基于不同时刻的电压信号数据集；
S2. 基于步骤S1得到的基于不同时刻的电压信号数据集，建立风洞气动热试验的电压信号数据的系统状态方程；
S3. 基于步骤S2得到的风洞气动热试验的电压信号数据的系统状态方程，建立风洞气动热试验的电压信号数据的系统观测方程；
S4. 基于步骤S2得到的风洞气动热试验的电压信号数据的系统状态方程、步骤S3得到的风洞气动热试验的电压信号数据的系统观测方程，构建风洞气动热试验的电压信号数据的预测模型；
S5. 对步骤S4得到的风洞气动热试验的电压信号数据的预测模型进行优化，得到风洞气动热试验的电压信号数据的反馈修正模型，用于计算修正后的气动热试验预测电压信号数据；
S6. 将步骤S1得到的基于不同时刻的电压信号数据集中的数据，重复步骤S2-步骤S5，直到风洞气动热试验所有时刻的数据完成处理，得到修正后的气动热试验预测电压信号数据集；
S7. 将步骤S6得到的修正后的气动热试验预测电压信号数据集利用热流传感器参数进行电压和温度的转换，得到修正后的气动热试验预测温度信号数据；
S8. 利用步骤S7得到的修正后的气动热试验预测温度信号数据根据Schults和Jones方法进行风洞气动热试验的热数值求解。
2.根据权利要求1所述的一种风洞气动热试验数据滤波处理方法，其特征在于，步骤S2中的风洞气动热试验的电压信号数据的系统状态方程的计算表达式为：
；
其中，分别表示第k-1时刻、第k时刻测量的电压信号数据，/>表示系统状态方程的第k-1时刻的系统控制量，/>表示系统状态方程的第k-1时刻的系统误差，A、B分别表示系统状态方程的第一参数、第二参数。
3.根据权利要求2所述的一种风洞气动热试验数据滤波处理方法，其特征在于，步骤S3中的风洞气动热试验的电压信号数据的系统观测方程的计算表达式为：
；
其中，表示第k时刻的观测的电压信号数据，/>表示测量设备或传感器的高斯误差分布，H表示转换系数，H取值为1。
4.根据权利要求3所述的一种风洞气动热试验数据滤波处理方法，其特征在于，步骤S4中设置经过滤波处理后的电压信号数据为预测电压信号数据和测量的电压信号数据的加权，风洞气动热试验的电压信号数据的预测模型的计算表达式为：
；
其中，表示第k时刻的预测电压信号数据，/>表示第k-1时刻的经过滤波处理后的电压信号数据，/>表示第k时刻预测电压信号数据误差的协方差，/>表示第k-1时刻滤波处理后的电压信号数据误差的协方差，/>表示权重系数，/>。
5.根据权利要求4所述的一种风洞气动热试验数据滤波处理方法，其特征在于，步骤S5中风洞气动热试验的电压信号数据的反馈修正模型的计算表达式为：
；
其中，表示第k时刻的经过滤波处理后的电压信号数据，/>表示第k时刻的预测电压信号数据，/>表示滤波增益，/>表示测量设备或传感器的协方差，/>表示第k时刻滤波处理后的电压信号数据误差的协方差，T表示矩阵转置，I表示单位矩阵。
6.根据权利要求5所述的一种风洞气动热试验数据滤波处理方法，其特征在于，步骤S8中风洞气动热试验的热数值求解的计算表达式为：
；
其中，代表第/>时刻的热流值，/>、/>、/>分别代表传感器基材的密度、比热容和热传导系数，/>代表第/>时刻传感器采集的温度值，/>为/>中的任意一个，/>为时刻的总个数。
7.电子设备，其特征在于，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现权利要求1-6任一项所述的一种风洞气动热试验数据滤波处理方法的步骤。
8.计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的一种风洞气动热试验数据滤波处理方法。
CN202311598120.1A 2023-11-28 2023-11-28 风洞气动热试验数据滤波处理方法、电子设备及存储介质 Active CN117312778B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311598120.1A CN117312778B (zh) 2023-11-28 2023-11-28 风洞气动热试验数据滤波处理方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311598120.1A CN117312778B (zh) 2023-11-28 2023-11-28 风洞气动热试验数据滤波处理方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN117312778A CN117312778A (zh) 2023-12-29
CN117312778B true CN117312778B (zh) 2024-01-30

Family

ID=89255561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311598120.1A Active CN117312778B (zh) 2023-11-28 2023-11-28 风洞气动热试验数据滤波处理方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN117312778B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108216685A (zh) * 2016-12-19 2018-06-29 北京空间技术研制试验中心 适用于钝头体再入飞行器的气动热测量方法
CN111947881A (zh) * 2020-07-23 2020-11-17 中国科学院力学研究所 一种高频感应等离子体风洞电子密度及电子温度诊断系统
CN112987566A (zh) * 2021-02-08 2021-06-18 南京工业大学 一种气动热的超螺旋非线性分数阶滑模无模型控制方法
CN116608853A (zh) * 2023-07-21 2023-08-18 广东智能无人系统研究院(南沙) 载体动态姿态估计方法、设备、存储介质
CN116989972A (zh) * 2023-08-11 2023-11-03 中国空气动力研究与发展中心超高速空气动力研究所 基于热电模拟网络测试的测热试验数据不确定度评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108216685A (zh) * 2016-12-19 2018-06-29 北京空间技术研制试验中心 适用于钝头体再入飞行器的气动热测量方法
CN111947881A (zh) * 2020-07-23 2020-11-17 中国科学院力学研究所 一种高频感应等离子体风洞电子密度及电子温度诊断系统
CN112987566A (zh) * 2021-02-08 2021-06-18 南京工业大学 一种气动热的超螺旋非线性分数阶滑模无模型控制方法
CN116608853A (zh) * 2023-07-21 2023-08-18 广东智能无人系统研究院(南沙) 载体动态姿态估计方法、设备、存储介质
CN116989972A (zh) * 2023-08-11 2023-11-03 中国空气动力研究与发展中心超高速空气动力研究所 基于热电模拟网络测试的测热试验数据不确定度评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
气动热环境下玻璃窗口热应力试验分析;吴东 等;《空气动力学学报》;1-6 *

Also Published As

Publication number Publication date
CN117312778A (zh) 2023-12-29

Similar Documents

Publication Publication Date Title
CN104361414B (zh) 一种基于相关向量机的输电线路覆冰预测方法
CN111931983B (zh) 一种降水量预测方法及系统
Kothari et al. Identification scheme for fractional Hammerstein models with the delayed Haar wavelet
CN108960334B (zh) 一种多传感器数据加权融合方法
CN115795920B (zh) 基于多应力耦合加速模型的产品可靠性评价方法和装置
CN117312778B (zh) 风洞气动热试验数据滤波处理方法、电子设备及存储介质
Andraud et al. One-shot calibration of RF circuits based on non-intrusive sensors
CN112989569A (zh) 一种带温度约束条件的锂电池传感器故障滤波诊断方法
CN113190969B (zh) 一种基于信息评估机制的锂电池模型参数辨识方法
CN116418315B (zh) 一种滤波器温度模拟电路
US20160356632A1 (en) Sensor degradation compensation
CN117147022A (zh) 力传感器非线性补偿方法及系统
CN116432556A (zh) 一种机翼表面压力重构方法、电子设备及存储介质
CN116454874A (zh) 风电功率的预测方法、风电功率的预测装置和电子装置
CN116341229A (zh) 欺骗攻击影响下基于高速网络的状态饱和系统递推滤波方法
CN109117493B (zh) 散热器台架热性能数据处理方法
CN110908365A (zh) 一种无人机传感器故障诊断方法、系统及可读存储介质
CN115688924A (zh) 一种多样本联合多元自适应回归样条模型
CN113299284B (zh) 一种基于自适应滤波的语音识别装置、方法、设备及介质
Shafieirad et al. Identification of linear partial difference equations with constant coefficients
JP5106936B2 (ja) 音場再現フィルタ算出装置および音場再現システム
CN117633491B (zh) 气动数据不确定度量化评估方法、电子设备及存储介质
CN110727913B (zh) 基于信号相关矩阵的信号模型阶数估计方法
CN117093843B (zh) 信号重构与工作模态参数识别方法、装置、设备及介质
CN117611031B (zh) 一种冷链物联网物流温度实时监控方法及系统

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