[发明专利]一种多方法融合的全机疲劳试验数据误码剔除方法

说明书

本发明属于飞机疲劳试验技术领域，具体涉及一种多方法融合的全机疲劳试验数据误码剔除方法。从宏观和局部两个角度，建立了全机疲劳试验数据误码剔除技术，既能识别宏观上明显可见的误码点，改善数据聚类的效果，也能识别数据局部中传统方法不易识别的误码点。在保证误码剔除准确性的前提下，最大程度保留了数据的变化特征。为基于应变数据开展飞机结构损伤识别提供了高质量数据，提高了损伤识别的准确率。

技术领域

本发明属于飞机疲劳试验技术领域，具体涉及一种多方法融合的全机疲劳试验数据误码剔除方法。

背景技术

受全机疲劳试验加载系统和数据采集系统的系统误差、试验现场环境、噪声的影响，全机疲劳试验的位移、应变数据在相同载荷工况下不可避免地出现一些明显偏离数据总体变化趋势的离群点，统称为“误码”。误码的存在对基于应变数据的结构损伤识别造成干扰，降低了损伤识别准确率。因此，需通过数据清洗，剔除误码点，避免上述问题。这对于提高损伤识别的准确率、可靠性至关重要。

全机疲劳试验中，飞机结构关键部位萌生疲劳裂纹并扩展时，关键部位附近一定范围内的应变传感器在相同载荷工况下，其响应数据呈非线性递增或递减的现象，这是损伤识别的关键特征。所以，误码剔除的基本要求是：准确识别局部误码点,不能误伤正常数据而造成数据特征丢失。

统计学中，一般认为系统误差和噪声干扰服从正态分布或者学生分布(t分布)。在此前提下，建立了3σ准则(拉依达准则)、格拉布斯准则、罗曼诺夫斯基准则等经典的数据误码检测方法。然而，由于全机疲劳试验数据误码形式复杂多样，在实际应用中发现，这些方法对于局部误码点识别率低，极易误伤正常数据造成特征丢失，不满足误码剔除的基本要求，降低了后续损伤识别的敏感性、准确性。

发明内容

本发明的目的：本发明提出一种满足全机疲劳试验结构损伤识别的数据误码剔除方法，避免现有数据误码检测方法的不足，在数据特征不丢失的前提下，提高了误码识别准确率，为提高飞机结构损伤识别准确率提供了保障。

本发明的技术方案：为了实现上述发明目的，提出一种多方法融合的全机疲劳试验数据误码剔除方法，包括如下步骤：

第一步：从所有应变传感器采集到的原始应变数据中提取出若干典型工况的数据；

第二步：根据所述第一步中提出的数据，计算每个典型工况下每个传感器响应数据的均值s、样本标准差变异系数δ；

第三步：在似然度计算公式(2)中引入变异系数，计算典型工况下应变传感器所有响应数据与其均值之间的似然度；

其中：L_i表示某一典型工况下任意应变片的响应数据中第i个点y_i与均值的似然度，s为样本标准差，δ表示变异系数，m(δ)是本发明提出的以变异系数δ为变量的函数。

第四步，建立基于似然度的误码剔除准则，对典型工况下每个应变传感器的数据进行初步误码剔除；

第五步，采用k-means聚类方法将典型工况下，经宏观误码剔除的传感器的数据自动分为k个簇；

第六步：在典型工况下各传感器数据的k个簇中，分别计算每一个簇中的数据的均值、样本标准差；

第七步：采用3σ准则检测每个簇中的局部数据误码，并将检测到的误码剔除，直至误码被完全剔除。

在一个可能的实施例中，在所述第一步中，所述典型工况是指载荷量值在部件最大总载荷的50％～85％之间，在试验载荷谱中出现频次大于0.5次/试验飞行小时的工况。

在一个可能的实施例中，在所述第二步中，计算每个典型工况下每个传感器响应数据的均值样本标准差s、变异系数δ。