一种坏点测量数据辨识方法技术

本申请属于坏点测量数据辨识技术领域，具体涉及一种坏点测量数据辨识方法，包括：基于余差分析方法，辨识测量数据中的第一类坏点测量数据，其中，第一类坏点测量数据为测量数据中相对真值有较大偏差，数值随状态变化波动较小的数据；剔除第一类坏点测量数据，基于灰色理论方法，辨识测量数据中的第二类坏点测量数据，其中，第二类坏点测量数据为测量数据中相对于真值存在一定偏差，数值随发动机状态发生变化的数据。变化的数据。变化的数据。

【技术实现步骤摘要】
一种坏点测量数据辨识方法


[0001]本申请属于坏点测量数据辨识
，具体涉及一种坏点测量数据辨识方法。

技术介绍

[0002]在航空涡扇发动机地面台架试车中，气路参数相关的测量数据数量及其种类繁多，各类气路参数一般由分布在多个位置的采样点测量得到，容易出现粗大误差的坏点测量数据，该种坏点测量数据主要包括两类：
[0003]第一类坏点测量数据，测量数据中相对真值有较大偏差，数值随发动机状态变化波动较小的数据；
[0004]第二类坏点测量数据，测量数据中相对于真值存在一定偏差，数值随发动机状态发生变化的数据。
[0005]如果不能够对航空涡扇发动机地面台架试车气路参数测量数据中的上述两类坏点测量数据进行有效辨识、处理，则会影响基于该测量数据对发动机整机和部件性能评估结果的有效性。
[0006]航空涡扇发动机地面台架试车各类气路参数测量数据不同采样点数值本身就存在一定的差异，当前的方法不能够对测量数据中的上述两类坏点测量数据进行快速、有效的辨识。
[0007]鉴于上述技术缺陷的存在提出本申请。
[0008]需注意的是，以上
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本申请的申请日已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性。

技术实现思路

[0009]本申请的目的是提供一种坏点测量数据辨识方法，以克服或减轻已知存在的至少一方面的技术缺陷。/>[0010]本申请的技术方案是：
[0011]一种坏点测量数据辨识方法，包括：
[0012]基于余差分析方法，辨识测量数据中的第一类坏点测量数据，其中，第一类坏点测量数据为测量数据中相对真值有较大偏差，数值随状态变化波动较小的数据；
[0013]剔除第一类坏点测量数据，基于灰色理论方法，辨识测量数据中的第二类坏点测量数据，其中，第二类坏点测量数据为测量数据中相对于真值存在一定偏差，数值随发动机状态发生变化的数据。
[0014]根据本申请的至少一个实施例，上述的坏点测量数据辨识方法中，所述基于余差分析方法，辨识测量数据中的第一类坏点测量数据，具体为：
[0015]绘制测量数据随状态变化的趋势图，作为测量数据随状态变化的期望值；
[0016]计算测量数据与对应状态下期望值的差值，若对应的差值超过设定阈值，则识别
为第一类坏点测量数据。
[0017]根据本申请的至少一个实施例，上述的坏点测量数据辨识方法中，Δ＝A*(j
max
‑
j
min
)；
[0018]其中，
[0019]Δ为设定阈值；
[0020]A为阈值设定系数；
[0021]j
max
、j
min
为一定状态下测量数据中最大数据、最小数据。
[0022]根据本申请的至少一个实施例，上述的坏点测量数据辨识方法中，A＝2。
[0023]根据本申请的至少一个实施例，上述的坏点测量数据辨识方法中，所述剔除第一类坏点测量数据，基于灰色理论方法，辨识测量数据中的第二类坏点测量数据，具体为：
[0024]计算剔除第一类坏点测量数据后，剩余测量数据的累加序列：
[0025]其中，
[0026]n为剔除第一类坏点测量数据后，剩余测量数据的个数；
[0027]x
(0)
(k)为剔除第一类坏点测量数据后，剩余测量数据按升序排列，第k个数据的数值；
[0028]x
(1)
(k)为剔除第一类坏点测量数据后，剩余测量数据按升序排列，前k个数据的累加值；
[0029]确定剔除第一类坏点测量数据后，剩余测量数据累加序列的包络线：
[0030][0031]其中，
[0032]为剔除第一类坏点测量数据后，剩余测量数据的平均值；
[0033]为剔除第一类坏点测量数据后，剩余测量数据累加序列包络线的上边界，即剔除第一类坏点测量数据后，剩余测量数据按升序排列，前k个数据累加值的上限；
[0034]为剔除第一类坏点测量数据后，剩余测量数据累加序列包络线的下边界，即剔除第一类坏点测量数据后，剩余测量数据按升序排列，前k个数据累加值的下限；
[0035]P为剔除第一类坏点测量数据后，剩余测量数据累加序列包络线的转折点，p＝2，3，
…
，n
‑
1；
[0036]Δ
max
为剔除第一类坏点测量数据后，剩余测量数据按升序排列，前p个数据的累加值、对应剩余测量数据累加序列包络线上边界间的差值，即x
(1)
(p)、间的差值；
[0037]h为差值设定系数；
[0038]若或者则剔除第一类坏点测量数据后，剩余测量数据按升序排列中第一个数据为第二类坏点测量数据；
[0039]在1<k<n时，若或者则剔除第一类坏点测量数据后，剩余测量数据按升序排列中第k个数据为第二类坏点测量数据；
[0040]若或者则剔除第一类坏点测量数据后，剩余测量数据按升序排列中第n个数据为第二类坏点测量数据。
[0041]根据本申请的至少一个实施例，上述的坏点测量数据辨识方法中，
[0042]根据本申请的至少一个实施例，上述的坏点测量数据辨识方法中，h＝3.75。
附图说明
[0043]图1是本申请实施例提供的坏点测量数据辨识方法的流程图；
[0044]图2是本申请实施例提供的包络线的示意图。
[0045]为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；此外，附图用于示例性说明，其中描述位置关系的用语仅限于示例性说明，不能理解为对本专利的限制。
具体实施方式
[0046]为使本申请的技术方案及其优点更加清楚，下面将结合附图对本申请的技术方案作进一步清楚、完整的详细描述，可以理解的是，此处所描述的具体实施例仅是本申请的部分实施例，其仅用于解释本申请，而非对本申请的限定。需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分，其他相关部分可参考通常设计，在不冲突的情况下，本申请中的实施例及实施例中的技术特征可以相互组合以得到新的实施例。
[0047]此外，除非另有定义，本申请描述中所使用的技术术语或者科学术语应当为本申请所属领域内一般技术人员所理解的通常含义。本申请描述中所使用的“上”、“下”、“左”、“右”、“中心”、“竖直”、“水平”、“内”、“外”等表示方位的词语仅用以表示相对的方向或者位置关系，而非暗示装置或元件必须具有特定的方位、以特定的方位构造和操作，当被描述对象的绝对位置发生改变后，其相对位置关系也可能发生相应的改变，因此不能理解为对本申请的限制。本申请描述中所使用的“第一”、“第二”、“第三”以及类似用语，仅本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种坏点测量数据辨识方法，其特征在于，包括：基于余差分析方法，辨识测量数据中的第一类坏点测量数据，其中，第一类坏点测量数据为测量数据中相对真值有较大偏差，数值随状态变化波动较小的数据；剔除第一类坏点测量数据，基于灰色理论方法，辨识测量数据中的第二类坏点测量数据，其中，第二类坏点测量数据为测量数据中相对于真值存在一定偏差，数值随发动机状态发生变化的数据。2.根据权利要求1所述的坏点测量数据辨识方法，其特征在于，所述基于余差分析方法，辨识测量数据中的第一类坏点测量数据，具体为：绘制测量数据随状态变化的趋势图，作为测量数据随状态变化的期望值；计算测量数据与对应状态下期望值的差值，若对应的差值超过设定阈值，则识别为第一类坏点测量数据。3.根据权利要求2所述的坏点测量数据辨识方法，其特征在于，Δ＝A*(j
max
‑
j
min
)；其中，Δ为设定阈值；A为阈值设定系数；j
max
、j
min
为一定状态下测量数据中最大数据、最小数据。4.根据权利要求3所述的坏点测量数据辨识方法，其特征在于，A＝2。5.根据权利要求1所述的坏点测量数据辨识方法，其特征在于，所述剔除第一类坏点测量数据，基于灰色理论方法，辨识测量数据中的第二类坏点测量数据，具体为：计算剔除第一类坏点测量数据后，剩余测量数据的累加序列：其中，n为剔除第一类坏点测量数据后，剩余测量数据的个数；x
(0)...

【专利技术属性】
技术研发人员：潘旭，陈伟博，杨龙龙，
申请(专利权)人：中国航发沈阳发动机研究所，
类型：发明
国别省市：