用于预测直升机平台周期振动的方法技术

本发明专利技术提供一种用于预测直升机平台周期振动的方法，具体步骤为：选取若干组周期振动样本，利用分类算法对周期振动样本进行划分，获得测量点的分类集合；对分类集合进行傅里叶变换，得到测量点周期振动的主导频率；构建容量为m的直升机飞行状态参数集合；获得主导幅值与直升机飞行状态参数之间的相关系数；选取主导幅值与直升机飞行状态参数中相关系数大于0.7的飞行状态参数，建立主要飞行状态参数集合；对得到的飞行状态参数集合进行降维分析，得到低维集合；建立周期幅值随综合指标的函数方程，得到周期振动幅值的预测模型。本发明专利技术采用降维分析的方法，降低了预测模型的复杂程度，在不降低模型求解精度的同时提高了模型求解效率。求解效率。求解效率。

【技术实现步骤摘要】
用于预测直升机平台周期振动的方法


[0001]本专利技术涉及环境工程领域，特别涉及一种用于预测直升机平台周期振动的方法。

技术介绍

[0002]直升机在起飞、飞行和着陆过程中，安装其上的装备将不可避免地承受直升机平台带来的振动，因此准确确定振动环境极值量值，并据此开展设计与试验验证工作，对确保装备的正常和安全使用具有重要意义。
[0003]相关振动试验标准中规定：直升机平台的振动特性是在低量级连续宽带随机振动背景上叠加强烈的周期振动，这是由主旋翼和尾桨以及其他旋转机械引起的许多正弦或近似正弦的分量与气流流场引起的低量级随机分量的组合而成。
[0004]直升机平台的周期振动量值普遍高于随机振动量值，因此周期振动在直升机振动环境中占据主要地位。由于主旋翼和尾桨以及其他旋转机械等振源分布在直升机不同部位，因此在直升机的不同区域，各种振源诱发组合后的周期振动的主导频率各不相同。即使在相同区域，周期振动的主导频率也不恒定，这是由于部分直升机采用可变转速控制，产生在正常转速的95％和110％之间的伪稳态转速。故而在基于振动实测数据建立预计模型时，识别周期振动的主导频率是关键所在，在此基础上还需要筛选影响周期振动的主要因素(一般为直升机飞行状态参数)，从而保证建立的振动预计模型的准确性和有效性。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术提供一种用于预测直升机平台周期振动的方法，首先利用分类算法对直升机平台处选取若干组周期振动样本进行划分，得到测量点周期振动样本的主导频率，构建直升机的某一飞行状态参数和主导幅值的趋势图；然后根据主导幅值与直升机飞行状态参数之间的相关系数，得到主要飞行状态参数集合；最后通过降维分析的方法，将原有的多个输入参数(所有飞行状态参数)转化为数量较少的新参数，在保留原有的输入参数的特性的同时，以一个或多个主要综合指标作为主导频率f的周期振动幅值预计模型的输入变量，降低了周期振动幅值预计模型的复杂程度，在不降低模型求解精度的同时有效提高了模型求解效率。
[0006]本专利技术提供了一种用于预测直升机平台周期振动的方法，具体实施步骤如下：
[0007]S1、在直升机平台的测量点处选取若干组周期振动样本，根据直升机的典型状态，利用分类算法对周期振动样本进行划分，获得测量点的分类集合U，所述分类集合U的具体表达式如下：
[0008]U＝(u1,u2,u3,.....u
S
)
[0009]式中，U为周期振动样本的集合，S为直升机典型状态的数量，u为直升机某一典型状态下周期振动样本的子集；
[0010]S2、对分类集合U进行傅里叶变换，得到周期振动样本最大幅值所对应的频率，并与直升机试验部件的频率进行对比，得到测量点周期振动样本的主导频率f；
[0011]S3、根据直升机典型状态的数量选取直升机的飞行状态参数g，并构建直升机飞行状态参数集合G，飞行状态参数集合G的具体表达式为：
[0012]G＝(g1,g2,g3,.....g
m
)
[0013]式中，g为直升机的某一飞行状态参数，m为直升机飞行状态参数的个数；
[0014]S4、以直升机典型状态下周期振动样本的子集u中主导频率f对应的主导幅值为因变量Y，以主导幅值所对应的直升机的某一飞行状态参数g为自变量X，构建自变量X和因变量Y的趋势图，得到主导幅值与直升机飞行状态参数g之间的相关系数，所述因变量Y和所述自变量X的表达式分别如下：
[0015]Y＝(y1,y2,y3,.....y
n
)
[0016]X＝(x1,x2,x3,.....x
n
)；
[0017]S5、选取主导幅值与直升机飞行状态参数g中相关系数大于0.7的飞行状态参数g，建立主要飞行状态参数集合G'，所述主要飞行状态参数集合G'的表达形式为：
[0018]G'＝(g1,g2,g3,.....g
L
)；
[0019]S6、对S5得到的主要飞行状态参数集合G'进行降维分析，将包含L个飞行状态参数的高维集合G'转化为包含Q个综合指标的低维集合P'，所述低维集合P'的具体表达式为：
[0020]P'＝(p1,p2,p3,.....p
Q
)
[0021]其中，L>Q，低维集合P'是将高维集合G'采用更少数量的特征所表示的集合，其包含了高维集合G'原有特征的绝大部分特性；
[0022]S7、选择低维集合P'中一个或多个主要综合指标作为主导频率f的周期振动幅值预计模型的输入变量，建立周期幅值随综合指标的函数方程，按回归方法计算方程未知系数，得到周期振动幅值的预测模型。
[0023]可优选的是，所述直升机的典型状态，其包括起飞、平飞和下降。
[0024]可优选的是，所述分类算法，其包括决策树分类法、支持向量机的分类法、神经网络法和模糊分类法。
[0025]可优选的是，所述直升机飞行状态参数包括飞行高度、飞行速度和过载。
[0026]可优选的是，所述降维分析，其包括主成分分析、因子分析、典型相关性分析和多维标度法。
[0027]本专利技术与现有技术相比，具有如下优点：
[0028]1.本专利技术依托直升机已有的参数向量作为预测模型的输入，无需重新构建新的参数，输入参数简洁直观，建模方法有效可行，解决了直升机平台周期振动预测问题，具有很高的工程应用价值。
[0029]2.本专利技术采用降维分析的方法，将预测模型原有的多个输入参数(所有飞行状态参数)转化为数量较少的新参数，在保留原有的输入参数的特性的同时，以最简数量的新参数作为预测模型的输入，降低了预测模型的复杂程度，在不降低模型求解精度的同时有效提高了模型求解效率。
附图说明
[0030]图1为本专利技术用于预测直升机平台周期振动的方法的流程图；
[0031]图2为本专利技术用于预测直升机平台周期振动的方法中周期振动样本最大幅值所对
应频率的线谱瀑布图；
[0032]图3为本专利技术用于预测直升机平台周期振动的方法中主导幅值随平飞速度的变化趋势图；
[0033]图4为本专利技术用于预测直升机平台周期振动的方法中主导幅值随纵向过载的变化趋势图；
[0034]图5为本专利技术用于预测直升机平台周期振动的方法中主导幅值随平飞速度的变化趋势图；
[0035]图6为本专利技术用于预测直升机平台周期振动的方法中主导幅值随滚转角的变化趋势图；
[0036]图7为本专利技术用于预测直升机平台周期振动的方法中主导幅值随左发动力涡轮输出扭矩的变化趋势图。
具体实施方式
[0037]为详尽本专利技术之
技术实现思路
、所达成目的及功效，以下将结合说明书附图进行详细说明。
[0038]用于预测直升机平台周期振动的方法，如图1所示，具体实施步骤如下：
[0039]S1、在直升机平台的测量点处选取若干组周期振动样本，根据直升机的典型状态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于预测直升机平台周期振动的方法，其特征在于，其包括以下步骤：S1、在直升机平台的测量点处选取若干组周期振动样本，根据直升机的典型状态，利用分类算法对周期振动样本进行划分，获得测量点的分类集合U，所述分类集合U的具体表达式如下：U＝(u1,u2,u3,.....u
S
)式中，U为周期振动样本的集合，S为直升机典型状态的数量，u为直升机某一典型状态下周期振动样本的子集；S2、对分类集合U进行傅里叶变换，得到周期振动样本最大幅值所对应的频率，并与直升机试验部件的频率进行对比，得到测量点周期振动样本的主导频率f；S3、根据直升机典型状态的数量选取直升机的飞行状态参数g，并构建直升机飞行状态参数集合G，飞行状态参数集合G的具体表达式为：G＝(g1,g2,g3,.....g
m
)式中，g为直升机的某一飞行状态参数，m为直升机飞行状态参数的个数；S4、以直升机典型状态下周期振动样本的子集u中主导频率f对应的主导幅值为因变量Y，以主导幅值所对应的直升机的某一飞行状态参数g为自变量X，构建自变量X和因变量Y的趋势图，得到主导幅值与直升机飞行状态参数g之间的相关系数，所述因变量Y和所述自变量X的表达式分别如下：Y＝(y1,y2,y3,.....y
n
)X＝(x1,x2,x3,.....x
n
)；S5、选取主导幅值与直升机飞行状态参数g中相关系数大于...

【专利技术属性】
技术研发人员：申加康，张建军，徐俊，万军，刘聪，薛楠，
申请(专利权)人：中国兵器工业第五九研究所，
类型：发明
国别省市：