CN117909659B - 变体飞行器风洞动态试验天平气动力信号处理方法及装置 - Google Patents
变体飞行器风洞动态试验天平气动力信号处理方法及装置 Download PDFInfo
- Publication number
- CN117909659B CN117909659B CN202410315810.XA CN202410315810A CN117909659B CN 117909659 B CN117909659 B CN 117909659B CN 202410315810 A CN202410315810 A CN 202410315810A CN 117909659 B CN117909659 B CN 117909659B
- Authority
- CN
- China
- Prior art keywords
- signal
- wind tunnel
- balance
- interference signal
- normalized
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 117
- 238000012360 testing method Methods 0.000 title claims abstract description 60
- 238000012545 processing Methods 0.000 title claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 74
- 238000005259 measurement Methods 0.000 claims abstract description 61
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 230000001052 transient effect Effects 0.000 claims abstract description 23
- 238000000354 decomposition reaction Methods 0.000 claims description 31
- 238000001914 filtration Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Landscapes
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明涉及风洞试验信号处理技术领域,特别涉及一种变体飞行器风洞动态试验天平气动力信号处理方法及装置,其中方法包括:获取无风条件下飞行器模型的机翼展开过程的天平探测信号,作为第一干扰信号;获取风洞开启过程的天平探测信号,作为第二干扰信号;获取风洞动态试验时段的天平探测信号,作为测量信号;对获取的测量信号进行分段,得到载荷瞬态释放过程段、机翼展开冲击段和机翼展开过程段各自对应的测量信号;按时间顺序,对每一段测量信号,分别进行处理。本发明能够获取更为真实的气动力信号。
Description
技术领域
本发明涉及风洞试验信号处理技术领域,特别涉及一种变体飞行器风洞动态试验天平气动力信号处理方法及装置。
背景技术
风洞试验是指在风洞中安置飞行器或其他物体模型,研究气体流动及其与模型的相互作用,以了解飞行器或其他物体的空气动力学特性的一种空气动力试验方法。飞行器的风洞动态气动力试验数据对飞行器研发及测试具有重要意义。
目前,通常采用在飞行器模型上设置测力天平(简称天平)的方式,获取飞行器风洞气动力试验数据。但在实际测试过程中,天平不仅会输出气动力引起的响应,还会受到其他因素干扰。特别是变体飞行器在风洞动态试验过程中会展开机翼,这进一步影响了气动力辨识结果,导致数据可靠性低。
发明内容
基于现有飞行器风洞动态气动力试验过程中,天平易受干扰,测得数据可靠性低的问题,本发明提供了一种变体飞行器风洞动态试验天平气动力信号处理方法及装置,能够对天平探测信号进行处理,获取更为真实的气动力信号。
第一方面,本发明提供了一种变体飞行器风洞动态试验天平气动力信号处理方法,包括:
获取无风条件下飞行器模型的机翼展开过程的天平探测信号,作为第一干扰信号;其中,用于采样探测信号的天平设于所述飞行器模型的质心;
获取风洞开启过程的天平探测信号,作为第二干扰信号;其中,所述风洞开启过程包括载荷瞬态释放;
获取风洞动态试验时段的天平探测信号,作为测量信号;其中,风洞动态试验过程包括载荷瞬态释放和所述飞行器模型的机翼展开过程;
对获取的测量信号进行分段,得到载荷瞬态释放过程段、机翼展开冲击段和机翼展开过程段各自对应的测量信号;
按时间顺序,对每一段测量信号,分别采用如下方式进行处理:
根据分段后的测量信号,从所述第一干扰信号或所述第二干扰信号中截取对应的干扰信号;
基于该段测量信号及对应的干扰信号,采用小波分析进行干扰信号滤除,重构得到输出信号;
对该段重构得到的输出信号进行高频去噪,得到最终的气动力信号。
可选地,所述采用小波分析进行干扰信号滤除,包括:
对干扰信号进行小波分析,确定对应的干扰信号频率范围;
对该段测量信号进行小波分解,并根据确定的干扰信号频率范围进行干扰信号滤除。
可选地,所述对干扰信号进行小波分析,确定对应的干扰信号频率范围,包括:
采用哈尔小波基,对干扰信号进行连续小波变换,得到对应的时频结果;
根据得到的时频结果,确定干扰信号频率范围。
可选地,对一段测量信号进行小波分解,并根据确定的干扰信号频率范围进行干扰信号滤除,包括:
采用哈尔小波基,对该段测量信号进行多次小波分解;
对分解得到的各个分量均进行FFT变换,得到对应的频域结果;
根据确定的干扰信号频率范围,对FFT变换得到的频域结果进行滤波。
可选地,对重构得到的输出信号进行高频去噪,包括:
基于重构得到的输出信号,通过EMD分解法进行分解,得到多个本征模式分量和一个残差分量;
将重构得到的输出信号和各本征模式分量进行归一化处理,得到归一化输出信号和多个归一化本征模式分量;
计算各归一化本征模式分量和归一化输出信号之间的归一化相关系数;
基于所有归一化相关系数,通过计算标准差,确定噪音阈值;
根据确定的所述噪音阈值进行筛选,若归一化相关系数大于所述噪音阈值,则保留对应的本征模式分量,否则将对应的本征模式分量作为噪音去除。
可选地,计算各归一化本征模式分量和归一化输出信号之间的归一化相关系数,采用如下公式:
其中,r j 表示第j个归一化本征模式分量和归一化输出信号之间的归一化相关系数,t表示采样点编号,N表示采样点总数,s(t)表示归一化输出信号,表示归一化输出信号s(t)的上包络和下包络平均值,c j (t)表示第j个归一化本征模式分量,/>表示归一化本征模式分量c j (t)的上包络和下包络平均值。
可选地,所述噪音阈值,采用如下公式计算:
其中,TH表示噪音阈值,n表示本征模式分量的个数,表示所有归一化相关系数的平均值。
第二方面,本发明还提供了一种变体飞行器风洞动态试验天平气动力信号处理装置,包括:
第一信号获取模块,用于获取无风条件下飞行器模型的机翼展开过程的天平探测信号,作为第一干扰信号;其中,用于采样探测信号的天平设于所述飞行器模型的质心;
第二信号获取模块,用于获取风洞开启过程的天平探测信号,作为第二干扰信号;其中,所述风洞开启过程包括载荷瞬态释放;
第三信号获取模块,用于获取风洞动态试验时段的天平探测信号,作为测量信号;其中,风洞动态试验过程包括载荷瞬态释放和所述飞行器模型的机翼展开过程;
信号分段模块,用于对获取的测量信号进行分段,得到载荷瞬态释放过程段、机翼展开冲击段和机翼展开过程段各自对应的测量信号;
信号处理模块,用于按时间顺序,对每一段测量信号,分别采用如下方式进行处理:
根据分段后的测量信号,从所述第一干扰信号或所述第二干扰信号中截取对应的干扰信号;
基于该段测量信号及对应的干扰信号,采用小波分析进行干扰信号滤除,重构得到输出信号;
对该段重构得到的输出信号进行高频去噪,得到最终的气动力信号。
本发明提供了一种变体飞行器风洞动态试验天平气动力信号处理方法及装置,本发明考虑变体飞行器在风洞动态气动力试验过程中可能影响天平输出结果的干扰因素和噪音,并针对干扰因素和噪音的特点进行滤波,以减少干扰,实现气动力信号提取。
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,下面将对实施例或现有技术描述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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种变体飞行器风洞动态试验天平气动力信号处理方法流程图;
图2是本发明一实施例提供的一种电子设备的硬件架构图;
图3是本发明一实施例提供的一种变体飞行器风洞动态试验天平气动力信号处理装置结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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的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。
如前所述,现有技术通常采用在飞行器模型设置天平的方式获取飞行器风洞气动力试验数据。但在实际测试过程中,天平不仅会输出气动力引起的响应,还会受到其他因素干扰。特别是变体飞行器在风洞动态试验过程中会展开机翼,这进一步影响了气动力辨识结果,导致数据可靠性低。变体飞行器,是指外形可以发生变化的飞行器,例如可以展开机翼的飞行器。变体飞行器风洞动态气动力试验,即在风洞内进行气动力试验过程中,飞行器的外形发生变化,例如飞行器展开双翼。经试验,同一飞行器模型在不变的风洞环境中,机翼展开过程的天平探测信号与机翼收起过程的天平探测信号在飞行器模型处于相同姿态处(即气动力相同的状态)的数值可能并不相同,这表明变体飞行器风洞动态试验确实存在天平探测信号难以准确反映真实气动力的问题。
通过分析,本发明认为,变体飞行器风洞动态试验过程中,产生的天平探测信号包括:气动力引起的响应、机翼展开过程中机翼的冲击力引起的响应(即变频冲击力信号)、机翼展开过程中机翼的冲击力引起惯性力响应、气动力引起的惯性力响应以及仪器噪音信号,各部分频率上存在差异。
有鉴于此,本发明提供了一种变体飞行器风洞动态试验天平气动力信号处理方法及装置,采用信号处理的方法,获得纯净的气动力信号,解决在获取变体飞行器气风洞气动力信号时其他信号的干扰影响。
下面描述以上构思的具体实现方式。
请参考图1,本发明实施例提供了一种变体飞行器风洞动态试验天平气动力信号处理方法,该方法包括:
步骤100,获取无风条件下飞行器模型的机翼展开过程的天平探测信号,作为第一干扰信号;其中,用于采样探测信号的天平设于所述飞行器模型的质心;
此步骤100旨在通过地面试验获得机翼展开过程中冲击力引起的响应信号和惯性力响应信号的频率范围,以此作为干扰信号滤除的依据;令用于采样探测信号的天平设于所述飞行器模型的质心,有利于实现精确测量,避免侧向力等造成干扰;
步骤102,获取风洞开启过程的天平探测信号,作为第二干扰信号;其中,所述风洞开启过程包括载荷瞬态释放;
载荷瞬态释放,即开启风洞释放气流,气动力可能冲击飞行器模型引起惯性力信号;此步骤102旨在通过地面试验获得气动力引起的惯性力信号,以此作为干扰信号滤除的依据;
步骤104,获取风洞动态试验时段的天平探测信号,作为测量信号;其中,风洞动态试验过程包括载荷瞬态释放和所述飞行器模型的机翼展开过程;
此步骤104即获取完整的风洞动态试验时段的天平探测信号,以便后续进行信号处理,获得纯净的气动力信号;
步骤106,对获取的测量信号进行分段,得到载荷瞬态释放过程段、机翼展开冲击段和机翼展开过程段各自对应的测量信号;
载荷瞬态释放过程段对应的测量信号,即风洞开启的瞬间对应的天平探测信号,机翼展开冲击段对应的测量信号,即机翼展开瞬间对应的天平探测信号,这两段测量信号通常较短,例如不超过1s;机翼展开过程段对应的测量信号,即除展开瞬间的展开过程所对应的测量信号,相对较长,可达十几秒至几十秒,机翼展开冲击段和机翼展开过程段各自对应的测量信号可通过波形变化进行区分;各段测量信号的具体时长与实际试验场景及参数有关;
步骤108,按时间顺序,对每一段测量信号,分别采用如下方式进行处理:
步骤108-0,根据分段后的测量信号,从所述第一干扰信号或所述第二干扰信号中截取对应的干扰信号;
从所述第一干扰信号中,可截取到机翼展开冲击段和机翼展开过程段对应的干扰信号,从第二干扰信号中,可截取到载荷瞬态释放过程段对应的干扰信号;干扰信号的时长优选与对应的测量信号相同;
步骤108-2,基于该段测量信号及对应的干扰信号,采用小波分析进行干扰信号滤除,重构得到输出信号;
步骤108-4,对该段重构得到的输出信号进行高频去噪,得到最终的气动力信号;
此步骤108旨在根据干扰信号的频率特性及频段,将其从风洞测量信号中滤除,对于与试验动作无关的仪器噪声,由于气动力信号与仪器噪音信号间的频率范围相差较大,气动力信号处在低频段,仪器噪音处在高频段,通过高频去噪,有利于减少仪器噪音信号;通过小波分析结合高频去噪,得到最终的气动力信号,再按照时间顺序进行拼接,即可得到风洞动态试验时段的气动力信号。
本发明实施例中,对真实气动力信号受到干扰的因素进行分析,并针对信号频率特点进行滤波;对于机翼展开和载荷释放造成的干扰信号,本发明利用小波分析进行滤波,小波分析在频域上提供了对信号的多尺度分解,有利于捕捉信号的整体频谱信息,小波分解重构具有多分辨率的特点,计算速度快,能够更好的观察信号的局部特征,实现信号滤波信号重构,有利于降低高频信号干扰;对于仪器噪音,本发明利用其高频率特点进行滤波;本发明考虑变体飞行器在风洞动态气动力试验过程中可能影响天平输出结果的干扰因素和噪音,针对干扰因素和噪音特点进行滤波,实现纯净气动力信号的提取。
可选地,针对步骤108-2,采用小波分析进行干扰信号滤除,进一步包括:
步骤108-2-0,对干扰信号进行小波分析,确定对应的干扰信号频率范围;
步骤108-2-2,对该段测量信号进行小波分解,并根据确定的干扰信号频率范围进行干扰信号滤除。
进一步地,步骤108-2-0包括:
采用哈尔小波基,对干扰信号进行连续小波变换,得到对应的时频结果;
根据得到的时频结果,确定干扰信号频率范围。
由于待滤波的干扰信号出现在测量信号的某个时间段,因此本发明中采用连续小波变换将测量信号从时域转换成时频域,从而能够找出待滤波的信号在时域中的位置,为滤除该信号提供依据;采用哈尔(haar)小波基,因为该小波基对冲击力信号引起的动态响应具有优异的拟合特性。
进一步地,步骤108-2-2中,对一段测量信号进行小波分解,并根据确定的干扰信号频率范围进行干扰信号滤除,包括:
采用哈尔小波基,对该段测量信号进行多次小波分解;优选地,为确保结果准确,通常对测量信号进行8次及以上小波分解;
对分解得到的各个分量均进行FFT变换,得到对应的频域结果;
根据确定的干扰信号频率范围,对FFT变换得到的频域结果进行滤波。
上述实施例对气动力信号进行小波分解,采用哈尔小波基进行8次分解,信号的8个分量高频到低频为D1~D8,加上分解剩余的分量A8共计9个分量进行FFT变换;然后即可按照时间顺序,分别滤除载荷瞬态释放过程段、机翼展开冲击段和机翼展开过程段各自对应的干扰信号,以消除风洞开启和机翼展开对于天平探测信号的影响。
可选地,针对步骤108-4,对重构得到的输出信号进行高频去噪,包括:
步骤108-4-0,基于重构得到的输出信号,通过EMD分解法进行分解,得到多个本征模式分量和一个残差分量;优选地,可通过EMD分解法,分解得到10个及以上本征模式分量,以提高滤波精度;
步骤108-4-2,将重构得到的输出信号和各本征模式分量进行归一化处理,得到归一化输出信号和多个归一化本征模式分量;
步骤108-4-4,计算各归一化本征模式分量和归一化输出信号之间的归一化相关系数;
进一步地,可采用如下公式计算归一化相关系数:
其中,r j 表示第j个归一化本征模式分量和归一化输出信号之间的归一化相关系数,t表示采样点编号,N表示采样点总数,s(t)表示归一化输出信号,表示归一化输出信号s(t)的上包络和下包络平均值,c j (t)表示第j个归一化本征模式分量,/>表示归一化本征模式分量c j (t)的上包络和下包络平均值;
步骤108-4-6,基于所有归一化相关系数,通过计算标准差,确定噪音阈值;
进一步地,可采用如下公式计算噪音阈值:
其中,TH表示噪音阈值,n表示本征模式分量的个数,表示所有归一化相关系数的平均值;
步骤108-4-8,根据确定的所述噪音阈值进行筛选,若归一化相关系数大于所述噪音阈值,则保留对应的本征模式分量,否则将对应的本征模式分量作为噪音去除。
EMD分解法是一种自适应的、数据驱动的方法,能够有效提取信号的本征模态函数,保留信号的局部特性,且不需要对信号进行先验假设。
对气动力信号进行EMD分解,将气动力信号分解成几个本征模式分量和一个残差分量,包括:找出信号极大值点、极小值点,连接各极大值点、极小值点,分别形成上包络线、下包络线并求均值,得到平均信号;用气动力信号减去平均信号,得到中间信号,并判断其是否满足本征模函数条件,若中间信号满足本征模函数条件,则为一个IMF分量(即本征模式分量),否则重复上述步骤。本征模函数的两个条件为:函数在整个时间范围内,局部极值点和过零点的数目必须相等或最多相差一个;在任意时刻点,上包络线和下包络线平均必须为零。
考虑到气动力信号与仪器噪音信号间的频率范围相差较大,气动力信号处在低频段,仪器噪音处在高频段,因此,本发明采用EMD分解法将仪器噪音信号与气动力信号进行分离,实现对重构得到的输出信号进行高频去噪。分离过程中,为了避免幅值较小而又是真实的IMF分量被去除,本发明将所有的本征模式分量与输出信号进行归一化处理,获得归一化本征模式分量和归一化输出信号之间的归一化相关系数,通过归一化相关系数和噪音阈值,判断是否保留对应的IMF分量。相比其他高频去噪技术,本发明采用EMD分解法,通过局部特征提取,对信号进行了时域上的分解,更适用于处理信号中的局部非线性和非平稳成分,与前述小波分析的方式进行结合,能够更全面地分析信号。
如图2、图3所示,本发明实施例提供了一种变体飞行器风洞动态试验天平气动力信号处理装置,简称信号处理装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图2所示,为本发明实施例提供的一种变体飞行器风洞动态试验天平气动力信号处理装置所在电子设备的一种硬件架构图,除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的电子设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。以软件实现为例,如图3所示,作为一个逻辑意义上的装置,是通过其所在电子设备的CPU将非易失性存储器中对应的计算机程序读取到内存中运行形成的。本实施例提供的一种变体飞行器风洞动态试验天平气动力信号处理装置,包括:
第一信号获取模块301,用于获取无风条件下飞行器模型的机翼展开过程的天平探测信号,作为第一干扰信号;其中,用于采样探测信号的天平设于所述飞行器模型的质心;
第二信号获取模块302,用于获取风洞开启过程的天平探测信号,作为第二干扰信号;其中,所述风洞开启过程包括载荷瞬态释放;
第三信号获取模块303,用于获取风洞动态试验时段的天平探测信号,作为测量信号;其中,风洞动态试验过程包括载荷瞬态释放和所述飞行器模型的机翼展开过程;
信号分段模块304,用于对获取的测量信号进行分段,得到载荷瞬态释放过程段、机翼展开冲击段和机翼展开过程段各自对应的测量信号;
信号处理模块305,用于按时间顺序,对每一段测量信号,分别采用如下方式进行处理:
根据分段后的测量信号,从所述第一干扰信号或所述第二干扰信号中截取对应的干扰信号;
基于该段测量信号及对应的干扰信号,采用小波分析进行干扰信号滤除,重构得到输出信号;
对该段重构得到的输出信号进行高频去噪,得到最终的气动力信号。
在本发明实施例中,第一信号获取模块301可用于执行上述方法实施例中的步骤100,第二信号获取模块302可用于执行上述方法实施例中的步骤102,第三信号获取模块303可用于执行上述方法实施例中的步骤104,信号分段模块304可用于执行上述方法实施例中的步骤106,信号处理模块305可用于执行上述方法实施例中的步骤108。
可选地,针对信号处理模块305,所述采用小波分析进行干扰信号滤除,包括执行如下步骤:
对干扰信号进行小波分析,确定对应的干扰信号频率范围;
对该段测量信号进行小波分解,并根据确定的干扰信号频率范围进行干扰信号滤除。
可选地,所述对干扰信号进行小波分析,确定对应的干扰信号频率范围,包括执行如下步骤:
采用哈尔小波基,对干扰信号进行连续小波变换,得到对应的时频结果;
根据得到的时频结果,确定干扰信号频率范围。
可选地,对一段测量信号进行小波分解,并根据确定的干扰信号频率范围进行干扰信号滤除,包括执行如下步骤:
采用哈尔小波基,对该段测量信号进行多次小波分解;
对分解得到的各个分量均进行FFT变换,得到对应的频域结果;
根据确定的干扰信号频率范围,对FFT变换得到的频域结果进行滤波。
可选地,对重构得到的输出信号进行高频去噪,包括执行如下步骤:
基于重构得到的输出信号,通过EMD分解法进行分解,得到多个本征模式分量和一个残差分量;
将重构得到的输出信号和各本征模式分量进行归一化处理,得到归一化输出信号和多个归一化本征模式分量;
计算各归一化本征模式分量和归一化输出信号之间的归一化相关系数;
基于所有归一化相关系数,通过计算标准差,确定噪音阈值;
根据确定的所述噪音阈值进行筛选,若归一化相关系数大于所述噪音阈值,则保留对应的本征模式分量,否则将对应的本征模式分量作为噪音去除。
可选地,计算各归一化本征模式分量和归一化输出信号之间的归一化相关系数,采用如下公式:
其中,r j 表示第j个归一化本征模式分量和归一化输出信号之间的归一化相关系数,t表示采样点编号,N表示采样点总数,s(t)表示归一化输出信号,表示归一化输出信号s(t)的上包络和下包络平均值,c j (t)表示第j个归一化本征模式分量,/>表示归一化本征模式分量c j (t)的上包络和下包络平均值。
可选地,所述噪音阈值,采用如下公式计算:
其中,TH表示噪音阈值,n表示本征模式分量的个数,表示所有归一化相关系数的平均值。
可以理解的是,本发明实施例示意的结构并不构成对一种变体飞行器风洞动态试验天平气动力信号处理装置的具体限定。在本发明的另一些实施例中,一种变体飞行器风洞动态试验天平气动力信号处理装置可以包括比图示更多或者更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
上述装置内的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
需要说明的是,在本文中,诸如第一和第二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因素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种变体飞行器风洞动态试验天平气动力信号处理方法,其特征在于,包括:
获取无风条件下飞行器模型的机翼展开过程的天平探测信号,作为第一干扰信号;其中,用于采样探测信号的天平设于所述飞行器模型的质心;
获取风洞开启过程的天平探测信号,作为第二干扰信号;其中,所述风洞开启过程包括载荷瞬态释放;
获取风洞动态试验时段的天平探测信号,作为测量信号;其中,风洞动态试验过程包括载荷瞬态释放和所述飞行器模型的机翼展开过程;
对获取的测量信号进行分段,得到载荷瞬态释放过程段、机翼展开冲击段和机翼展开过程段各自对应的测量信号;
按时间顺序,对每一段测量信号,分别采用如下方式进行处理:
根据分段后的测量信号,从所述第一干扰信号或所述第二干扰信号中截取对应的干扰信号;
基于该段测量信号及对应的干扰信号,采用小波分析进行干扰信号滤除,重构得到输出信号;
对该段重构得到的输出信号进行高频去噪,得到最终的气动力信号。
2.根据权利要求1所述的变体飞行器风洞动态试验天平气动力信号处理方法,其特征在于,
所述采用小波分析进行干扰信号滤除,包括:
对干扰信号进行小波分析,确定对应的干扰信号频率范围;
对该段测量信号进行小波分解,并根据确定的干扰信号频率范围进行干扰信号滤除。
3.根据权利要求2所述的变体飞行器风洞动态试验天平气动力信号处理方法,其特征在于,
所述对干扰信号进行小波分析,确定对应的干扰信号频率范围,包括:
采用哈尔小波基,对干扰信号进行连续小波变换,得到对应的时频结果;
根据得到的时频结果,确定干扰信号频率范围。
4.根据权利要求3所述的变体飞行器风洞动态试验天平气动力信号处理方法,其特征在于,
对一段测量信号进行小波分解,并根据确定的干扰信号频率范围进行干扰信号滤除,包括:
采用哈尔小波基,对该段测量信号进行多次小波分解;
对分解得到的各个分量均进行FFT变换,得到对应的频域结果;
根据确定的干扰信号频率范围,对FFT变换得到的频域结果进行滤波。
5.根据权利要求1所述的变体飞行器风洞动态试验天平气动力信号处理方法,其特征在于,
对重构得到的输出信号进行高频去噪,包括:
基于重构得到的输出信号,通过EMD分解法进行分解,得到多个本征模式分量和一个残差分量;
将重构得到的输出信号和各本征模式分量进行归一化处理,得到归一化输出信号和多个归一化本征模式分量;
计算各归一化本征模式分量和归一化输出信号之间的归一化相关系数;
基于所有归一化相关系数,通过计算标准差,确定噪音阈值;
根据确定的所述噪音阈值进行筛选,若归一化相关系数大于所述噪音阈值,则保留对应的本征模式分量,否则将对应的本征模式分量作为噪音去除。
6.根据权利要求5所述的变体飞行器风洞动态试验天平气动力信号处理方法,其特征在于,
计算各归一化本征模式分量和归一化输出信号之间的归一化相关系数,采用如下公式:
其中,r j 表示第j个归一化本征模式分量和归一化输出信号之间的归一化相关系数,t表示采样点编号,N表示采样点总数,s(t)表示归一化输出信号,表示归一化输出信号s(t)的上包络和下包络平均值,c j (t)表示第j个归一化本征模式分量,/>表示归一化本征模式分量c j (t)的上包络和下包络平均值。
7.根据权利要求6所述的变体飞行器风洞动态试验天平气动力信号处理方法,其特征在于,
所述噪音阈值,采用如下公式计算:
其中,TH表示噪音阈值,n表示本征模式分量的个数,表示所有归一化相关系数的平均值。
8.一种变体飞行器风洞动态试验天平气动力信号处理装置,其特征在于,包括:
第一信号获取模块,用于获取无风条件下飞行器模型的机翼展开过程的天平探测信号,作为第一干扰信号;其中,用于采样探测信号的天平设于所述飞行器模型的质心;
第二信号获取模块,用于获取风洞开启过程的天平探测信号,作为第二干扰信号;其中,所述风洞开启过程包括载荷瞬态释放;
第三信号获取模块,用于获取风洞动态试验时段的天平探测信号,作为测量信号;其中,风洞动态试验过程包括载荷瞬态释放和所述飞行器模型的机翼展开过程;
信号分段模块,用于对获取的测量信号进行分段,得到载荷瞬态释放过程段、机翼展开冲击段和机翼展开过程段各自对应的测量信号;
信号处理模块,用于按时间顺序,对每一段测量信号,分别采用如下方式进行处理:
根据分段后的测量信号,从所述第一干扰信号或所述第二干扰信号中截取对应的干扰信号;
基于该段测量信号及对应的干扰信号,采用小波分析进行干扰信号滤除,重构得到输出信号;
对该段重构得到的输出信号进行高频去噪,得到最终的气动力信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410315810.XA CN117909659B (zh) | 2024-03-20 | 2024-03-20 | 变体飞行器风洞动态试验天平气动力信号处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410315810.XA CN117909659B (zh) | 2024-03-20 | 2024-03-20 | 变体飞行器风洞动态试验天平气动力信号处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117909659A CN117909659A (zh) | 2024-04-19 |
CN117909659B true CN117909659B (zh) | 2024-05-14 |
Family
ID=90692731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410315810.XA Active CN117909659B (zh) | 2024-03-20 | 2024-03-20 | 变体飞行器风洞动态试验天平气动力信号处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117909659B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8393206B1 (en) * | 2010-02-09 | 2013-03-12 | Ping-Chih Chen | Dry wind tunnel system |
CN103940577A (zh) * | 2014-04-21 | 2014-07-23 | 西南交通大学 | 一种基于加速度信号能量的风洞试验天平的评估方法 |
CN109443689A (zh) * | 2018-11-28 | 2019-03-08 | 南京航空航天大学 | 一种雷达天线旋转工作时动态气动力的风洞试验测量装置及其测量方法 |
CN110194282A (zh) * | 2019-06-19 | 2019-09-03 | 中南大学 | 一种应用振动测量技术的飞机机轮刹车振动测试方法 |
CN111579196A (zh) * | 2020-05-29 | 2020-08-25 | 扬州大学 | 一种输电导线气动特性风洞测量方法和装置 |
CN111649908A (zh) * | 2020-06-16 | 2020-09-11 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种基于小波重构的天平动态特性补偿方法及装置 |
CN113970419A (zh) * | 2021-10-13 | 2022-01-25 | 中国科学院力学研究所 | 一种基于时频变换的激波风洞测力天平信号数据处理方法 |
CN114237266A (zh) * | 2021-10-27 | 2022-03-25 | 潍坊学院 | 一种基于l1自适应的扑翼飞行姿态控制方法 |
CN114323542A (zh) * | 2022-03-08 | 2022-04-12 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种风洞动态试验多信号采集同步方法 |
CN116296243A (zh) * | 2023-03-03 | 2023-06-23 | 西南交通大学 | 一种基于大尺寸核稠密块的气动识别方法 |
CN116339140A (zh) * | 2023-02-24 | 2023-06-27 | 大连理工大学 | 一种基于瞬时自抗扰和自适应动态逆的复合容错控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105737909B (zh) * | 2016-02-23 | 2018-07-13 | 合肥工业大学 | 基于卡尔曼滤波的涡街流量计抗瞬态冲击干扰的信号处理方法和系统 |
-
2024
- 2024-03-20 CN CN202410315810.XA patent/CN117909659B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8393206B1 (en) * | 2010-02-09 | 2013-03-12 | Ping-Chih Chen | Dry wind tunnel system |
CN103940577A (zh) * | 2014-04-21 | 2014-07-23 | 西南交通大学 | 一种基于加速度信号能量的风洞试验天平的评估方法 |
CN109443689A (zh) * | 2018-11-28 | 2019-03-08 | 南京航空航天大学 | 一种雷达天线旋转工作时动态气动力的风洞试验测量装置及其测量方法 |
CN110194282A (zh) * | 2019-06-19 | 2019-09-03 | 中南大学 | 一种应用振动测量技术的飞机机轮刹车振动测试方法 |
CN111579196A (zh) * | 2020-05-29 | 2020-08-25 | 扬州大学 | 一种输电导线气动特性风洞测量方法和装置 |
CN111649908A (zh) * | 2020-06-16 | 2020-09-11 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种基于小波重构的天平动态特性补偿方法及装置 |
CN113970419A (zh) * | 2021-10-13 | 2022-01-25 | 中国科学院力学研究所 | 一种基于时频变换的激波风洞测力天平信号数据处理方法 |
CN114237266A (zh) * | 2021-10-27 | 2022-03-25 | 潍坊学院 | 一种基于l1自适应的扑翼飞行姿态控制方法 |
CN114323542A (zh) * | 2022-03-08 | 2022-04-12 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种风洞动态试验多信号采集同步方法 |
CN116339140A (zh) * | 2023-02-24 | 2023-06-27 | 大连理工大学 | 一种基于瞬时自抗扰和自适应动态逆的复合容错控制方法 |
CN116296243A (zh) * | 2023-03-03 | 2023-06-23 | 西南交通大学 | 一种基于大尺寸核稠密块的气动识别方法 |
Non-Patent Citations (4)
Title |
---|
Real Time Morphing Wing Optimization Validation Using Wind-Tunnel Tests;Andrei V. Popov等;《JOURNAL OF AIRCRAFT》;20120522;第47卷(第4期);第1346-1355页 * |
某型飞机起落架结构件气动噪声仿真与试验研究;许远等;《航空工程进展》;20121130;第3卷(第4期);第404-412页 * |
横风动模型测力系统动态特性数值模拟;李鹏;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20120315(第3期);第C033-65页 * |
矿用局部通风机内部流体及气动噪声变化规律研究;吴柯;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20210615(第6期);第B021-201页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117909659A (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8655571B2 (en) | MFCC and CELP to detect turbine engine faults | |
JP6289400B2 (ja) | 周期定常背景雑音を受ける信号内にイベントを検出する方法およびシステム | |
CN111523509B (zh) | 融合物理和深度表达特征的设备故障诊断及健康监测方法 | |
CN107209512B (zh) | 用于机器的声学或振动分析的学习阶段的方法、系统及计算机程序 | |
WO2019061006A1 (en) | METHOD AND DEVICE FOR DIAGNOSING BEARING FAULT, READABLE STORAGE MEDIUM, AND ELECTRONIC DEVICE | |
CN105841961A (zh) | 一种基于Morlet小波变换和卷积神经网络的轴承故障诊断方法 | |
CN111238843A (zh) | 一种基于快速谱峭度分析的风机健康评价方法 | |
Wang et al. | Rotating machine fault detection based on HOS and artificial neural networks | |
CN115758082A (zh) | 一种轨道交通变压器故障诊断方法 | |
CN117909659B (zh) | 变体飞行器风洞动态试验天平气动力信号处理方法及装置 | |
Wang et al. | Radar HRRP target recognition in frequency domain based on autoregressive model | |
CN117633588A (zh) | 基于频谱加权和残差卷积神经网络的管道泄漏定位方法 | |
CN109840386B (zh) | 基于因子分析的损伤识别方法 | |
Astapov et al. | A multistage procedure of mobile vehicle acoustic identification for single-sensor embedded device | |
CN112697270A (zh) | 故障检测方法、装置、无人设备及存储介质 | |
CN116910648A (zh) | Gis设备局部放电图谱分析方法、系统及介质 | |
CN116482526A (zh) | 一种用于非故障相阻抗继电器的分析系统 | |
CN116543317A (zh) | 一种用于无人机检测桥梁缆索振动频率的降噪方法 | |
CN113963719A (zh) | 基于深度学习的声音分类方法和装置、存储介质和计算机 | |
CN112807000B (zh) | 鲁棒性脑电信号的生成方法及装置 | |
CN115083395A (zh) | 基于卷积神经网络与支持向量机的发动机声音检测系统 | |
CN114692693A (zh) | 基于分形理论的分布式光纤信号识别方法、装置、存储介质 | |
CN107341519B (zh) | 一种基于多分辨率分析的支持向量机识别优化方法 | |
CN115656034A (zh) | 基于振动信号非线性特征的结构隐蔽缺陷识别系统 | |
CN114609483A (zh) | 一种基于Hilbert变换的GIS局部放电信号特征提取方法 |
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 |