激波流场动态压力测量不确定度评定方法及系统技术方案

本发明专利技术公开了激波流场动态压力测量不确定度评定方法，包括步骤：S1、对激波流场动态压力测量信号进行分解，得到高频噪声分量、趋势分量、振铃分量和低频噪声分量；S2、进行样本量扩充，并计算各分量在每个时刻数据的最优估计值；S3、计算各分量最优估计值序列的统计均值和方差及其正态分布，根据共轭先验分布规律估计概率密度函数，进而得到每个时刻数据的联合先验概率密度函数，基于似然函数和贝叶斯方法，得到联合后验概率密度函数及其后验分布统计量，进而得到四个分量的不确定度；S4、将四个分量的不确定度进行合成计算，得到激波流场动态压力测量扩展不确定度。本发明专利技术可实现小样本、时变特性的激波流场动态压力测量的不确定度评定。度评定。度评定。

【技术实现步骤摘要】
激波流场动态压力测量不确定度评定方法及系统


[0001]本专利技术涉及计量测试领域，尤其涉及激波流场动态压力测量不确定度评定方法及系统。

技术介绍

[0002]激波流场广泛地存在于爆炸测试、医学仪器、材料冲击测试、航空发动机等领域。在实际测量中，激波流场动态压力信号通常具有非平稳、非线性、频率变化快等特点，且测量过程的可重复性限制，导致测量结果具有典型的小样本、时变特征，导致其测量不确定度评定结果的可靠性差，严重影响激波流场动态压力的测量精度。
[0003]动态压力测量不确定度评定最常用的方法为贝塞尔方法，该方法采用贝塞尔公式计算动态压力重复测量结果在每个时刻的标准差，然后分别对动态压力测量结果在每个时刻的标准不确定度和扩展不确定度进行评定。该方法计算简单、运算量小，对动态压力测量数据的分布和频率无要求，能快速地得到激波流场动态压力重复测量数据的不确定度。但由于在不确定度评定过程中将动态测量数据当作静态过程进行计算，忽略了动态测量结果相邻时刻数据间的交互关系，导致该方法对于动态压力测量不确定度评定结果的可靠性较差。
[0004]针对上述方法缺陷，出现了一种基于贝叶斯理论的动态测量不确定度评定方法，先根据重复测量数据的概率分布估计测量数据的先验概率密度函数，随后通过构建后一时刻测量数据的似然函数，并基于贝叶斯理论计算后一时刻测量数据的联合后验概率密度函数，最后根据其后验分布计算动态测量不确定度。该方法在评定动态测量不确定度时，综合考虑了当前时刻数据的分散性及其与前一时刻数据之间的交互关系，可更准确地评定动态测量不确定度。但在激波流场动态压力测量中，测量结果的样本量通常很小，重复测量结果具有典型的小样本特点，此时直接采用贝叶斯方法评定测量不确定度会导致结果不准确。

技术实现思路

[0005]本专利技术主要针对激波流场动态压力测量信号非平稳、样本量小导致测量不确定度无法可靠评定的问题，提供一种适用测量数据样本量少、数据变化频率高的情况，可实现具有小样本、时变特性的激波流场动态压力测量的不确定度评定。
[0006]提供一种可以提高结果准确率的激波流场动态压力测量不确定度评定方法及系统。本专利技术所采用的技术方案是：提供一种激波流场动态压力测量不确定度评定方法，包括以下步骤：S1、对激波流场动态压力测量信号进行分解，得到四个分量：高频噪声分量、趋势分量、振铃分量和低频噪声分量；S2、对提取的四个分量分别进行样本量扩充，并计算各分量在每个时刻数据的最优估计值；
S3、计算各分量最优估计值序列的统计均值和方差及其正态分布，根据共轭先验分布规律估计概率密度函数，进而得到每个时刻数据的联合先验概率密度函数，基于似然函数和贝叶斯方法，得到联合后验概率密度函数及其后验分布统计量，进而得到各个分量的不确定度；S4、将四个分量的不确定度进行合成计算，得到激波流场动态压力测量扩展不确定度。
[0007]接上述技术方案，步骤S1包括以下步骤：S11、利用变分模态分解对激波流场动态压力测量信号进行分解，得到一系列窄带本征模态函数，提取中心频率高于振铃频率的窄带本征模态函数得到高频噪声分量；S12、对剩下的窄带本征模态函数进行重构，利用经验模态分解将重构后的信号分解为多个本振模态函数，并分解为趋势分量、振铃分量和低频噪声分量；其中趋势分量为频率最低的本征模态函数；振铃能量损失率小于某一阈值的本征模态函数为振铃分量，否则为低频噪声分量。
[0008]接上述技术方案，步骤S2中具体采用自助重采样方法对提取的四个分量进行样本量扩充。
[0009]接上述技术方案，步骤S5具体为计算四个分量的不确定度的算术平方根，再乘以一个扩展系数，得到激波流场动态压力测量扩展不确定度。
[0010]接上述技术方案，步骤S2具体为：S21、对激波流场动态压力进行M次重复测量，提取得到分量矩阵，并将分量矩阵改写为一组列向量的形式；S22、采用自助法对分量矩阵中每一列向量进行等概率可放回重采样多次，得到自助样本向量，并计算自助样本向量的均值；S23、对自助样本向量重复自助采样过程多次，得到多个自助样本，并计算大样本均值序列；S24、采用统计直方图方法将大样本均值序列进行排序和分段，并计算最优估计值。
[0011]本专利技术还提供一种激波流场动态压力测量不确定度评定系统，包括：信号分解模块，用于对激波流场动态压力测量信号进行分解，得到四个分量：高频噪声分量、趋势分量、振铃分量和低频噪声分量；样本量扩充模块，用于对提取的四个分量分别进行样本量扩充，并计算各分量在每个时刻数据的最优估计值；标准不确定度计算模块，用于计算各分量最优估计值序列的统计均值和方差及其正态分布，根据共轭先验分布规律估计概率密度函数，进而得到每个时刻数据的联合先验概率密度函数，基于似然函数和贝叶斯方法，得到联合后验概率密度函数及其后验分布统计量，进而得到各个分量的不确定度；信号不确定度计算模块，用于将四个分量的不确定度进行合成计算，得到激波流场动态压力测量扩展不确定度。
[0012]接上述技术方案，信号分解模块具体用于利用变分模态分解对激波流场动态压力测量信号进行分解，得到一系列窄带本征模态函数，提取中心频率高于振铃频率的窄带本
征模态函数得到高频噪声分量；对剩下的窄带本征模态函数进行重构，利用经验模态分解将重构后的信号分解为多个本振模态函数，并分解为趋势分量、振铃分量和低频噪声分量；其中趋势分量为频率最低的本征模态函数；振铃能量损失率小于某一阈值的本征模态函数为振铃分量，否则为低频噪声分量。
[0013]接上述技术方案，样本量扩充模块具体采用自助重采样方法对提取的四个分量进行样本量扩充。
[0014]接上述技术方案，样本量扩充模块具体用于对激波流场动态压力进行M次重复测量，提取得到分量矩阵，并将分量矩阵改写为一组列向量的形式；采用自助法对分量矩阵中每一列向量进行等概率可放回重采样多次，得到自助样本向量，并计算自助样本向量的均值；对自助样本向量重复自助采样过程多次，得到多个自助样本，并计算大样本均值序列；采用统计直方图方法将大样本均值序列进行排序和分段，并计算最优估计值。
[0015]本专利技术还提供一种计算机存储介质，其内存储有可被处理器执行的计算机程序，该计算机程序执行上述技术方案所述的激波流场动态压力测量不确定度评定方法。
[0016]本专利技术产生的有益效果是：本专利技术的激波流场动态压力测量不确定度评定方法将信号分解为趋势分量、振铃分量、低频噪声分量和高频噪声分量，并进行样本量扩充，再基于似然函数和贝叶斯方法计算激波流场动态压力测量信号的不确定度，本专利技术的方法适用激波流场动态压力测量数据样本量少、数据变化频率高的情况，可实现具有小样本、时变特性的激波流场动态压力测量的不确定度评定。
[0017]进一步地，具体通过结合变分模态分解和经验模态分解算法，比较本征模态函数的中心频率与激波流场动态压力测量信号振铃频率的大小，并引入振铃能量损失率指标，实现激波流场动态压力测量信号中趋势分量、低频噪声分量、振铃分量和高频噪声分量的提取。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种激波流场动态压力测量不确定度评定方法，其特征在于，包括以下步骤：S1、对激波流场动态压力测量信号进行分解，得到四个分量：高频噪声分量、趋势分量、振铃分量和低频噪声分量；S2、对提取的四个分量分别进行样本量扩充，并计算各分量在每个时刻数据的最优估计值；S3、计算各分量最优估计值序列的统计均值和方差及其正态分布，根据共轭先验分布规律估计概率密度函数，进而得到每个时刻数据的联合先验概率密度函数，基于似然函数和贝叶斯方法，得到联合后验概率密度函数及其后验分布统计量，进而得到各个分量的不确定度；S4、将四个分量的不确定度进行合成计算，得到激波流场动态压力测量扩展不确定度。2.根据权利要求1所述的激波流场动态压力测量不确定度评定方法，其特征在于，步骤S1包括以下步骤：S11、利用变分模态分解对激波流场动态压力测量信号进行分解，得到一系列窄带本征模态函数，提取中心频率高于振铃频率的窄带本征模态函数得到高频噪声分量；S12、对剩下的窄带本征模态函数进行重构，利用经验模态分解将重构后的信号分解为多个本振模态函数，并分解为趋势分量、振铃分量和低频噪声分量；其中趋势分量为频率最低的本征模态函数；振铃能量损失率小于某一阈值的本征模态函数为振铃分量，否则为低频噪声分量。3.根据权利要求1所述的激波流场动态压力测量不确定度评定方法，其特征在于，步骤S2中具体采用自助重采样方法对提取的四个分量进行样本量扩充。4.根据权利要求1所述的激波流场动态压力测量不确定度评定方法，其特征在于，步骤S5具体为计算四个分量的不确定度的算术平方根，再乘以一个扩展系数，得到激波流场动态压力测量扩展不确定度。5.根据权利要求1所述的激波流场动态压力测量不确定度评定方法，其特征在于，步骤S2具体为：S21、对激波流场动态压力进行M次重复测量，提取得到分量矩阵，并将分量矩阵改写为一组列向量的形式；S22、采用自助法对分量矩阵中每一列向量进行等概率可放回重采样多次，得到自助样本向量，并计算自助样本向量的均值；S23、对自助样本向量重复自助采样过程多次，得到多个自助样本，并计算大样本均值序列；S24、采用统计直方图方法将大样本均值序列进行排序和分段，并计算最优估计值。6.一种激波流场动态压力...

【专利技术属性】
技术研发人员：姚贞建，李永生，洪汉玉，陈登，张良纯，纪亚玲，宋金霖，黄丽坤，陈艳菲，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：