【技术实现步骤摘要】
本申请属于飞机强度试验领域，特别涉及一种联合加载试验的异常作动筒快速识别方法及装置。
技术介绍
1、在全尺寸飞机静力/疲劳试验中，作动筒的突然振动会引起载荷的急剧变化，特别是全机试验中，各作动筒的pid调节的比例增益、积分增益参数等都是根据经验设定，且可能相互之间存在差异，由于加载点众多，加载载荷变化的情况下，预设的作动筒比例增益、积分增益参数等不能及时适应新的加载载荷而引起初始作动筒发生振动，初始作动筒开始振动后，会引起相邻部位多个加载点作动筒振动，相邻加载点作动筒的振动又会反向影响初始作动筒的振动，这种耦合关系，使得作动筒振动具有不规律及可能出现逐渐增大失控的现象，进而有可能造成试验超差或者超限保护的严重后果。
2、及时对发生振动的作动筒的相关的比例增益、积分增益等参数进行调整能够克服上述现象，现有技术中，通常通过设定监控阈值来对作动筒振动进行监控，当监控到某一作动筒振动值超过阈值时，由控制人员进行作动筒参数修改，受作动筒安装位置及加载载荷的不同，监控阈值并非一成不变，例如当监控阈值设置较小时，在某个位置的作动筒初始的轻微振动并非一定导致振动升级而引起不可控后果，也有可能被周围的作动筒影响而逐渐消除振动，并且当振动量较小时，无法确定是增大还是减小比例增益、积分增益等参数；当监控阈值设置较大时，有可能已经产生了严重的振动后果。
3、由此可见，基于多作动筒联合加载的试验，由于作动筒之间的相互影响及载荷的变化，很难根据单个作动筒的振动数据确定是否会引起作动筒振动升级。
技术实现思
1、为了解决上述技术问题至少之一，本申请提供了一种联合加载试验的异常作动筒快速识别方法及装置，能够根据作动筒振动数据快速预估异常作动筒。
2、本申请第一方面提供了一种联合加载试验的异常作动筒快速识别方法，主要包括：
3、步骤s1、对每一个作动筒，获取滑动监控窗口下的振幅及振速；
4、步骤s2、对于以某一作动筒为基准作动筒的预设作动筒集合，计算其内的所有作动筒的振动参数，所述振动参数包括最大统计振幅、最小统计振幅、最大统计振速、最小统计振速、平均统计振幅、平均统计振速；
5、步骤s3、以所述振动参数及该基准作动筒的载荷为输入，基于预先训练好的bp神经网络模型，输出该基准作动筒的异常值；
6、步骤s4、根据所述异常值驱动与基准作动筒关联的异常指示灯进行闪烁。
7、优选的是，所述滑动监控窗口下的振幅是指在当前时刻之前预设的时间段内的振幅平均值，所述滑动监控窗口下的振速是指在当前时刻之前预设的时间段内的振速平均值，所述预设时间段为5s。
8、优选的是，步骤s3之前进一步包括对bp神经网络模型进行训练，具体包括：
9、步骤s301、基于作动筒的历史振动数据构建训练集并进行异常标记，对发生异常的作动筒，将其异常前预设作动筒集合的设定时间段划分为多个滑动监控窗口，并将该多个滑动监控窗口的多个作动筒统计数据及该滑动监控窗口最后时刻的异常作动筒的载荷标记为第一类数据，对应的异常值为1；对应的，将其异常前预设作动筒集合的设定时间段之外的时间段形成多个滑动监控窗口，该滑动监控窗口提取的数据标记为第二类数据，对应的异常值为0；
10、步骤s302、将第一bp神经网络模型构建为具有输入层、隐藏层及输出层三个层次，以训练集对所述bp神经网络模型进行训练，直至所述bp神经网络模型的参数收敛，获得训练好的bp神经网络模型。
11、优选的是，所述设定时间段为10s-15s。
12、优选的是，步骤s4包括：
13、当所述异常值超过阈值时，确定与所述异常值呈正相关的异常指示灯闪烁频率，按所述异常指示灯闪烁频率控制所述异常指示灯闪烁。
14、本申请第二方面提供了一种联合加载试验的异常作动筒快速识别装置，主要包括：
15、单作动筒参数获取模块，用于对每一个作动筒，获取滑动监控窗口下的振幅及振速；
16、作动筒集合参数获取模块，用于对于以某一作动筒为基准作动筒的预设作动筒集合，计算其内的所有作动筒的振动参数，所述振动参数包括最大统计振幅、最小统计振幅、最大统计振速、最小统计振速、平均统计振幅、平均统计振速；
17、作动筒异常值输出模块，用于以所述振动参数及该基准作动筒的载荷为输入，基于预先训练好的bp神经网络模型，输出该基准作动筒的异常值；
18、指示灯控制模块，用于根据所述异常值驱动与基准作动筒关联的异常指示灯进行闪烁。
19、优选的是，所述滑动监控窗口下的振幅是指在当前时刻之前预设的时间段内的振幅平均值，所述滑动监控窗口下的振速是指在当前时刻之前预设的时间段内的振速平均值，所述预设时间段为5s。
20、优选的是，所述作动筒异常值输出模块进一步包括对bp神经网络模型进行训练，具体包括：
21、训练集参数预处理单元，用于基于作动筒的历史振动数据构建训练集并进行异常标记，对发生异常的作动筒，将其异常前预设作动筒集合的设定时间段划分为多个滑动监控窗口，并将该多个滑动监控窗口的多个作动筒统计数据及该滑动监控窗口最后时刻的异常作动筒的载荷标记为第一类数据，对应的异常值为1；对应的，将其异常前预设作动筒集合的设定时间段之外的时间段形成多个滑动监控窗口，该滑动监控窗口提取的数据标记为第二类数据，对应的异常值为0；
22、模型训练单元，用于将第一bp神经网络模型构建为具有输入层、隐藏层及输出层三个层次，以训练集对所述bp神经网络模型进行训练，直至所述bp神经网络模型的参数收敛，获得训练好的bp神经网络模型。
23、优选的是，所述设定时间段为10s-15s。
24、优选的是，所述指示灯控制模块包括：
25、闪烁频率确定单元，用于当所述异常值超过阈值时，确定与所述异常值呈正相关的异常指示灯闪烁频率，按所述异常指示灯闪烁频率控制所述异常指示灯闪烁。
26、本申请能够协助试验人员对作动筒进行监控，提前进行异常预测以便及时应对处置。
本文档来自技高网...【技术保护点】
1.一种联合加载试验的异常作动筒快速识别方法，其特征在于，包括：
2.如权利要求1所述的联合加载试验的异常作动筒快速识别方法，其特征在于，所述滑动监控窗口下的振幅是指在当前时刻之前预设的时间段内的振幅平均值，所述滑动监控窗口下的振速是指在当前时刻之前预设的时间段内的振速平均值，所述预设时间段为5s。
3.如权利要求1所述的联合加载试验的异常作动筒快速识别方法，其特征在于，步骤S3之前进一步包括对BP神经网络模型进行训练，具体包括：
4.如权利要求3所述的联合加载试验的异常作动筒快速识别方法，其特征在于，所述设定时间段为10s-15s。
5.如权利要求1所述的联合加载试验的异常作动筒快速识别方法，其特征在于，步骤S4包括：
6.一种联合加载试验的异常作动筒快速识别装置，其特征在于，包括：
7.如权利要求6所述的联合加载试验的异常作动筒快速识别装置，其特征在于，所述滑动监控窗口下的振幅是指在当前时刻之前预设的时间段内的振幅平均值，所述滑动监控窗口下的振速是指在当前时刻之前预设的时间段内的振速平均值，所述预设时间段
8.如权利要求6所述的联合加载试验的异常作动筒快速识别装置，其特征在于，所述作动筒异常值输出模块进一步包括对BP神经网络模型进行训练，具体包括：
9.如权利要求8所述的联合加载试验的异常作动筒快速识别装置，其特征在于，所述设定时间段为10s-15s。
10.如权利要求6所述的联合加载试验的异常作动筒快速识别装置，其特征在于，所述指示灯控制模块包括：
...【技术特征摘要】
1.一种联合加载试验的异常作动筒快速识别方法，其特征在于，包括：
2.如权利要求1所述的联合加载试验的异常作动筒快速识别方法，其特征在于，所述滑动监控窗口下的振幅是指在当前时刻之前预设的时间段内的振幅平均值，所述滑动监控窗口下的振速是指在当前时刻之前预设的时间段内的振速平均值，所述预设时间段为5s。
3.如权利要求1所述的联合加载试验的异常作动筒快速识别方法，其特征在于，步骤s3之前进一步包括对bp神经网络模型进行训练，具体包括：
4.如权利要求3所述的联合加载试验的异常作动筒快速识别方法，其特征在于，所述设定时间段为10s-15s。
5.如权利要求1所述的联合加载试验的异常作动筒快速识别方法，其特征在于，步骤s4包括：
6.一...
【专利技术属性】
技术研发人员：卢杰，常亮，韩涛，张国凡，万春华，
申请(专利权)人：中国飞机强度研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。