[發明專利]對風洞試驗數據進行異常檢測的方法

有效

• 申請號: 202011188917.0
• 申請日: 2020-10-30
• 公開（公告）號: CN112362292B
• 公開（公告）日: 2021-12-14
• 發明（設計）人: 李清勇;張靖;孫文舉
• 申請（專利權）人: 北京交通大學
• 主分類號: G01M9/06
• 分類號: G01M9/06;G06N3/08
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 黃曉軍

1.一種對風洞試驗數據進行異常檢測的方法，其特征在于，包括：

以風洞試驗正常數據為基礎，根據風洞試驗數據異常規律生成風洞試驗異常仿真數據，將風洞試驗異常仿真數據與風洞試驗真實數據組成風洞試驗標準數據集；

將所述風洞試驗標準數據集中的所有風洞試驗數據轉化成固定長度的特征表示，組成統一長度的特征向量；

根據風洞試驗數據的特征向量利用孤立森林算法對風洞試驗數據進行屬性隨機選擇和切割處理，建立多棵孤立二叉樹，將所有的孤立二叉樹進行組合處理，構成了孤立森林；

根據待測的風洞試驗數據樣本在所述孤立森林中的平均遍歷路徑，對所述待測的風洞試驗數據樣本進行異常檢測；

所述的以風洞試驗正常數據為基礎，根據風洞試驗數據異常規律生成風洞試驗異常仿真數據，將風洞試驗異常仿真數據與風洞試驗真實數據組成風洞試驗標準數據集，包括：

將風洞試驗數據的異常分成3大類和6個小類，3大類為：孤立跳點異常、簇異常和整組實驗異常，孤立跳點異常包括軸向力CA孤立跳點和法向力CN孤立跳點兩個小類，簇異常包括CN模型碰支桿和CN多個跳點兩個小類，整組試驗異常包括CN斜率異常和CA整體偏大兩個小類；

根據各小類異常的數據異常規律，以風洞試驗正常數據為基礎生成各小類的風洞試驗異常仿真數據，在生成風洞試驗異常仿真數據時，數據及參數選擇按照隨機的原則，將生成的風洞試驗異常仿真數據與風洞試驗真實數據組成風洞試驗標準數據集，按照3:1:1的比例將風洞試驗標準數據集劃分成訓練集、驗證集和測試集。

2.根據權利要求1所述的方法，其特征在于，所述的風洞試驗數據的6個小類的異常規律如表1所示；

表1

其中，CN_abnormal(α_i)表示法向力CN異常曲線在攻角為α_i的值，CA_normal(α_i)表示軸向力CA正常曲線在攻角為α_i時的值，a為異常變化率，它的取值范圍為0到1，不同種類的異常取值不同，k(CN_abnormal)表示CN異常曲線的斜率。

3.根據權利要求1或2所述的方法，其特征在于，所述的將所述風洞試驗標準數據集中的所有風洞試驗數據轉化成固定長度的特征表示，組成統一長度的特征向量，包括：

從力分量本身和力分量曲線斜率兩個層面選擇13個設定特征，提取出所述風洞試驗標準數據集中的各個風洞試驗數據中的所述13個設定特征的特征值，將所有特征值按固定的順序拼接成13維的特征向量，以所述13維的特征向量來代替原始的風洞試驗數據；

所述13個設定特征包括CN的7個特征和CA的6個特征，CN的7個特征包括：CN的均值、方差、大攻角之差和期望變化率，以及CN分斜率的均值、方差和相鄰分斜率之差的最大值；大攻角之差指大于20度的相鄰攻角的CN值之差的最小值；期望變化率為每個CN值與期望CN值的變化率，當攻角為α_j時，CN期望變化率表示為：

分斜率是指兩個相鄰攻角之間的斜率，分斜率均值、方差計算方式與CN均值、方差相同；相鄰分斜率之差最大值表示為max|k_i-k_i+1|，其中k_i表示第i個分斜率；

所述CA的6個特征包括：CA的均值、方差和期望變化率以及CA分斜率的均值、方差和相鄰分斜率之差最大值。