[發明專利]一種氣動彈性系統顫振信號異常數據擴展方法

有效

• 申請號: 202010613882.4
• 申請日: 2020-06-30
• 公開（公告）號: CN111898327B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 鄭華;段世強;尚亞飛;趙東柱
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06N3/04;G06N3/08
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 王鮮凱

本發明涉及一種氣動彈性系統顫振信號異常數據擴展方法，基于生成對抗網絡中生成器的時間序列信號生成算法，僅需要少量氣動彈性系統或飛行器的結構響應信號出現了耦合共振的顫振信號就可以通過預訓練的生成器網絡對顫振數據集擴展，盡可能的使正常與異常的數據達到平衡，減少方法驗證過程中數據樣本對于方法的影響。本發明相比現有技術：將深度學習算法引入到氣動彈性系統振動信號的數據集擴展中，提供一種基于深度學習算法的顫振信號數據集擴展方法。基于預訓練的生成對抗網絡，通過少量耦合共振的實測風洞顫振試驗顫振信號實現基于高斯分布的隨機信號到具有顫振特征的顫振信號的轉變，達到擴展數據集的目的。

技術領域

本發明屬于氣動彈性系統數據處理方法，涉及一種氣動彈性系統顫振信號異常數據擴展方法。

背景技術

對于氣動彈性系統而言，顫振是由于氣動力、彈性力等相互耦合而形成的一種氣動彈性系統結構不穩定現象，正常運行的狀態監測數據比較容易獲得且數據量巨大。相反，對于系統異常運行下的狀態監測的數據通常在數據量方面相對于正常的數據較小，這一數據不平衡現象使得諸多的基于顫振信號與數據驅動的顫振類型判定、顫振邊界預測方法因為樣本量不足等問題而受到影響。

現有顫振信號處理中對于顫振判定、邊界預測等方法通常是基于仿真數據進行方法研究，然后通過實測的少數發生耦合的氣動彈性系統顫振試驗信號的進行方法驗證。由于仿真信號無法完全仿真出實際系統的結構響應信號，因此，對于一些對數據敏感度比較高的數據驅動的方法而言，氣動彈性系統的顫振信號異常數據與正常數據之間的不平衡問題亟待解決。

對于顫振發生情況下的氣動彈性系統的顫振信號數據獲取通常有兩個主要的途徑，一方面通過仿真環境或者風洞試驗的氣彈模型獲取，另一方面是實際的飛行器飛行試驗中人為的構建異常數據的數據庫，但是通常情況下，氣動彈性系統的長期異常運行具有破壞性，造成數據獲取困難，因此，通過上述方法獲取的數據存在以下兩個方面的問題：

1、仿真數據與實際飛行器飛行試驗的數據之間由于系統不同存在偏差，對于基于仿真數據研究的方法通常在實際的系統中應用時會出現魯棒性能不夠的情況。

2、由于實測的異常數據相對于正常情況下的數據量較小，總體來說，正常數據與異常數據之間不平衡，這一不平衡問題導致基于實測信號的顫振信號處理與數據驅動的研究方法通常對正常狀態有比較好的效果，而異常狀態由于樣本量的問題難以完全有效。

對于一個設計完善的飛行器，通常是處于正常運行的狀態，處于安全的原因極少人為的使其達到顫振臨界速度，一般來說對于實測的處于顫振邊界的顫振信號的獲去通常是在風洞試驗中，通過調整臨界風速迫使氣動彈性模型達到耦合共振以獲取顫振狀態的數據，但是相對而言，基于風洞試驗獲取的數據量較少，對于基于數據驅動的方法來說，通常表現為數據不平衡，難以達到驗證方法的目的。

通常為了擴展數據集常對實測風洞試驗數據采用抽樣插值等方法獲取。

發明內容

要解決的技術問題

為了避免現有技術的不足之處，本發明提出一種氣動彈性系統顫振信號異常數據擴展方法。

技術方案

一種氣動彈性系統顫振信號異常數據擴展方法，其特征在于步驟如下：

步驟1：通過計算機仿真生成指定采樣率的服從高斯分布的時間序列信號Z_{lantern_vector}作為預訓練的生成器G的輸入；

步驟2：預訓練的生成器網絡G對輸入的時間序列信號Z_{lantern_vector}進行特征提取與時間序列擬合，獲得具有氣動彈性系統結構耦合共振特征的時間序列信號；

對預訓練生成器網絡進行優化：