一种航天器加筋密封结构漏孔辨识方法技术

本发明专利技术公开了一种航天器加筋密封结构漏孔辨识方法，包括以下步骤：S1.进行模拟泄漏实验，提取特征值进行学习训练形成辨识模型库；S2.采集泄漏声信号，对泄漏声信号进行30kHz

【技术实现步骤摘要】
一种航天器加筋密封结构漏孔辨识方法


[0001]本专利技术涉及航天器泄漏检测
，尤其涉及一种航天器加筋密封结构漏孔辨识方法。

技术介绍

[0002]随着航天技术的发展和人类航天活动的日益频繁，空间碎片数量显著增多，碎片一旦与航天器发生碰撞，将导致航天器密封结构泄漏，严重影响航天器的在轨运行。及时、准确发现泄漏，并辨识泄漏漏孔的位置、大小、形状等特征，可以为后续航天器堵漏修复和航天员应急逃生提供支持。目前常用的航天器泄漏检测技术包括压力变化检漏、红外热成像检漏、氦质谱吸枪检漏、声学检漏等。压力变化检漏只能判断是否泄漏，无法确定泄漏位置；红外热成像检漏灵敏度较差，且只能定性分析；氦质谱吸枪检漏可以检验出极低漏率漏孔，但无法快速定位漏孔，搜索范围一旦过大，就更难找到漏孔；声学检漏是一种新兴的检漏技术，可以快速判断泄漏位置，但实现泄漏定量分析比较困难，且加强筋等结构影响声波传播进而影响声学检漏准确度。本专利提出一种航天器加筋密封结构漏孔辨识方法，通过数据库训练学习的方法实现泄漏的判断以及漏孔大小、漏孔形状的辨识。

技术实现思路

[0003]本专利技术的目的在于：为了解决上述问题，而提出的一种航天器加筋密封结构漏孔辨识方法。
[0004]为了实现上述目的，本专利技术采用了如下技术方案：
[0005]一种航天器加筋密封结构漏孔辨识方法，包括以下步骤：
[0006]S1.建立辨识模型库：预先进行不同形状、不同大小漏孔模拟泄漏实验，采集泄漏声信号，提取特征值进行学习训练形成辨识模型库；<br/>[0007]S2.泄漏声信号采集：采集泄漏声信号，为去除背景噪声，一般先进行30kHz
‑
500kHz滤波预处理，观察声信号通过加强筋前后的衰减情况，选取衰减较弱的声信号频带f
d
‑
f
u
；
[0008]S3.漏孔定位：建立坐标系，采用3个传感器(编号S1，S2,S3)数据，运用FIR滤波器获取这些传感器f
d
‑
f
u
频带能量信号，以S1传感器为例，y(f)是不同频率下信号幅值，传感器S2、S3的计算方法相同，以此建立方程组：
[0009][0010](x1,y1)(x2,y2)(x3,y3)为三个传感器已知坐标，利用线性迭代算法，可将该方程组解出漏孔坐标(x,y)；
[0011]S4.信号过筋补偿：得到漏孔坐标后，应用距离漏孔最近的传感器的信号的原始数据，漏孔与该传感器之间直线传播过程中所经过的加强筋数α便可得知，对该信号过筋补偿，每一个加强筋对f
d
‑
f
u
这一频带范围的衰减系数为β(f)，所以将y(f)的这一频带乘上补偿系数α*β(f)(α是过筋数，β(f)是衰减系数)；
[0012]S5.漏孔辨识：提取泄漏声信号特征，并与辨识模型库进行比对，得到漏孔特征。
[0013]优选地，所述步骤S1中地面学习训练确定泄漏辨识模型库的方法包括以下步骤：
[0014]A1.在模拟航天器所处的内外气压、真空度中进行以下泄漏信号提取：分布提取不漏、圆孔泄漏、圆孔泄漏、圆孔泄漏、1mm
×
1mm方孔泄漏、三边1mm三角孔泄漏、0.5mm
×
2mm长方孔泄漏的七种信号，每次提取信号都同时用两个相同的传感器(A1传感器和A2传感器)，各组声学信号各提取3s，信号提取时，传感器距离漏孔中心10cm；
[0015]A2.分别将提取的每组信号切割为200组(每组0.015s)，其中A1传感器作为测试组数据，用于测试分类模型的正确率，A2传感器数据作为分类算法模型的训练组数据；
[0016]A3.对所有原始信号数据进行数字滤波，所选用的声学传感器的有效频带包含30kHz
‑
500kHz，考虑到背景噪声影响，一般需要滤除30kHz以下的成分，所以用带通FIR滤波器进行滤波，以此获得30kHz
‑
500kHz之间的信号成分；
[0017]A4.对这些数据分别进行EMD算法和WPD算法处理，EMD的插值函数采用三次样条插值，WPD的小波母函数采用dmey小波，两种算法分别得到IMF_1
‑
IMF_n1和子带信号1
‑
n2，取EMD得到的IMF的中间4组和WPD得到的前4组子带信号，用这8组信号各提取9种特征值，可以让EMD和WPD两种方法各得到36种特征，总共72种特征，这9种特征值分别是时域峰度因子，偏度因子和波形因子，同时还有频域峰度因子，偏度因子，波形因子，峰值频率，频谱带宽和带宽质心频率，共计9种特征参数，9种特征参数的算法为：
[0018][1]时域峰度因子：(x
n
为时域信号值)；
[0019][2]时域偏度因子：(x
n
为信号时域值，为信号时域均值)；
[0020][3]时域波形因子：(x
rms
为信号时域均方根值，x
avr
为信号时域均值)；
[0021][4]频域峰度因子：(y
n
为频域值)；
[0022][5]频域偏度因子：(y
n
为信号频域值，为信号频域值均值)；
[0023][6]频域波形因子：(y
rms
为频域均方根值，y
avr
为频域均值)；
[0024][7]峰值频率：f
max
＝max(y(f))|
f
；(y(f)是信号频域函数，y(f)的值称为频域幅值，f
max
表示频域最大幅值所对应的频率点)；
[0025][8]频谱带宽：f
dB
＝f
up
‑
f
down
(f
up
为频域幅值y(f)处于0.3倍最大幅值所对应的最大频率点，f
down
为频域幅值y(f)处于0.3倍最大幅值所对应的最低频率点)；
[0026][9]带宽质心频率：
[0027]A5.分别将这两组各36种特征运用ReliefF特征评价算法，得到它们各自的权重值，这些权重值大小与特征们自身的区分能力等价，权重值越高，说明该特征对不同漏孔的区分能力越高，ReliefF算法的应用：在某一种漏孔泄漏特征集A中随机选择一个样本R，并从R同类的样本中寻找k个最近邻样本集H，从R不同类的样本中寻找k个最近邻样本集M，然后根据下面两个算式(1)(2)，更新每个泄漏特征的权重：
[0028][0029][0030]由上式得到每一种漏孔所对应的36
×
2种特征的权重；
[0031]A6.将每种漏孔的相同特征的权重全部求和算平均，这样就得到了EMD和WPD各36特征的新权重，然后对两组各36特征的新权重进行排序，先选取两组中各自权重前2的特征带入SVM分类训练，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航天器加筋密封结构漏孔辨识方法，其特征在于，包括以下步骤：S1.建立辨识模型库：预先进行不同形状、不同大小漏孔模拟泄漏实验，采集泄漏声信号，提取特征值进行学习训练形成辨识模型；S2.采集泄漏声信号：采集泄漏声信号，为去除背景噪声，一般先进行30kHz
‑
500kHz滤波预处理，观察声信号通过加强筋前后的衰减情况，选取衰减较弱的声信号频带f
d
‑
f
u
；S3.漏孔定位：建立坐标系，采用3个传感器(编号S1，S2，S3)数据，运用FIR滤波器获取这些传感器f
d
‑
f
u
频带能量信号，以S1传感器为例，y(f)是不同频率下信号幅值，传感器S2、S3的计算方法相同，以此建立方程组：(x1,y1)(x2,y2)(x3,y3)为三个传感器已知坐标，利用线性迭代算法，可将该方程组解出漏孔坐标(x,y)；S4.信号过筋补偿：得到漏孔坐标后，应用距离漏孔最近的传感器的信号的原始数据，漏孔与该传感器之间直线传播过程中所经过的加强筋数α便可得知，对该信号过筋补偿，每一个加强筋对f
d
‑
f
u
这一频带范围的衰减系数为β(f)，所以将y(f)的这一频带乘上补偿系数α*β(f)(α是过筋数，β(f)是衰减系数)；S5.漏孔辨识：提取泄漏声信号特征，并与辨识模型库进行比对，得到漏孔特征。2.根据权利要求1所述的一种航天器加筋密封结构漏孔辨识方法，其特征在于，所述步骤S1中模拟地面训练确定漏孔辨识模型库的方法包括以下步骤：A1.在模拟航天器所处的内外气压、真空度中进行以下泄漏信号提取：分布提取不漏、圆孔泄漏、圆孔泄漏、圆孔泄漏、1mm
×
1mm方孔泄漏、三边1mm三角孔泄漏、0.5mm
×
2mm长方孔泄漏的七种信号，每次提取信号都同时用两个相同的传感器(A1传感器和A2传感器)，各组声学信号各提取3s，信号提取时，传感器距离漏孔中心10cm；A2.分别将提取的每组信号切割为200组(每组0.015s)，其中A1传感器作为测试组数据，用于测试分类模型的正确率，A2传感器数据作为分类算法模型的训练组数据；A3.对所有原始信号数据进行数字滤波，所选用的声学传感器的有效频带包含30kHz
‑
500kHz，考虑到背景噪声影响，一般需要滤除30kHz以下的成分，所以用带通FIR滤波器进行滤波，以此获得30kHz
‑
500kHz之间的信号成分；A4.对这些数据分别进行EMD算法和WPD算法处理，EMD的插值函数采用三次样条插值，WPD的小波母函数采用dmey小波，两种算法分别得到IMF_1
‑
IMF_n1和子带信号1
‑
n2，取EMD得到的IMF的中间4组和WPD得到的前4组子带信号，用这8组信号各提取9种特征值，可以让EMD
和WPD两种方法各得到36种特征，总共72种特征，这9种特征值分别是时域峰度因子，偏度因子和波形因子，同时还有频域峰度因子，偏度因子，波形因...

【专利技术属性】
技术研发人员：孙立臣，綦磊，欧逍宇，王莉娜，隆昌宇，闫荣鑫，张景川，郑悦，郭琦，
申请(专利权)人：北京卫星环境工程研究所，
类型：发明
国别省市：