用于预测航空器平台环境温度的方法

技术领域

本发明涉及航空工程领域，特别涉及一种用于预测航空器平台环境温度的方法。

背景技术

温度是影响航空装备性能和诱发故障的主要原因，高温、低温和温度快速变化等环境因素会对装备产生各种不利影响，同时温度也是其它环境效应的“倍增器”，例如高温环境下金属腐蚀速率会加快。对于航空器来说，飞行中的气动加热、太阳对航空器外表面的辐射加热以及内部电子设备的自身发热等多种因素导致航空器平台的温度环境更加严酷。因此，在研制阶段需要准确确定平台环境温度，并据此开展设计与试验验证工作，是确保航空器安全和设备使用的重要前提。

目前确定航空器平台环境温度最有效方法是进行温度实测，但是受成本和安全性等因素的制约，实测数据的样本量相对较少，并且通常无法测得航空器平台环境的温度极值。因此常用的工程解决方法是在已有实测数据的基础上，通过建立航空器状态参数和平台温度响应之间的传热模型，进而对温度极值进行预测。

由于航空器的平台环境温度受航空器飞行高度、飞行速度、内部热源和有无环控等诸多因素影响，而且不同区域之间每种因素的影响程度也不相同，因此传统的仅考虑温度变化的传热模型的精度不能满足预测的要求，需要根据不同区域的热环境特征，建立相应的传热模型，从而实现平台环境温度的精确预测。

发明内容

针对现有技术存在的问题，本发明提供一种用于预测航空器平台环境温度的方法，首先根据航空器的温度响应值相互之间的距离，利用聚类分析算法，将n组温度响应值分成m个温度子集合u

本发明提供了一种用于预测航空器平台环境温度的方法，具体实施步骤如下：

S1、在航空器目标舱室的不同区域布置n组温度测点，测量航空器执行一个任务周期后的n组温度响应值T

S2、根据步骤S1测得的航空器的温度响应值相互之间的距离，利用聚类分析算法，将n组温度响应值分成m个温度子集合u

U＝u

S3、在航空器的空间域内，确定与步骤S2得到的温度子集合u

S4、建立航空器的每个温度子集合u

Q

式中，Q

S5、根据航空器的传热分析，分别确定每个温度子集合u

Q

式中，A

S6、根据每个温度子集合u

S7、根据步骤S6划分影响因素的类型，对步骤S5的传热模型进行优化，计算传热模型中每项等同航空器目标舱室温度变化的线性相关系数，得到优化后的传热模型表达式为：

Q

式中，C

S8、利用温度实测数据对步骤S7中的传热方程进行参数辨识，获取温度预测模型；

S9、将航空器在任务状态下的相关参数输入到温度预测模型，实现航空器平台环境温度预测。

可优选的是，在步骤S2中，所述聚类分析算法是将所有温度响应值相互之间的某一距离作为阈值，将小于阈值的温度响应值分为子集合，高于阈值的温度响应值分为不同子集合，确保每个子集合内温度响应值相互之间的距离均小于阈值，每个子集合相互之间的距离均大于阈值。

可优选的是，所述温度子集合u

可优选的是，在步骤S5中，在步骤S5中，Q

可优选的是，所述Q

可优选的是，在步骤S6中，所述稳定项为一个任务周期内量值稳定的项，其包括航空器的长度、厚度和体积。

可优选的是，在步骤S6中，所述趋势变化项为随着航空器的一个或多个参数变化而相应出现固定规律变化的项，其包括对流换热系数、热传导系数和定压热容。

可优选的是，所述相关参数，其包括飞行历程下的高度、飞行历程下的马赫数和自然环境温度。

本发明与现有技术相比，具有如下优点：

1.本发明通过传热分析，将传热模型分为趋势变化项和稳定项。考虑趋势变化项中各物理量随飞行状态的变化规律，将趋势变化项转化为变量的模式；将常数项提取，并入稳定项，从而构建出与真实物理变化规律更加吻合的温度预测模型，减少传统模型的预测误差，提高模型的预测精度。

2.本发明采用聚类分析方法对温度实测数据进行分析，将相同属性的温度实测数据归类，确保同一区域的温度实测数据相似度最高，不同区域的温度实测数据相似度最低，有效地挖掘出温度实测数据的内在属性，确保了温度分区的合理性。在此基础上采用相应的传热方程对每个区域的温度实测数据进行拟合回归，有效提高建模效率和模型预测精度。

附图说明

图1A和图1B分别为本发明用于预测航空器平台环境温度的方法中航空器的预测效果检验图；

图2为本发明用于预测航空器平台环境温度的方法中航空器的误差分布图；

图3为本发明用于预测航空器平台环境温度的方法的流程图。

具体实施方式

为详尽本发明之技术内容、所达成目的及功效，以下将结合说明书附图进行详细说明。

用于预测航空器平台环境温度的方法是这样实现的，如图3所示：

S1、在航空器目标舱室的不同区域布置n组温度测点，测量航空器执行一个任务周期后的n组温度响应值，即T

S2、根据步骤S1测得的航空器的温度响应值相互之间的距离，利用聚类分析算法，将n组温度响应值分成m个温度子集合u

U＝u

具体而言，聚类分析算法，是指将对象分组为由类似的对象组成的多个类的分析过程，属于无监督学习。进一步的，在本发明的一个优选实施例中，是将所有温度响应值相互之间的某一距离作为阈值，将小于阈值的温度响应值分为子集合，高于阈值的温度响应值分为不同子集合，确保每个子集合内温度响应值相互之间的距离均小于阈值，每个子集合相互之间的距离均大于阈值。

S3、在航空器的空间域内，确定与步骤S2得到的温度子集合u

S4、建立航空器的每个温度子集合u

Q

式中，Q

具体而言，热量平衡方程，是指温度不同的两个或几个系统之间发生热量的传递，直至系统的温度相等。

S5、根据航空器的传热分析，分别确定每个温度子集合u

Q

式中，A

具体而言，各项分别通过影响因素表示的形式，其包括热传导和对流换热的形式。Q

S6、根据每个温度子集合u

进一步的，稳定项为一个任务周期内量值稳定的项，其包括航空器的长度、厚度和体积。趋势变化项为随着航空器的一个或多个参数变化而相应出现固定规律变化的项，其包括对流换热系数、热传导系数和定压热容。

S7、根据步骤S6划分影响因素的类型，对步骤S5的传热模型进行优化，计算传热模型中每项等同航空器目标舱室温度变化的线性相关系数，并剔除线性相关系数小于0.7的项，得到优化后的传热模型表达式为：

Q

式中，C

S8、利用温度实测数据对步骤S7中的传热方程进行参数辨识，获取温度预测模型；

S9、将航空器在任务状态下的相关参数输入到温度预测模型，实现温度预测。

在本发明的一个优选实施例中，相关参数，其包括飞行历程下的高度、飞行历程下的马赫数和自然环境温度。模型参数辨识，是指基于温度实测数据，采用多元回归等方法，确定传热模型中各个未知数。

以下结合实施例对本发明一种用于预测航空器平台环境温度的方法做进一步描述：

S1、在航空器目标舱室的不同区域布置30组温度测点，测量航空器执行一个任务周期后的30组温度响应值，即T

S2、根据步骤S1测得的航空器的温度响应值相互之间的距离，利用聚类分析算法，将30组温度响应值分成8个温度子集合，其中每个集合中实测数据的凝聚度最高，不同集合之间的分离度最大，据此实现对航空器的温度环境分区。分区结果如表1所示。

表1航空器温度环境分区结果

S3、在航空器的空间域内，确定与步骤S2得到的温度子集合u

表2相邻区域集合

S4、分别建立航空器的温度子集合u

Q

式中，Q

S5、根据航空器的传热分析，确定温度子集合u

A

式中，A

S6、根据温度子集合u

稳定项，一般为物性参数或受温度影响变化不大的参数，包括A

趋势变化项，受温度影响较大或者随航空器飞行状态变化的参数，包括A

S7、根据步骤S6划分影响因素的类型，对步骤S5的传热模型进行优化，将其中的趋势变化项进行分解，再与稳定项进行归并，计算传热模型中每项等同航空器目标舱室温度变化的线性相关系数，并剔除线性相关系数小于0.7的项，得到u

k

式中，C

S8、利用温度实测数据对步骤S7中的传热方程进行参数辨识，获取温度预测模型，得到传热模型扩散项系数C0～C5。经计算，C0～C5量值如表3所示。

表3模型参数计算结果

通过上述计算，可得航空器中温度子集合u

T

+(3.35e-04)(T

式中，上角标n和n+1分别表示第n时刻和n+1时刻。

S9、将航空器在任务状态下的相关参数输入到温度预测模型，实现温度预测，将未参与建模的温度实测数据作为检验样本，验证传热模型的精度。以航空器目标舱室的一飞行为例，从起飞到着陆各个时间温度环境预测误差如图1A和图1B所示。在整个飞行历程中，应用本方法建立温度预测模型，将传热模型分为趋势变化项和稳定项。考虑趋势变化项中各物理量随飞行状态的变化规律，将趋势变化项转化为变量的模式；将常数项提取，并入稳定项，从而构建出与真实物理变化规律更加吻合的温度预测模型，预测误差最大仅为1.7℃，预测曲线同实际数据变化高度一致，有效地挖掘出温度实测数据的内在属性，确保了温度分区的合理性，消除了传统工作中预测滞后的问题，预测贴近真实服役环境，大大提高了温度环境预测的精度。统计近150000个样本数据预测的绝对误差，如图2所示。由误差分布图可知，本发明传热模型的预测精度满足实际要求，有效提高建模效率和模型预测精度。

以上所述的实施例仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。