[发明专利]一种基于数据挖掘技术的气动特性数据处理方法

摘要

一种基于数据挖掘技术的气动特性数据处理方法，属于飞行器气动设计领域。选取飞行器的样本点数据，将其按状态参数变量和气动特性参数变量进行分类，并将状态参数变量为自变量，气动特性参数变量为因变量。根据自变量对因变量的影响，选取影响不可忽略的自变量作为建模自变量，根据样本点数据建立气动力数据模型，根据样本点数据验证所建模型的平均相对误差，并迭代修正，直到获得满足准确度要求的气动力数据模型。本发明引入数据挖掘技术进行气动特性变化规律分析，并在掌握规律的基础上进行气动建模，有效提高了气动特性分析的效率和使用准确度。

主权项

1.一种基于数据挖掘技术的气动特性数据处理方法，其特征在于包括以下步骤：(1)选取飞行器的样本点数据，将其按状态参数变量和气动特性参数变量进行分类，其中状态参数变量包括马赫数Ma、攻角α、侧滑角β、舵偏角δ_j、高度H、雷诺数Re、努森数Kn，气动特性参数变量包括气动力六分量，即气动力分量(Cx,Cy,Cz)和气动力矩分量(U,V,W)，每个状态参数变量和一个气动特性参数变量构成一个变量对；(2)计算每个变量对的相关系数，记状态参数变量为自变量，气动特性参数变量为因变量，按相关系数从大到小的顺序对自变量排序，选取前2/3的自变量；(3)计算自变量对每个因变量影响的权重系数，按权重系数从大到小的顺序对自变量排序，选取前2/3的自变量；(4)取步骤(2)和步骤(3)选取自变量的并集作为建模自变量；(5)通过离群点分析法剔除气动力六分量明显不合理的数据点，根据剩余数据点通过多元高次交互回归建立气动力数据模型；多元二次交互回归建立气动力数据模型的实现方式如下：其中，[x₁x₂x₃x₄]为选取的自变量，对应于马赫数Ma、攻角α、舵偏角L、舵偏角R，y为因变量Cx，w₀、w_s、分别为方程零次项系数、一次项系数、二次项系数、交互项系数，M为自变量个数，等式右侧第三项交互项中s≠j， 可以通过最大似然法，基于样本点数据，求解最优化问题其中X是自变量x_s的一次项、二次项和交互项组成的向量、W是方程系数组成的矩阵，得到模型的方程系数，从而模拟自变量和因变量之间关系的数学表达形式；(6)从样本点数据集合中选取80％为训练集，剩余的20％为测试集，根据训练集中的数据，利用气动力数据模型计算预测值，并与测试集比对，利用如下公式计算平均相对误差MAPE：其中pred_i为第i个样本的预测值，true_i为第i个样本在实际测试集中的值，N为样本总数；(7)如果MAPE小于等于5％，则气动力数据模型达到要求，根据气动力数据模型以及样本点数据获得飞行器设计空间的所有气动特性数据，如果MAPE大于5％，则气动力数据模型不符合要求，返回步骤(2)，在步骤(2)中补充选取抛弃自变量中前2/3的自变量，在步骤(3)中补充选取抛弃自变量中前2/3的自变量，直到MAPE小于等于5％；当气动力数据模型不合适时，通过步骤(2)和步骤(3)补充选取自变量后，在步骤(5)中采用更高次的回归方法进行建模。