基于机器学习算法的飞行器热防护系统损伤诊断方法技术方案

本发明专利技术公开了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。首先，利用嵌入式的光纤传感器网络采集结构应变场分布信息；然后，用多项式拟合结合置信区间的方法定位异常值位置，提取异常信号段的幅值、信号过零率、信号细度比等特征，进行自组织映射神经网络训练；训练完成后，将测试数据输入自组织映射神经网络，获得损伤位置、类型等具体情况。在飞行器飞行过程中，还可以根据服役环境、特殊事件，以及维修测试等因素所反映出的实时应变数据对神经网络进行训练，提高损伤诊断的处理速度与识别精度，并解决飞行器绝热层完整性问题。

【技术实现步骤摘要】
基于机器学习算法的飞行器热防护系统损伤诊断方法
本专利技术属于航空航天应用
，具体涉及一种基于机器学习算法的飞行器热防护系统损伤在线识别方法。
技术介绍
热防护系统作为航天运载飞行器中保护整体结构安全性的重要部件，其结构完整性已成为可重复使用航天飞行器装备发展的关键问题。与其他结构部件相比，粘结在主体结构上的绝热层热防护系统发生的损伤更隐蔽，导致热防护系统的破坏和失效更具有突然性，因此，针对粘结式绝热层损伤在线识别、定位、分类显得尤为重要。另外，在飞行器服役过程中，热防护系统的绝热层可能因外界冲击而产生裂纹，或者因热不匹配而产生脱粘，明确区分这两类损伤，对结构的维修与任务包线决策制定都有重要的参考价值。因此，对这两类损伤的分类是损伤诊断方法的重要问题与挑战。传统无损检测方法在飞行器停机状态下对结构进行损伤识别与定位，该方法需要装配外部设备、数据采集及人工分析，耗时较长，导致检测成本增加，同时其不能区分损伤类型。利用嵌入式光纤传感器进行应变场重构的检测方法在一般结构构件状态评估中得到了广泛应用，其特点和优势主要在于检测灵敏度高、损伤位置信息显示直观，因此能够更高效地确认损伤存在并定位其大体位置。
技术实现思路
本专利技术的目的在于提供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，基于嵌入式光纤传感器测得的应变信号，针对跳动的信号，既可以对损伤进行定位识别又可以区分损伤类型。本专利技术实现上述目的采用的技术方案如下：本专利技术提供了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，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。优选的，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。优选的，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。优选的，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。优选的，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]。优选的，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。优选的，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。优选的，所述损伤诊断结果通过显示屏显示。本专利技术与现有技术相比的有益效果：本专利技术将嵌入式的光纤传感器网络和自组织映射(SOM)神经网络应用于飞行器热防护系统损伤诊断中，相较于传统热防护层超声或红外无损检测技术，本专利技术不需要中止飞行器服役状态，而是直接采用在线应变场数据，节省时间与检测成本；相较于传统光纤在线识别系统，本专利技术采用自组织映射神经网络技术，诊断速度快，学习效率高，可以区分结构损伤类型；自组织映射神经网络具有更好的运算性能与泛化能力，将其应用于绝热层损伤特征提取与模式识别可以有效地解决隐蔽损伤的识别、定位、分类问题。在飞行器服役过程中，本专利技术可以根据服役环境、特殊事件，以及维修测试等因素所反映出的实时应变数据对神经网络进行训练，可以提高损伤诊断的处理速度与识别精度，并解决飞行器绝热层完整性问题。附图说明所包括的附图用来提供对本专利技术实施例的进一步的理解，其构成了说明书的一部分，用于例示本专利技术的实施例，并与文字描述一起来阐释本专利技术的原理。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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是典型SOM神经网络的训练示意图；图2是本专利技术基于机器学习算法的飞行器热防护系统损伤诊断方法的流程图；图3是本专利技术实施例中光纤传感器布局示意图；图4是本专利技术实施例中利用应变数据对脱粘损伤的定位结果示意图；图5是本专利技术实施例中利用训练数据组数据所训练出来的SOM神经网络模型；图6是本专利技术实施例中测试数据组数据利用训练好的SOM神经网络模型进行损伤分类的结果示意图。具体实施方式下面对本专利技术的具体实施例进行详细说明。在下面的描述中，出于解释而非限制性的目的，阐述了具体细节，以帮助全面地理解本专利技术。然而，对本领域技术人员来说显而易见的是，也可以在脱离了这些具体细节的其它实施例中实践本专利技术。在此需要说明的是，为了避免因不必要的细节而模糊了本专利技术，在附图中仅仅示出了与根据本专利技术的方案密切相关的设备结构和/或处理步骤，而省略了与本专利技术关系不大的其他细节。本专利技术提供的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，一方面，利用嵌入式的光纤传感器网络采集结构应变场分布信息，嵌入式的光纤传感器检测灵敏度高、损伤位置信息显示直观，能够高效地确认损伤存在并定位其大体位置。另一方面，提取异常信号段的幅值、信号过零率、信号细度比等特征，进行自组织映射(SOM)神经网络训练，如图1所示；自组织映射是一种无监督的人工神经网络，运用竞争学习策略，依靠神经元之间互相竞争逐步优化网络，且使用近邻关系函数来维持输入空间的拓扑结构；由于自组织映射神经网络融入了大量人脑神经元的信号处理机制，有着独特的结构特点，因而具有很好的运算性能与泛化能力，将其应用于热防护系统损伤特征提取与模式识别可以有效解决损伤分类问题。本专利技术提供的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，如图2所示，包括如下步骤：1.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的应变分布形式，以及损伤条件下应变分布变化特征。2.根据物理模型分析结果得到的损伤范围，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。3.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。4.针对实测获得结构内部应变分布数据，进行异常状态判断，获得异常信号。5.将异常信号数据随机分为训练数据组和测试数据组，提取异常信号特征。...

【技术保护点】
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：/nS1、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；/nS2、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；/nS3、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；/nS4、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；/nS5、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；/nS6、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。/n

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：徐颖珊，郭健，任志伟，芮姝，曹特，王永圣，刘婷，谢饶生，
申请(专利权)人：北京空天技术研究所，
类型：发明
国别省市：北京;11