[发明专利]基于机器学习算法的飞行器热防护系统损伤诊断方法

权利要求书

1.一种基于机器学习算法的飞行器热防护系统损伤诊断方法，其特征在于，包括如下步骤：

S1、根据飞行器热防护系统的结构形式与典型受载形式进行物理模型分析，获得在典型载荷作用下健康结构应变分布形式，以及损伤条件下应变分布变化特征；

S2、根据物理模型分析得到的损伤范围，结合光纤的最小回转半径，设计光纤传感器在热防护系统中的布局形式；

S3、对热防护系统结构施加外界载荷，通过嵌入式光纤传感器测试不同载荷状态下的热防护系统结构中的应变分布数据；

S4、针对实测获得的应变分布数据，进行异常状态判断，检测异常信号；

S5、将异常信号数据随机分为训练数据组和测试数据组，或者将飞行器出厂前试验数据作为训练数据组，将异常信号数据作为测试数据组；提取异常信号特征；

S6、将训练数据组输入自组织映射神经网络对其进行训练，将测试数据组输入经过训练的自组织映射神经网络对其进行有效性检验，若有效，则可用于飞行器热防护系统在线损伤诊断；若无效，返回步骤S5，增加训练数据组，重新训练自组织映射神经网络。

2.根据权利要求1所述的飞行器热防护系统损伤诊断方法，其特征在于，所述步骤S2中光纤传感器设置至少一根，布局覆盖损伤范围。

3.根据权利要求2所述的飞行器热防护系统损伤诊断方法，其特征在于，所述步骤S2中光纤传感器以回转形式嵌入到绝热层与主体结构间的胶层中，所述光纤传感器直线段作为测量组。

4.根据权利要求1所述的飞行器热防护系统损伤诊断方法，其特征在于，所述步骤S4通过多项式拟合结合置信区间的方法定位异常值位置。

5.根据权利要求4所述的飞行器热防护系统损伤诊断方法，其特征在于，所述多项式拟合采用直线拟合，拟合点的置信区间为[0.25X,1.25X]。

6.根据权利要求1所述的飞行器热防护系统损伤诊断方法，其特征在于，所述异常信号特征包括信号峰峰值、信号过零率、信号细度比、信号长度。

7.根据权利要求1所述的飞行器热防护系统损伤诊断方法，其特征在于，所述飞行器热防护系统损伤诊断方法还包括在飞行器飞行过程中，自组织映射神经网络依据光纤传感器实时采集的应变分布数据不断对算法进行优化的步骤。

8.根据权利要求1所述的飞行器热防护系统损伤诊断方法，其特征在于，所述损伤诊断结果通过显示屏显示。