一种风洞试验数据异常检测方法、电子设备及存储介质技术

一种风洞试验数据异常检测方法、电子设备及存储介质，属于风洞试验技术领域。为解决风洞试验数据分析方法存在异常检测准确性低，实时性差的问题。本发明专利技术采集不同来流条件下的风洞试验数据，并对采集的风洞试验数据进行预处理，划分为风洞试验数据训练集、风洞试验数据测试集，使用梯度提升算法构建预测模型，然后对构建的预测模型进行验证，计算风洞试验数据训练集预测值与真实值之间的残差，通过3准则计算残差目标取值范围，采集实时风洞试验数据，基于预测模型确定风洞试验数据预测值与实时风洞试验数据之间的残差是否满足残差目标取值范围进行判断风洞试验数据是否为正常数据。本发明专利技术快速输出异常检测结果，节省数据分析时间。分析时间。分析时间。

【技术实现步骤摘要】
一种风洞试验数据异常检测方法、电子设备及存储介质


[0001]本专利技术属于风洞试验
，具体涉及一种风洞试验数据异常检测方法、电子设备及存储介质。

技术介绍

[0002]风洞试验是获取飞行器气动特性的重要手段，能够为气动设计人员提供大量可靠的试验数据。因此，对风洞试验数据进行准确分析至关重要。
[0003]传统的风洞试验数据分析方法主要为绘制Excel表格对风洞试验数据逐车次进行分析，人为判断数据是否出现异常，且异常检测的准确性取决于现场试验人员的专业能力和经验，容易造成正常数据的误判和异常数据的遗漏。尤其是对于连续式跨声速风洞，单位时间内的试验车次数较暂冲式风洞明显增多，试验人员无法实时分析所有车次的数据，在已经进行了数次风洞试验才能发现异常，造成风洞试验成本与人力资源的浪费，亟需解决现有风洞试验数据异常检测方法准确性低，实时性差的问题。

技术实现思路

[0004]本专利技术要解决的问题是风洞试验数据分析方法存在异常检测准确性低，实时性差的问题，提出一种风洞试验数据异常检测方法、电子设备及存储介质。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风洞试验数据异常检测方法，其特征在于，包括如下步骤：S1、采集不同来流条件下的风洞试验数据，并对采集的风洞试验数据进行预处理，划分为风洞试验数据训练集、风洞试验数据测试集；S2、基于步骤S1得到的风洞试验数据训练集使用梯度提升算法构建预测模型，然后基于步骤S1得到的风洞试验数据测试集对构建的预测模型进行验证；S3、基于步骤S2得到的预测模型计算风洞试验数据训练集预测值与真实值之间的残差，通过3准则计算残差目标取值范围；S4、采集实时风洞试验数据，基于步骤S2得到的预测模型确定风洞试验数据预测值与实时风洞试验数据之间的残差是否满足步骤S3得到的残差目标取值范围，判断为是则实时风洞试验数据为正常数据，判断为否则实时风洞试验数据为异常数据。2.根据权利要求1所述的一种风洞试验数据异常检测方法，其特征在于，步骤S1中的风洞试验包括测力试验和测压试验。3.根据权利要求1或2所述的一种风洞试验数据异常检测方法，其特征在于，步骤S1中的风洞试验数据包括来流条件数据和气动力数据，来流条件数据包括马赫数、雷诺数、攻角、侧滑角，气动力数据包括升力系数、阻力系数、侧力系数、俯仰力矩系数、滚转力矩系数、偏航力矩系数、压力系数；设置来流条件数据集为，为第i个变量的来流条件数据，数据预处理公式为：；其中，为处理后的第i个变量第j个来流条件数据，为处理前的第i个变量第j个来流条件数据，为第i个变量的来流条件数据最小值，为第i个变量的来流条件数据最大值。4.根据权利要求3所述的一种风洞试验数据异常检测方法，其特征在于，步骤S2中构建预测模型的具体实现方法包括如下步骤：S2.1、构建预测模型的损失函数并生成初始值，设置L为损失函数、为初始预测值，为气动力数据真实值,损失函数L的表达式为：；通过最小化当前损失函数，以得出初始预测值，则初始化的预测模型的表达式为：；S2.2、建立回归树对预测模型进行预测分析，设置K为创建回归树的总数量，k为第k个回归树，建立每个回归树的最小化损失函数的表达式为：
；其中，为第k
‑
1个回归树索引的...

【专利技术属性】
技术研发人员：李鸿岩，姜延鑫，刘哲，王祥云，郭承鹏，张小亮，崔榕峰，
申请(专利权)人：中国航空工业集团公司沈阳空气动力研究所，
类型：发明
国别省市：