基于特征提取的风洞测量数据处理方法

技术领域

本发明涉及风洞测量数据处理技术领域，更具体地说，它涉及基于特征提取的风洞测量数据处理方法。

背景技术

超燃冲压发动机作为一种推进动力装置，可以经济可靠地实现高超声速飞行目标。目前，在Ma8以上的高马赫数飞行条件下，超燃冲压发动机地面试验的主要设备是风洞。该设备能够模拟真实飞行条件，产生高焓值的试验气流，但受到设备工作原理限制，激波驱动的试验气流的有效时间仅为毫秒量级。在如此短的时间内，如何从传感器测量得到的海量原始数据中，快捷准确地提取真实有效的测量数据，以便评估发动机的燃烧特性和推进性能，是风洞发动机试验领域亟待解决的重要技术难题。

目前，发动机不同位置测点的数据一般简单地选择某一时段同时进行平均化处理，没有考虑气流流经各个测点的物理过程和时间延迟，也没有考虑各个测点传感器布置引起的数据稳定时间，导致该方法处理得到的试验数据存在较大误差，不能反映真实的发动机工作特性。为尽量减小误差，同时提高处理效率和便捷度，本发明旨在提出一种基于特征提取的风洞测量数据处理方法，以解决上述问题。

发明内容

本发明的目的是提供基于特征提取的风洞测量数据处理方法，本发明依据风洞的空气动力学原理，在拉格朗日坐标系下，将试验数据(压力、热流和温度等)建立为测点位置和测量时刻的二元函数，并以该函数来描述发动机试验中真实的气体流动物理过程，且应用滤波技术进行提取该函数的时间特征，然后基于提取得到的特征进行数据时移、平均、无因次化和误差分析，能够实现海量数据的高准确率及高效地处理。

本发明的上述技术目的是通过以下技术方案得以实现的：基于特征提取的风洞测量数据处理方法，具体包括以下步骤：

S1、定义数据函数，在拉格朗日坐标系下，将发动机不同测点的压力数据定义为函数P(x,t)，其中，x表示测点位置，若测点的数量共100个，则x的取值范围为：[1，2…100]，t表示测量时刻，若测量时长共1秒，测量频率为1MHz，则t的取值范围为：[1，2，…106]；

S2、基于滤波技术进行数据特征的提取，将风洞喷管数据作为基准，采用滤波技术提取测量数据的特征，然后进一步处理发动机测点数据；

S3、数据处理，根据步骤S2，对发动机测点数据进行处理，具体包括以下步骤：

1)对发动机各测点的数据分别进行时移处理，且发动机各测点的时移长度的计算公式为：ΔT(x)＝T(x,B)-T(0,B)，其中，T(0,B)表示风洞喷管位置测点的试验开始时刻，T(X，B)表示发动机测点的试验开始时刻；

2)采用风洞喷管的测量值对发动机测点的测量值进行无因次化处理，且无因次化的计算公式为：

3)将有效试验时间内的压力数据进行平均化处理，且平均化处理的计算公式为：

4)采用有效试验时间内的发动机各测量点的最大测量值和最小测量值来计算误差带，且误差带的计算公式为：

根据步骤1)至步骤4)对发动机测点数据的处理，将发动机各个测点的压力值表示为：

进一步地，步骤S2提取测量数据的特征的过程中，将风洞喷管的位置定义为0号测点，且0号测点的数据特征共以下5个时刻点：T(0,A)表示测量开始时刻，P(0,A)为测量开始时刻的喷管压力，T(0,B)表示试验开始时刻，P(0,B)为试验开始时刻的喷管压力，T(0,C)表示试验气流达到稳定时刻，P(0,C)为试验气流达到稳定时刻的喷管压力，T(0,D)表示试验有效时间结束时刻，P(0,D)为试验有效时间结束时刻的喷管压力，T(0,E)表示测量结束时刻，P(0,E)为测量结束时刻的喷管压力。

综上所述，本发明具有以下有益效果：本发明通过建立符合风洞发动机试验真实物理过程的测量数据函数，然后采用滤波方法提取该测量数据函数的时间特征，基于所提取的特征能够准确且高效地进行数据处理，通过对数据进行时移、平均、无因次化和误差分析处理，能够在提高处理效率和便捷度的同时，减小处理得到的试验数据的误差。

附图说明

图1是本发明实施例中流程图；

图2是风洞发动机试验示意图；

图3是本发明实施例中基于滤波技术的风洞喷管测量数据特征提取示意图。

具体实施方式

以下结合附图1-3对本发明作进一步详细说明。

实施例：基于特征提取的风洞测量数据处理方法，如图1所示，具体包括以下步骤：

S1、定义数据函数，在拉格朗日坐标系下，将发动机不同测点的压力数据定义为函数P(x,t)，其中，x表示测点位置，若测点的数量共100个，则x的取值范围为：[1，2…100]，t表示测量时刻，若测量时长共1秒，测量频率为1MHz，则t的取值范围为：[1，2，…106]。

S2、基于滤波技术进行数据特征的提取，将风洞喷管数据作为基准，采用滤波技术提取测量数据的特征，然后进一步处理发动机测点数据。在该步骤中，根据风洞的工作原理，风洞试验气流可以看作一个控制体整体从风洞喷管向下游流入发动机，喷管和发动机的测量数据具有相同的时间特征，基于滤波技术的风洞喷管测量数据特征提取示意图如图2所示。

S3、数据处理，根据步骤S2，对发动机测点数据进行处理，具体包括以下步骤：

1)对发动机各测点的数据分别进行时移处理，且发动机各测点的时移长度的计算公式为：ΔT(x)＝T(x,B)-T(0,B)，其中，T(0,B)表示风洞喷管位置测点的试验开始时刻，T(X，B)表示发动机测点的试验开始时刻。在本实施例中，风洞的有效时间仅为毫秒量级，试验气流具有典型的瞬态工作特性，发动机测点测量到的气流参数与风洞喷管测量值具有特定的时间延迟，为准确掌握这一时间相关性，从而对发动机各测点的数据分别进行时移处理。

2)为消除不同车次间试验气流参数引起的误差，采用风洞喷管的测量值对发动机测点的测量值进行无因次化处理，且无因次化的计算公式为：

3)为消除燃烧振荡对发动机性能评估的影响，将有效试验时间内的压力数据进行平均化处理，且平均化处理的计算公式为：

4)为表征数据误差，采用有效试验时间内的发动机各测量点的最大测量值和最小测量值来计算误差带，且误差带的计算公式为：

根据步骤1)至步骤4)对发动机测点数据的处理，将发动机各个测点的压力值表示为：

其中，步骤S2提取测量数据的特征的过程中，将风洞喷管的位置定义为0号测点，且0号测点的数据特征共以下5个时刻点：T(0,A)表示测量开始时刻，P(0,A)为测量开始时刻的喷管压力，T(0,B)表示试验开始时刻，P(0,B)为试验开始时刻的喷管压力，T(0,C)表示试验气流达到稳定时刻，P(0,C)为试验气流达到稳定时刻的喷管压力，T(0,D)表示试验有效时间结束时刻，P(0,D)为试验有效时间结束时刻的喷管压力，T(0,E)表示测量结束时刻，P(0,E)为测量结束时刻的喷管压力。A至E等5个时刻的数据由风洞喷管的测量数据直接读出。与之类似，发动机各测点同样具有上述5个特征数据，但各个测点的A-E的具体时间各不相同。

在本发明的上述实施例中，通过建立符合风洞发动机试验真实物理过程的测量数据函数，然后采用滤波方法提取该测量数据函数的时间特征，基于所提取的特征能够准确且高效地进行数据处理，通过对数据进行时移、平均、无因次化和误差分析处理，能够在提高处理效率和便捷度的同时，减小处理得到的试验数据的误差。

本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。