【技术实现步骤摘要】
本专利技术涉及结冰风洞试验的冰形数据处理，具体涉及一种减小试验冰形误差的方法。
技术介绍
1、目前，飞机结冰的研究手段有飞行试验、结冰风洞试验和数值仿真。在目前的工业技术水平下，对于等直段模型的结冰风洞试验，即使结冰风洞的品质完全满足行业标准的要求，但其流场、云雾场和温度场在空间上的不均匀性和时间上的不稳定性仍然能够导致不仅在单次试验中冰形沿模型展向呈现明显差别，在多次重复性试验中，各冰形之间也存在明显差别，即结冰风洞试验的重复性误差较大。
2、有两种途径来减小结冰风洞试验的误差：一是提高结冰风洞设备对流场、云雾场和温度场的控制精度，提高单次试验的准确度，这种途径牵涉到的技术较广，进展缓慢；另一个途径是进行多次重复性试验，然后对重复性试验数据进行处理，在后处理阶段减小或消除冰形的误差，获得一种最接近目标冰形的试验冰形。
3、由于结冰风洞试验的特殊性，在目前公开的资料中还鲜见关于该项试验重复性误差的评价方法和减小试验冰形重复性误差的手段方面的研究。
技术实现思路
1、本专利技术的目的在于提供一种减小试验冰形误差的方法，该方法可以减小三维试验冰形的误差，提高结冰风洞试验的准确度，成本更低，操作更简单，理论更清晰，实用性更强，效果更显著。
2、本专利技术通过以下技术方案来实现上述目的：
3、一种减小试验冰形误差的方法，该方法包括以下步骤：
4、在同一试验模型和相同结冰条件下进行n次重复性结冰风洞试验；
5、在单次试验
6、在同一位置基准条件下，将获取到的n组三维试验冰形的点云数据置于同一数据空间，实现对n组点云数据进行重叠；
7、将重叠后的点云数据沿模型高度方向投影到二维平面上获得二维重叠点云数据；
8、使用基于blsom神经网络的聚类算法对二维重叠点云数据进行聚类，获得二维平均冰形；
9、使用概率统计方法计算出二维平均冰形的公差带，为冰形的误差范围提供定量描述；
10、使用二维平均冰形及其公差带组合的方式来定量描述目标冰形；
11、利用kriging回归模型对冰形曲线上的特征点进行回归插值，得到滤除数值化冰形曲线上噪声点的光滑参数化冰形曲线。
12、根据本专利技术提供的一种减小试验冰形误差的方法，所述获得三维试验冰形的点云数据，包括：
13、根据试验冰形的特性和扫描要求，设置扫描参数，以确保扫描参数能够捕捉到试验冰形的所有重要特征；
14、将三维数字扫描仪对准试验冰形，按照预设的扫描路径进行扫描；
15、对扫描得到的点云数据进行去噪处理，若进行了多次扫描，则将不同角度和位置的点云数据进行拼接，以形成完整的三维试验冰形模型；
16、对点云数据进行进一步的分析和处理，以获得三维试验冰形的点云数据。
17、根据本专利技术提供的一种减小试验冰形误差的方法，所述实现对n组点云数据进行重叠，包括：
18、对每一组点云数据进行质量检查，确保所有点云数据都在相同的坐标系统下；
19、粗配准：选取两组点云数据中的特征点，通过计算这些特征点之间的对应关系，求得一个初步的旋转平移矩阵；然后，利用该矩阵将一组点云数据变换到另一组点云的坐标系下，实现初步的重合；
20、精配准：在粗配准的基础上，icp算法通过迭代地寻找最近点对，并优化旋转平移矩阵，使得两组点云之间的误差最小；
21、将配准后的点云数据合并到同一个数据集中；
22、将合并后的点云数据进行去重和滤波处理，以提高数据质量；
23、形成重叠后的点云数据三维模型。
24、根据本专利技术提供的一种减小试验冰形误差的方法，所述获得二维重叠点云数据，包括：
25、确认投影方向，该投影方向是沿模型的高度方向；
26、加载已经重叠并处理好的点云数据三维模型；
27、确定一个二维平面作为投影目标，遍历点云数据中的每一个点，将其坐标从三维(x,y,z)转换为二维(x,y)；
28、对投影后的二维重叠点云数据进行滤波和去噪处理，以去除由于投影过程中产生的噪声或异常点。
29、根据本专利技术提供的一种减小试验冰形误差的方法，在计算二维平均冰形时，包括以下步骤：
30、定义二维重叠点云数据的输入数据集x；
31、在使用基于blsom神经网络的聚类算法时，选择一维线阵作为神经网络的拓扑结构，根据具体冰形来确定神经元的数量，确定神经元数量m，学习次数为k；
32、使用主成分分析法pca确定神经元初始权重矢量，表示为以下公式：
33、bi＝xav+5×σ1×t1×(i-m/2)/m
34、其中，bi为第i个神经元的权重矢量，xav为数据集x的平均矢量，σ1为由pca确定的第一个主成分的标准差，t1为由pca确定的第一个主成分的特征矢量。
35、根据本专利技术提供的一种减小试验冰形误差的方法，将数据集x中的数据点分配到临近神经元中，形成m个点簇，并按照以下公式更新神经元权重矢量：
36、binew＝bi+α(r)×(xiav-bi)
37、其中，xiav表示第i个神经元所分配的所有点云数据的位置平均矢量，α(r)表示第r次的学习效率，由以下公式确定：
38、α(r)＝max{0.01,0.06×(1-r/1000)}
39、在经过k次学习后，获得m个神经元的最终权重矢量，各神经元位于其所在点簇的中心；
40、用直线段按照神经元自身的拓扑结构将各神经元连接起来，形成流形β，该流形β称为重叠后的点云数据沿高度方向的二维平均冰形。
41、根据本专利技术提供的一种减小试验冰形误差的方法，在计算二维平均冰形的公差带时，使用基于blsom神经网络的聚类算法将点云数据聚类，形成了一系列点簇，每个簇由居于中心的获胜神经元来代表，因此簇中数据点相对于获胜神经元的标准差代表数据点的离散度，用于表示获胜神经元的不确定度。
42、根据本专利技术提供的一种减小试验冰形误差的方法，假定流形β是二维空间中的一阶流形，其特征是在每个神经元bn处，流形β的局部斜率等于由两个最近的神经元bn-1和bn+1确定的直线的斜率；假设点云数据与流形β的所有偏差都与流形β垂直，即任意点云数据点xj与流形β的偏差，等于xj在其获胜神经元bn的法向的投影高度。
43、根据本专利技术提供的一种减小试验冰形误差的方法，定义单个点云数据点xj、xj的获胜神经元bn、和在流形β上bn的两个相邻神经元bn-1和bn+1。
44、数据点xj相对流形β在神经元bn处的位置偏差dnx/j的计算公式为以下公式：
45、dnx/j＝h×cos(γx/j-χb/n)
46、其中，h＝[(本文档来自技高网...
【技术保护点】
1.一种减小试验冰形误差的方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述获得三维试验冰形的点云数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述实现对n组点云数据进行重叠，包括：
4.根据权利要求3所述的方法，其特征在于，所述获得二维重叠点云数据，包括：
5.根据权利要求1所述的方法，其特征在于：
6.根据权利要求5所述的方法，其特征在于：
7.根据权利要求6所述的方法，其特征在于：
8.根据权利要求6所述的方法，其特征在于：
9.根据权利要求6所述的方法，其特征在于：
10.根据权利要求9所述的方法，其特征在于，还执行：
【技术特征摘要】
1.一种减小试验冰形误差的方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述获得三维试验冰形的点云数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述实现对n组点云数据进行重叠，包括：
4.根据权利要求3所述的方法，其特征在于，所述获得二维重叠点云数据，包括：
【专利技术属性】
技术研发人员：朱百六，温庆，杨康智，陈春鹏，
申请(专利权)人：中航通飞华南飞机工业有限公司，
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。