CN117454667A - 一种基于贝叶斯算法的民机突风载荷谱编制方法 - Google Patents
一种基于贝叶斯算法的民机突风载荷谱编制方法 Download PDFInfo
- Publication number
- CN117454667A CN117454667A CN202311721100.9A CN202311721100A CN117454667A CN 117454667 A CN117454667 A CN 117454667A CN 202311721100 A CN202311721100 A CN 202311721100A CN 117454667 A CN117454667 A CN 117454667A
- Authority
- CN
- China
- Prior art keywords
- gust
- overload
- overrun
- load
- increment
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 26
- 238000009826 distribution Methods 0.000 claims abstract description 90
- 238000009825 accumulation Methods 0.000 claims abstract description 56
- 238000005259 measurement Methods 0.000 claims abstract description 39
- 230000004927 fusion Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000007619 statistical method Methods 0.000 claims abstract description 7
- 230000001186 cumulative effect Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 8
- IAZDPXIOMUYVGZ-UHFFFAOYSA-N Dimethylsulphoxide Chemical compound CS(C)=O IAZDPXIOMUYVGZ-UHFFFAOYSA-N 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000000116 mitigating effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 230000005484 gravity Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- UJCHIZDEQZMODR-BYPYZUCNSA-N (2r)-2-acetamido-3-sulfanylpropanamide Chemical compound CC(=O)N[C@@H](CS)C(N)=O UJCHIZDEQZMODR-BYPYZUCNSA-N 0.000 description 1
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241001669680 Dormitator maculatus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- ONCZDRURRATYFI-QTCHDTBASA-N methyl (2z)-2-methoxyimino-2-[2-[[(e)-1-[3-(trifluoromethyl)phenyl]ethylideneamino]oxymethyl]phenyl]acetate Chemical compound CO\N=C(/C(=O)OC)C1=CC=CC=C1CO\N=C(/C)C1=CC=CC(C(F)(F)F)=C1 ONCZDRURRATYFI-QTCHDTBASA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
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
- G06F17/11—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
- G06F17/18—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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于贝叶斯算法的民机突风载荷谱编制方法，包括：分别对本机突风增量过载累积超越数曲线族和参考数据突风增量过载累积超越数曲线族统计分析得到本机曲线族分布参数和参考数据曲线族分布参数；基于贝叶斯算法对所述本机曲线族分布参数和参考数据曲线族分布参数进行融合计算得到突风过载累计超越数分布参数；基于所述突风过载累计超越数分布参数对实测数据的超越数进行拟合得到各任务段下的过载累积超越数曲线；对所述各任务段下的过载累积超越数曲线编制民机突风载荷谱。本发明编制民机突风过载谱要求的本机实测样本少，编制的民机突风载荷谱可靠性高，能够体现本机载荷特征。
Description
技术领域
本发明涉及民机载荷谱编制技术领域，特别涉及一种基于贝叶斯算法的民机突风载荷谱编制方法。
背景技术
现有飞机实测谱编制一般采用样机外场飞行实测得到的数据进行编谱，若在机群批次少的情况下，得到的载荷数据样本数量不足以包络飞机实际使用情况下所遇到的所有载荷。
阎楚良提出了针对军用飞机的实测谱编制方法，但该方法有最小实测起落次数要求，民用飞机普遍采用TWIST谱法编制载荷谱，采用以往实测突风数据绘制的突风载荷累积超越数曲线，但飞机的实际使用情况与设计使用情况不同，实际使用中经历的载荷环境与以往飞机服役环境不同，造成载荷谱不完全适用，需要对飞机实际载荷工况进行实测，并根据实测载荷数据编制实测谱，但由于民机更考虑经济性，同样存在实测数据偏少的情况，但由于民机载荷谱来源主要为突风载荷，分散性较大，合理的编谱需要大量数据，否则不足以包络载荷分散性的情况。因此如何根据少量本机数据结合历史参考载荷数据编制高可靠性要求且能够体现本机载荷特征的载荷谱成为了亟待解决的问题。
发明内容
针对上述现有技术需要大量实测数据的缺点，本文提出了一种基于贝叶斯算法的民机突风载荷谱编制方法以解决该问题，分别对参考突风数据的突风速度累积超越数曲线族和实测本机突风过载时间历程得到突风速度累积超越数曲线进行分散性分析，并将参考突风数据与实测本机载荷数据进行数据融合，综合考虑了本机突风载荷数据和参考突风数据的特点和特征。该方法要求的本机实测样本少，编制的民机突风载荷谱可靠性高，能够体现本机载荷特征，且充分包络民机突风载荷的分散性。
本发明提供的一种基于贝叶斯算法的民机突风载荷谱编制方法，包括：
分别对本机突风增量过载累积超越数曲线族和参考数据突风增量过载累积超越数曲线族统计分析得到本机曲线族分布参数和参考数据曲线族分布参数；
基于贝叶斯算法对所述本机曲线族分布参数和参考数据曲线族分布参数进行融合计算得到突风过载累计超越数分布参数；
基于所述突风过载累计超越数分布参数对实测数据的超越数进行拟合得到各任务段下的过载累积超越数曲线；
对所述各任务段下的过载累积超越数曲线编制民机突风载荷谱。
可选地，基于本机实测数据得到本机突风增量过载累积超越数曲线族，获得本机突风增量过载累积超越数曲线族的过程包括：
确定飞机飞行的典型任务剖面及任务剖面下各任务段；
基于所述典型任务剖面得到本机实测的载荷-时间历程；
对所述载荷-时间历程进行识别和分离得到各任务段的实测增量过载-时间历程；
对所述实测增量过载进行标准化处理得到修正后的过载值；
采用2s准则分离所述修正后的过载值中的机动载荷和突风载荷；
筛选所述突风载荷的正峰值和负谷值，并合并相同幅值的峰值和谷值对应的累积超越数得到每个任务段的本机增量过载累积超越数数据对；
对每个任务段的本机增量过载累积超越数数据对进行对数方程拟合得到本机突风增量过载累积超越数曲线族。
可选地，基于参考突风数据得到参考数据突风增量过载累积超越数曲线族，该过程包括：
将历史突风过载数据按飞行高度合并得到参考突风数据；
基于所述参考突风数据得到突风速度累积超越数曲线族；
基于本机结构响应特点将所述突风速度累积超越数曲线族转换为参考数据突风增量过载累积超越数曲线族。
可选地，将所述突风速度累积超越数曲线族转换为参考数据突风增量过载累积超越数曲线族的过程中包括突风速度和突风载荷系数增量的转换，其中，突风速度和突风载荷系数增量的转换关系为：
式中，Δn为突风载荷系数增量；R为机翼与机身的垂直突风响应参数，单位为：s/m；Ude为突风速度，单位为：m/s；ρ0为海平面空气密度，单位为：kg/s；CNα为升力线斜率，单位为：1/rad；Ve为当量空速，单位为：m/s；G/S为翼载，单位为：N/m2；KW为离散突风减缓因子；μg为飞机质量参数；g为重力加速度，单位为：m/s2；为机翼平均几何弦长，单位为：m；ρh为所在高度空气密度，单位为：kg/m3。
可选地，获取本机曲线族分布参数和参考数据曲线族分布参数的过程包括：
将突风增量过载累积超越数曲线进行离散化得到若干数据对；其中所述突风增量过载累积超越数曲线包括本机突风增量过载累积超越数曲线和参考数据突风增量过载累积超越数曲线；
基于增量过载级差对所述数据对计算超越数得到超越数数据对；其中，所述超越数服从对数正态分布；
采用秩统计方法统计超越数的分布参数；其中所述分布参数包括本机曲线族分布参数和参考数据曲线族分布参数。
可选地，基于贝叶斯算法融和所述分布参数得到突风过载累计超越数分布参数的过程包括：
获取所述参考数据曲线族分布参数、本机实测超越数样本和本机曲线族分布参数；
基于贝叶斯公式得到后验分布；
基于所述参考数据曲线族分布参数得到真实分布参数的联合先验分布；
基于所述本机实测超越数样本计算边缘分布；
将所述真实分布参数的联合先验分布和所述边缘分布代入所述后验分布中并得到最大后验估计；
根据所述最大后验估计分别对真实分布参数进行求导为零得到方程组；
基于所述方程组得到突风过载累计超越数分布参数。
可选地，基于所述突风过载累计超越数分布参数计算可靠度为50％的累积超越数；
对每个任务段各级载荷下可靠度为50％的累积超越数进行拟合，得到各任务段下的过载累积超越数曲线；
其中，拟合公式为：
Δny＝ailgN+bi
式中，Δny为增量过载，N为累积超越数，ai和bi为线性方程拟合参数。
可选地，民机突风载荷谱编制的过程包括：
将连续的各任务段下的过载累积超越数曲线进行离散处理得到若干段载荷谱曲线；
基于所述载荷谱曲线计算对应的当量载荷；
基于所述当量载荷得到当量载荷循环次数；
基于所述当量载荷和当量载荷循环次数编制民机突风载荷谱。
可选地，所述当量载荷的计算公式为：
所述当量载荷循环次数的计算公式为：
式中，S为材料S-N曲线斜度参数。
本发明具有如下技术效果：
本发明编制民机突风过载谱要求的本机实测样本少，编制的民机突风载荷谱可靠性和代表性高，能够体现本机载荷特征，且参考了以往突风实测数据，充分包络民机突风载荷的分散性，流程合理简洁，具备可行性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中的技术路径图；
图2为本发明实施例中的突风速度超越数曲线族，其中，图(a)表示0-1500英尺下的突风速度超越数曲线族，图(b)表示1500-4500英尺下的突风速度超越数曲线族，图(c)表示4500-9500英尺下的突风速度超越数曲线族，图(d)表示9500-19500英尺下的突风速度超越数曲线族，图(e)表示19500-29500英尺下的突风速度超越数曲线族，图(f)表示29500-39500英尺下的突风速度超越数曲线族。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
贝叶斯算法
贝叶斯推理是基于贝叶斯定理的条件或后验概率的统计数据融合算法，能够通过已知向量Z估计未知的n维状态向量X。
假设一个状态空间，贝叶斯估计器提供了一种计算后验(条件)概率分布的方法，假设k时刻的概率为xk，已知k组测量Z＝|z1,…,zk|和先验分布如下：
其中：p(zk|xk)为似然函数-基于给定的传感器测量模型；p(xk|Zk-1)为先验分布函数--给定的转换系统的模型；分母p(Zk|Zk-1)只是一种规格化术语，保证概率密度函数归一化。
概率密度函数p(Z|X)描述了Z关于X的概率信息,它是一个基于观测的传感器依赖目标函数。如果状态变量X的可用信息独立于以前的观测值，则可以利用似然函数来改进以提供更准确的结果。若将变量X的先验信息封装成先验概率，并不是基于观测的数据，则这具有主观性。由于噪声引起的不确定性，由传感器提供的信息通常建模为一个近似于真实值的平均值，根据测量和传感器的操作参数的方差表示噪声的不确定性。概率传感器模型可使测定所获得数据的统计特征更容易。当已知状态的测定量X时，这个概率模型能够得到传感器Z的概率分布。这个分布是针对具体的某个传感器节点，而且能够通过试验来确定。
基于贝叶斯算法的参考突风数据与本机数据融合的突风载荷谱编制方法，具体实施过程包括：
1、技术路径
①确定飞机任务剖面；
②获取本机实测载荷数据并基于任务段的本机实测增量过载累积超越数曲线族(以下简称：本机曲线族)；
③获取参考历史数据突风速度累积超越数曲线族，并转化为历史数据突风增量过载累积超越数曲线族；
④对本机/参考数据曲线族进行统计分析，对假定指定增量过载下超越数服从对数正态分布，获取本机曲线族和参考数据曲线族下指定过载下超越数的分布参数；
⑤采用贝叶斯算法对历史数据和实测本机数据进行融合，获取融合后的指定过载下超越数的分布参数，并拟合融合后的过载累积超越数曲线；
⑥由过载累积超越数曲线编制5×5谱。
技术途径图如图1所示。
2、任务剖面确定
按民机的使用要求确定飞机的典型任务剖面。包括：
①典型任务剖面确定
a)单位块谱下的起落/任务次数n；
b)典型任务剖面种类；
c)每种任务剖面在单位块谱下的使用百分比。
②任务剖面任务段确定
a)任务剖面下各任务段的顺序；
b)每个任务段内的性能参数，如高度、速度、标准质量等。
3、实测本机载荷数据并绘制本机过载累积超越数曲线族
为得到本机实测数据，在飞机重心处安装加速度计等传感器，对飞机外场飞行过程进行测试和记录。实测的载荷数据包括重心垂向过载等，飞参数据实测按包括时刻、真空速、海拔高度、飞机重量等。
本机载荷数据形式为载荷/飞行参数时间历程。为与参考突风增量过载累积超越数曲线进行融合，需要对本机载荷数据进行数据处理和统计分析，绘制本机突风增量过载累积超越数曲线族。
飞机飞行过程中平衡状态下重心过载为1g，将飞机重心过载减去1g得到增量过载。
综合典型任务剖面定义，基于飞参特征对实测的每架飞机各典型任务剖面的载荷时间历程进行任务剖面识别，应综合典型任务剖面下各任务段的分析，对实测的典型任务剖面的载荷-时间历程进行识别和分离，得到各任务段的增量过载时间Δny-t历程。
照下式对实测载荷数据进行标准化处理：
Δny0＝Δnyi *Gi/G0 (2)
其中，Δny0为按标准任务段规定修正后的过载值；Δnyi为实测过载值，Gi为飞机真实质量，G0为当前任务剖面下当前任务段下的标准飞机质量；
民机机动动作频数较少且机动幅度不大，相比于机动载荷，突风载荷是运输机载荷谱损伤的主要来源，但由于飞行阶段仍存在少量机动载荷，因此需要对载荷谱中的机动和突风载荷进行分离。机动和突风载荷的分离按2s准则综合考虑确定。
对突风增量过载数据进行峰谷值计数滤掉峰值和谷值之间的数据，保留峰值点和谷值点。
对实测突风增量过载数据的峰值和谷值进行计数：将各任务段1g过载状态作为基准，当两个峰值之间的谷值或两个谷值之间的峰值不超过该任务段基准的上偏差或下偏差时，记录其中的最大峰值或最大谷值。
选定若干级增量过载，分别对不同任务段的正峰值突风增量过载和负谷值突风增量过载记累积超越数，分别记为N(+Δny)和N(-Δny)。并将相同幅值的峰值和谷值对应的累积超越数合并，得到(Δny，N)i(i＝1，…，n)数据对。
采用对数方程拟合每个任务段的增量过载累积超越数数据对(Δny,N)i，如式(4)所示：
Δny＝a*lgN+b (4)
由此得到了所有任务段下的实测本机突风增量过载累积超越数曲线族。
4、获取参考数据突风增量过载累积超越数曲线族
在飞机定型交付初期，往往只有少量外场飞行试验的实测数据，后期则受制于数据采集成本过高，因此本机运行过程中往往具有“贫”数据的问题，仅依靠实测本机数据难以编制高可靠度要求的载荷谱，因此需要参考以往载荷数据，以编制高可靠性要求且能够体现本机受载特征的民机载荷谱，本文搜集了以下突风实测数据库作为参考突风数据。
1)NACA在1933～1957年开展的VG、VGH实测项目：实测数据包括约22万飞行小时的VG数据、2000飞行小时的VGH数据和部分暴风紊流测试数据。该项目给出了从0-60000英尺高度上的离散突风速度超越数曲线，但是由于实测机型主要为小飞机，高度在20000英尺以上的实测数据较为有限，对应的曲线可能不具有参考意义。
2)英国上世纪50年代到60年代早期利用疲劳计(Fatigue Meter)搜集的数据：包括加速度计数器读数、速度和高度，这些实测数据主要源于活塞引擎的飞机，飞机的巡航高度相对较低；且由于疲劳计只能每10分钟记录一次飞行速度和高度，因此在计算当量突风速度时准确性有限。
3)KSSU组织在1974～1984年收集的B-747飞机的服役载荷数据：数据的收集利用AIDS(Aircraft Interfaced Data Systems)记录仪，包括24358次飞行起落，共121894飞行小时。该数据库记录了一系列连续的重心过载峰谷值，以及峰谷值出现的时间、襟翼位置和倾斜角(部分飞行起落有记录)，每个重心过载的飞机重量、速度和高度根据任务剖面数据插值得到。由于重心过载的记录下限为0.18g，因此文献中给出的部分当量突风速度对应的超越数为估算值。
4)英国航空公司1980～1990收集的数据：在英国民航局(British CivilAviation Authority)的协助下，英国航空公司实施了一个为期10年的计划，收集了各种机型运营时的重心过载数据，共838657次飞行起落，1781548飞行小时。该数据库只记录了重心过载大于0.5g的数据，且各个高度区间的飞机距离由每个飞机型号的平均飞行剖面进行估算，所以导出的突风速度超越数曲线准确性较低。
5)美国NASA在上个世纪七十年代末八十年代初开展的VGH实测项目：项目收集了B747、B727、L1011等数种飞机的实测数据，每种机型在2000飞行小时以下。虽然所用的实测机型较为先进，但由于数据量少，且高度区间、当量突风速度区间划分也较为粗糙，数据参考价值需要进一步验证。
6)美国联邦航空局(FAA)对民用运输机实施的监控计划：该计划目的：①搜集评估当前民用运输机在服役期间的使用载荷谱，与先前的设计谱和试验谱进行对比；②为未来飞机的结构设计和评估提供基础数据。该计划对在役的主流民用运输机进行了载荷实测，包括B737、MD8283、A320等多个型号，约45000次飞行起落，共22万飞行小时。由于所用的飞参记录仪及存储设备最为先进，数据处理方法统一，该数据库的数据准确性及不同机型数据间的可比性最好。
以上搜集的突风载荷数据库按飞行高度(0-1500ft、1500-4500ft、4500-9500ft、9500ft-19500ft、19500-29500ft、29500-39500ft)进行合并，作为本报告的参考数据，该参考数据具有以下特点：
1)以突风速度充当了突风载荷实测和突风载荷谱编制之间的中介参量，将飞机的突风过载转换为突风速度。这样，不同飞机的突风速度数据才具有了通用性和可比性。
2)载荷数据的表现形式为突风速度累积超越数曲线族，便于进行下一步的编谱工作。
3)数据囊括了民用飞机的所有飞行高度的突风速度累积超越数曲线，反映了海拔高度对突风载荷谱的影响，在本机载荷谱编制时，只需从数据库选取民机任务段对应的高度下的突风速度累积超越数曲线。
为了和本机样本产生突风增量过载累积超越数曲线进行融合，必须要将参考数据中的突风速度按本机结构响应特点转换为突风增量过载。转换方法由飞机运动简化模型推导得到，模型将机身简化为二维刚体，在突风扰动的作用下只有俯仰和浮沉运动，且将突风扰动的周期简化为固定值(机翼平均弦长的25倍)。通过动力学分析得到突风增量过载幅值和突风速度的转换关系如式(5)所示。
式中：Δn为突风载荷系数增量；R为机翼与机身的垂直突风响应参数(s/m)；Ude为折算突风速度(m/s)(简记为Ude或突风速度)；ρ0为海平面空气密度(kg/s)；CNα为升力线斜率(1/rad)；Ve为当量空速(m/s)；G/S为翼载(N/m2)；KW为离散突风减缓因子；μg为飞机质量参数；g为重力加速度(m/s2)；为机翼平均几何弦长(m)；ρh为所在高度空气密度(kg/m3)。
将参考数据各高度区间突风速度累积超越数曲线族转化为参考数据突风过载累积超越数曲线族。
采用几何平均法将向上和向下的突风速度对应的超越数合并，并按照不同高度区间归并为单位海里的突风速度超越数曲线族，如图2所示。曲线表示一个对称的突风速度循环±Ude的超越数与Ude的函数关系。
5、增量过载超越数分布参数估计
首先将突风过载累积超越数曲线离散化，离散为(Δny,N)i(i＝1，…，n)数据对，增量过载级差取0.05g，计算得到超越数ΔNi＝Ni-Ni-1(i＝2，…，n)，获得不同Δny对应的超越数数据对(Δny，ΔN)i(i＝1，…，n)。
假定对于特定任务段，指定Δny对应的超越数ΔN服从对数正态分布，采用秩统计方法统计超越数的分布参数，将指定Δny下超越数样本按从小到大的顺序排列为ΔNi(i＝1，…，n)，按秩统计方法，ΔNi对应的概率为：
式中，i表示将ΔN从小到大排列后的第i个样本；n表示样本数量。
得到lgΔNi对应的经验概率值Pi及分位点up,i；(lgΔNi,up,i)数据对可线性化为下式所示，将(lgΔNi,up,i)数据对代入该式求解得到对数均值μi和对数标准差σi。
lgΔN＝μi+μpσi (7)
6、基于贝叶斯算法的参考数据和本机数据融合
假设对于某典型任务剖面下的指定任务段，搜集了历史文献中n1条过载累积超越数曲线作为参考数据曲线族，指定过载的超越数样本分布参数估计分别为μ1和σ1；共实测了n2次起落的载荷数据，本机曲线族下指定过载的超越数ΔN的n2个样本ΔN＝{ΔN1,ΔN2,ΔN3,ΔN4,…,ΔNn2}，分布参数估计分别为μ2和σ2；指定过载下的超越数的真实分布为lgN(μ,σ2)。下面由贝叶斯算法推导融合均值μ,σ。
则由贝叶斯公式得到的后验分布为：
式中x＝lgΔN。其中P(μ,σ2)为先验分布，参考数据曲线族下指定过载的超越数分布为真实分布提供了μ和σ的联合先验分布，由中心极限定理可得，μ和σ的先验分布分别为和/>则μ和σ的联合先验分布为：
假设m(x)为x的边缘分布，如式(10)所示：
m(x)＝∫∫P(x|μ,σ2)*P(μ,σ2)dμdσ (10)
m(x)为不包含μ和σ任何信息的函数。代入式(8)可得：
将式(11)改写成如下的等价形式：
P(μ,σ2|x)∝P(x|μ,σ2)*P(μ,σ2) (12)
式中∝表示成正比，公式的右侧为后验分布P(μ,σ2|x)的核。
样本的似然函数P(x|μ,σ2)如下式所示：
代入式(12)，得：
由最大后验估计,根据后验分布对μ和σ求导为零来求解目标参数σ，如式(15)和式(16)所示。
采用一种集成降阶法和二分法的数值方法求解该方程组：
首先由式(15)可得μ的估计值：
将式(17)代入式(16)，采用二分法求解该方程的数值解将/>代入式(17)则可以得到/>则指定过载下的超越数的真实分布为/>
对各任务剖面下所有任务段的各级突风载荷，计算可靠度为50％的超越数：
对每个任务段各级载荷下可靠度为50％的累积超越数N进行拟合，得到各任务段下的平均突风过载累积超越数曲线，拟合公式如式(19)所示：
Δny＝ai lgN+bi (19)
式中Δny为增量过载，N为累积超越数，ai和bi为线性方程拟合参数。
7、飞-续-飞谱编制
为满足疲劳分析和试验的需要，将连续的过载累积超越数曲线转换为飞-续-飞谱并对其进行离散，并计算当量载荷。假设需进行当量载荷计算的离散段，其当量载荷为Δny，当量载荷循环次数为Neq，采用m段直线代替该离散段的曲线，第i段的线性方程为：
Δg＝ai lgN+bi (20)
式中，ai、bi为第i段载荷谱曲线的常数；
则当量载荷为：
式中：
S为材料S-N曲线斜度参数；
当量载荷循环次数：
确定飞行类型：基于任务段过载累积超越数曲线编制的载荷谱分别按5类不同的飞行类型编制。确定典型飞行类型的原则是：以具有最高载荷的飞行/下滑段飞行谱为基准，假设每次飞行/下滑段中最高载荷为正态对数极值分布，确定各类飞行出现的次数；
下面以各种飞行类型的突风谱形状相似的假设，编制1000次飞行下各类飞行的突风增量过载谱(确定Bij)；如表1所示。
表1
根据编制的基于任务段的5×5谱中的数据，对峰谷值进行随机排序编制任务段谱，按任务段顺序编制任务剖面谱，按典型任务剖面在基本寿命单位中所占比例对各典型任务剖面谱进行随机排序得到最终的飞-续飞谱。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种基于贝叶斯算法的民机突风载荷谱编制方法，其特征在于，包括：
分别对本机突风增量过载累积超越数曲线族和参考数据突风增量过载累积超越数曲线族统计分析得到本机曲线族分布参数和参考数据曲线族分布参数；
基于贝叶斯算法对所述本机曲线族分布参数和参考数据曲线族分布参数进行融合计算得到突风过载累计超越数分布参数；
基于所述突风过载累计超越数分布参数对实测数据的超越数进行拟合得到各任务段下的过载累积超越数曲线；
对所述各任务段下的过载累积超越数曲线编制民机突风载荷谱。
2.根据权利要求1所述的基于贝叶斯算法的民机突风载荷谱编制方法，其特征在于，基于本机实测数据得到本机突风增量过载累积超越数曲线族，获得本机突风增量过载累积超越数曲线族的过程包括：
确定飞机飞行的典型任务剖面及任务剖面下各任务段；
基于所述典型任务剖面得到本机实测的载荷-时间历程；
对所述载荷-时间历程进行识别和分离得到各任务段的实测增量过载-时间历程；
对所述实测增量过载进行标准化处理得到修正后的过载值；
采用2s准则分离所述修正后的过载值中的机动载荷和突风载荷；
筛选所述突风载荷的正峰值和负谷值，并合并相同幅值的峰值和谷值对应的累积超越数得到每个任务段的本机增量过载累积超越数数据对；
对每个任务段的本机增量过载累积超越数数据对进行对数方程拟合得到本机突风增量过载累积超越数曲线族。
3.根据权利要求2所述的基于贝叶斯算法的民机突风载荷谱编制方法，其特征在于，基于参考突风数据得到参考数据突风增量过载累积超越数曲线族，该过程包括：
将历史突风过载数据按飞行高度合并得到参考突风数据；
基于所述参考突风数据得到突风速度累积超越数曲线族；
基于本机结构响应特点将所述突风速度累积超越数曲线族转换为参考数据突风增量过载累积超越数曲线族。
4.根据权利要求3所述的基于贝叶斯算法的民机突风载荷谱编制方法，其特征在于，将所述突风速度累积超越数曲线族转换为参考数据突风增量过载累积超越数曲线族的过程中包括突风速度和突风载荷系数增量的转换，其中，突风速度和突风载荷系数增量的转换关系为：
式中，Δn为突风载荷系数增量；R为机翼与机身的垂直突风响应参数，单位为：s/m；Ude为突风速度，单位为：m/s；ρ0为海平面空气密度，单位为：kg/s；CNα为升力线斜率，单位为：1/rad；Ve为当量空速，单位为：m/s；G/S为翼载，单位为：N/m2；KW为离散突风减缓因子；μg为飞机质量参数；g为重力加速度，单位为：m/s2；为机翼平均几何弦长，单位为：m；ρh为所在高度空气密度，单位为：kg/m3。
5.根据权利要求4所述的基于贝叶斯算法的民机突风载荷谱编制方法，其特征在于，获取本机曲线族分布参数和参考数据曲线族分布参数的过程包括：
将突风增量过载累积超越数曲线进行离散化得到若干数据对；其中所述突风增量过载累积超越数曲线包括本机突风增量过载累积超越数曲线和参考数据突风增量过载累积超越数曲线；
基于增量过载级差对所述数据对计算超越数得到超越数数据对；其中，所述超越数服从对数正态分布；
采用秩统计方法统计超越数的分布参数；其中所述分布参数包括本机曲线族分布参数和参考数据曲线族分布参数。
6.根据权利要求5所述的基于贝叶斯算法的民机突风载荷谱编制方法，其特征在于，基于贝叶斯算法融和所述分布参数得到突风过载累计超越数分布参数的过程包括：
获取所述参考数据曲线族分布参数、本机实测超越数样本和本机曲线族分布参数；
基于贝叶斯公式得到后验分布；
基于所述参考数据曲线族分布参数得到真实分布参数的联合先验分布；
基于所述本机实测超越数样本计算边缘分布；
将所述真实分布参数的联合先验分布和所述边缘分布代入所述后验分布中并得到最大后验估计；
根据所述最大后验估计分别对真实分布参数进行求导为零得到方程组；
基于所述方程组得到突风过载累计超越数分布参数。
7.根据权利要求6所述的基于贝叶斯算法的民机突风载荷谱编制方法，其特征在于，
基于所述突风过载累计超越数分布参数计算可靠度为50％的累积超越数；
对每个任务段各级载荷下可靠度为50％的累积超越数进行拟合，得到各任务段下的过载累积超越数曲线；
其中，拟合公式为：
Δny＝ailgN+bi
式中，Δny为增量过载，N为累积超越数，ai和bi为线性方程拟合参数。
8.根据权利要求7所述的基于贝叶斯算法的民机突风载荷谱编制方法，其特征在于，民机突风载荷谱编制的过程包括：
将连续的各任务段下的过载累积超越数曲线进行离散处理得到若干段载荷谱曲线；
基于所述载荷谱曲线计算对应的当量载荷；
基于所述当量载荷得到当量载荷循环次数；
基于所述当量载荷和当量载荷循环次数编制民机突风载荷谱。
9.根据权利要求8所述的基于贝叶斯算法的民机突风载荷谱编制方法，其特征在于，
所述当量载荷的计算公式为：
所述当量载荷循环次数的计算公式为：
式中，S为材料S-N曲线斜度参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311721100.9A CN117454667A (zh) | 2023-12-14 | 2023-12-14 | 一种基于贝叶斯算法的民机突风载荷谱编制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311721100.9A CN117454667A (zh) | 2023-12-14 | 2023-12-14 | 一种基于贝叶斯算法的民机突风载荷谱编制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117454667A true CN117454667A (zh) | 2024-01-26 |
Family
ID=89587841
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311721100.9A Pending CN117454667A (zh) | 2023-12-14 | 2023-12-14 | 一种基于贝叶斯算法的民机突风载荷谱编制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117454667A (zh) |
-
2023
- 2023-12-14 CN CN202311721100.9A patent/CN117454667A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6313929B2 (ja) | 構造物を監視するための方法及びシステム | |
| AU2019337807B2 (en) | Aircraft engine maintenance system and method | |
| US6480792B1 (en) | Fatigue monitoring systems and methods incorporating neural networks | |
| US11767132B2 (en) | System and method for aircraft contaminant monitoring and operation scheduling | |
| EP2384971B1 (en) | Method of determining a maneuver performed by an aircraft | |
| WO2023123593A1 (zh) | 基于变分模态分解和残差网络的航空轴承故障诊断方法 | |
| EP1018641A1 (en) | Aircraft structural fatigue monitor | |
| US8478457B2 (en) | Fatigue management system | |
| EP3304027B1 (en) | Systems and methods to assess corrosion risk | |
| JP6072446B2 (ja) | 航空機のパフォーマンスを算出する発見的方法 | |
| EP3173762B1 (en) | Systems and methods for fatigue monitoring | |
| RU2599108C1 (ru) | Способ мониторинга нагрузок и накопленной усталостной повреждаемости в условиях эксплуатации самолета | |
| CN115840991B (zh) | 飞机外挂物疲劳载荷谱的编制方法及系统 | |
| CN113869379A (zh) | 一种基于数据驱动的航空器能量异常识别方法 | |
| Fuentes et al. | Aircraft parametric structural load monitoring using gaussian process regression | |
| AU2022358641A1 (en) | Spike echo state network model for fault prediction of aeroengine | |
| Rustenburg et al. | An evaluation of methods to separate maneuver and gust load factors from measured acceleration time histories | |
| CN117454667A (zh) | 一种基于贝叶斯算法的民机突风载荷谱编制方法 | |
| CN112417582B (zh) | 基于离散阵风超越数曲线的耐久性编制严重阵风谱的方法 | |
| CN108388229B (zh) | 基于健康度的四旋翼随机混杂系统健康评估方法 | |
| Pan et al. | A model of fuel consumption estimation and abnormality detection based on airplane flight data analysis | |
| Azzam et al. | FUMS/spl trade/fusion for improved aircraft MAAAP | |
| CN117725855A (zh) | 基于历史数据和实测数据融合的严重突风谱编制方法 | |
| CN117892639A (zh) | 一种飞参数据驱动的飞行器结构寿命预测方法 | |
| Sarychev et al. | REVEALING CHANGES IN THE SPACE OBJECTS MOTION DESCRIBED BY AUTOREGRESSIVE MODELS |
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 |