[发明专利]一种基于实测环境数据的飞机结构分区方法

权利要求书

1.一种基于实测环境数据的飞机结构分区方法，其特征在于，包括以下区分步骤：

步骤1、建立各监测点对象的集合并选择聚类需要的参数；

步骤2、将原始样本数据进行标准化处理：将量纲和数值区间两方面的样本元素的特征值统一于共同的数据特征范围；

步骤3、确定模糊相似矩阵，建立待分类域的模糊相似矩阵，用于表征两个元素之间的接近程度；

步骤4、求取模糊等价矩阵，通过模糊等价矩阵的运算求得模糊相似矩阵；

步骤5、采用λ截矩阵法进行聚类分析；

对于任一λ∈[0,1]，在分类时将模糊等价矩阵各元素这样取值：大于或者等于λ的元素都改为1，小于λ的元素都改为0，根据模糊等价矩阵中的1与0的排列情况即可进行分类；

步骤6、分析比较不同λ下的分区情形，确认最终分区结果。

2.根据权利要求1所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤1中，包括：

步骤1.1、各监测点对象的集合建立：采用数字式温湿度传感器对飞机上9个不同结构、不同位置的监测点进行局部温湿度测量和记录，记录间隔为15分钟，每天采集温湿度数据各96个，同时采用1个百叶箱监测点对环境温湿度进行测量和记录；

步骤1.2、将10个监测点作为待聚类对象的集合，温度和湿度做为聚类的参数，选择监测过程中所有监测点温、湿度数据进行计算。

3.根据权利要求2所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤1中，设分类域飞机的各个分区U＝{x₁,x₂,…x_n}(n＝10)，每个分区x_i都有个m个特征参数来刻画，则

x_i＝{x_i1,x_i2,x_ij…x_im}(j＝1,2,…m)

其中，x_ij表示第i个被分类对象相应于第j个特征参数的观测值；

于是，得到n×m维矩阵X＝(x_ij)_n×m作为最原始数据，方法中选择温度和湿度共同作为聚类特征，温度和湿度又随着时间而变化。

4.根据权利要求3所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤2中，选择利用极差变换实现标准化，极差变换表示为：

5.根据权利要求4所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤3中，采用向量相似度来建立待分类域的模糊相似矩阵，并表征两个元素之间的接近程度：

6.根据权利要求5所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤4中，采用闭包传递法，从模糊相似矩阵求取模糊等价矩阵，具体采用的是平方法：

若在某一步有令R*＝R^k,则R*便为所求模糊等价矩阵；

方法中采用的算法模型为为M(∧,∨)，即矩阵运算采用先取小后取大的运算方式。

7.根据权利要求6所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤5中，生成R^*的截距阵根据中0和1的情况进行分类。

8.根据权利要求7所述的一种基于实测环境数据的飞机结构分区方法，其特征在于：步骤6中，设置不同阈值的λ截矩阵，得到多种分区结果，根据飞机结构和实际需求确定分区，确定最佳的λ取值范围。