一种飞参应变预测模型的多参数优化方法与流程

1.本技术属于飞机强度设计技术领域，特别涉及一种飞参应变预测模型的多参数优化方法。


背景技术：

2.确定精准的飞机使用载荷是对飞机寿命进行预测和健康监控的基础。传统方法是通过实测数据编制实测载荷谱，进而进行载荷计算、全机应力求解才能得到关键部位的载荷和应力，从而进行损伤分析和评估，这一计算和分析过程涉及环节多、流程复杂，往往需要耗费巨大的人力和物力。借鉴先进的机器学习方法——支持向量机，从大量飞行使用数据中建立飞机关键结构应变预测模型，可以高效地对目标值进行预测。然而，应变预测模型中参数众多，参数取值的变化对于输出结果的精度有很大的影响，要想实现预测结果的高精准输出，需要对多个参数进行优化。


技术实现要素：

3.本技术的目的是提供了一种飞参应变预测模型的多参数优化方法，以解决或减轻上述至少一个问题。
4.申请提供的技术方案是：一种飞参应变预测模型的多参数优化方法，所述方法包括：
5.步骤一、将包含飞行参数数据和应变数据的数据集划分为训练集和预测集；
6.步骤二、对所有飞行参数数据进行归一化处理；
7.步骤三、选取核函数为径向基核函数；
8.步骤四、建立基于支持向量机的飞参-应变预测模型；
9.步骤五、选取目标函数；
10.步骤六、设置飞参-应变预测模型中多个参数的取值范围；
11.步骤七、搜寻多个参数的最优取值，满足目标函数的要求。
12.进一步的，在将包含飞行参数数据和应变数据的数据集划分为训练集和预测集的过程中，数据集按介于8:2和7:3之间的比例划分为训练集和预测集。
13.进一步的，对所有飞行参数数据进行归一化处理时，归一化到区间[-1,1]：
[0014][0015]
式中，x表示某一列飞参，x’表示归一化后的某一列飞参，x
max
和x
min
分别是该列飞参中的最大值和最小值。
[0016]
进一步的，步骤三中，选取核函数k(x,y)为径向基核函数为：
[0017][0018]
式中，x、y均为数据集的样本，σ为核半径。
[0019]
进一步的，步骤四中，建立基于支持向量机的飞参-应变预测模型为：
[0020]
式中，f(x)是预测集中的飞参样本对应的应变预测值，x是预测集的飞参样本，xi表示训练集的第i个飞参样本，m为训练集样本数为个，βi和b为预测模型参数。
[0021]
进一步的，步骤五中，选取的目标函数为决定系数r2：
[0022][0023]
式中，yj为预测集中的第j个样本对应的应变真实值，为相应的预测值，为预测集中所有应变真实值的均值，n为预测集样本数。
[0024]
进一步的，步骤六中，设置的飞参-应变预测模型中的多个参数包括模型中惩罚系数c、不敏感系数ε以及核半径σ及其取值范围。
[0025]
进一步的，步骤七中搜寻多个参数的最优取值过程为：
[0026]
固定多个参数中的两个参数的取值，改变另一个参数的取值，不停地搜寻三个参数的最佳取值，使目标函数为r2大于等于某一阈值。
[0027]
本技术提供的飞参应变预测模型多参数优化方法能够快速得到多个参数的最优取值范围，使得飞机关键结构预测应变的输出满足精度要求，节省了大量的人力和物力，该方法可广泛应用于航空航天结构强度分析和健康监控之中。
附图说明
[0028]
为了更清楚地说明本技术提供的技术方案，下面将对附图作简单地介绍。显而易见地，下面描述的附图仅仅是本技术的一些实施例。
[0029]
图1为本技术的飞参应变模型的多参数优化方法示意图。
[0030]
图2为本技术实施例中的应变预测值和应变真实值的线性拟合示意图。
具体实施方式
[0031]
为使本技术实施的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行更加详细的描述。
[0032]
为了实现飞机关键结构飞参-应变预测模型的高精准输出，为飞机结构健康监控提供支持，本技术提出了一种在基于支持向量机的飞参-应变预测模型基础上的多参数优化方法，研究多个参数的变化对于输出应变精度的影响。
[0033]
如图1所示，本技术提供的飞参应变模型的多参数优化方法具体包括如下过程：
[0034]
步骤一、将包含飞行参数数值和应变数值的数据集划分为训练集和预测集。
[0035]
对某型飞机关键结构进行改装，在改装后的结构部位附近粘贴应变计，进行应变数据的采集，同时记录飞行参数数据。将获取的众多数据中截取一段作为样本，本实施例中截取的样本数为6500。
[0036]
根据比例关关系，将6500个样本数据集划分为样本数为5000的训练集和样本数为1500的预测集，每一个样本均包含23个飞参(参见表1)数值和对应的1个应变数值。
[0037]
表1飞行参数列表
[0038]
序号参数含义序号参数含义1ailpos_l左副翼位置13mach马赫数2ailpos_r右副翼位置14n1_1左发n1转速3alt气压高度15n1_2右发n1转速4aoa迎角16n2_1左发n2转速5cas校准空速17n2_1c右发n2转速6elpos_l左升降舵位置18pitch_rate俯仰角速率7elpos_r右升降舵位置19roll横滚角8ff_1燃油流量120rudderpos方向舵位置9ff_2燃油流量221tat大气温度10flap_1襟翼位置122tfuel总燃油量11flap_2襟翼位置223vrtg法向过载12ltacc侧向过载
ꢀꢀꢀ
[0039]
步骤二、对飞参数据进行归一化处理。
[0040]
对每个样本中的23个飞参数值进行归一化处理，归一化到区间[-1,1]：
[0041][0042]
式中，x表示某一列飞参数值，x’表示归一化后的某一列飞参数值，x
max
和x
min
分别是该列飞参中的最大值和最小值。
[0043]
步骤三：选取核函数k(x,y)为径向基核函数，径向基核函数表达式为：
[0044][0045]
式中，x、y均为数据集的样本，σ为核半径；
[0046]
步骤四：建立基于支持向量机的飞参-应变预测模型：
[0047][0048]
式中，xi表示训练集的第i个飞参样本，是一个向量，该实施例中的训练集样本数为m＝5000个。x是预测集的飞参样本，βi和b为预测模型的参数，f(x)为预测集中的飞参样本对应的应变预测值。
[0049]
经过支持向量机训练后，βi和b与惩罚系数c、不敏感系数ε以及核半径σ这三个参数有关。
[0050]
步骤五：选取目标函数，目标函数为决定系数r2：
[0051][0052]
式中，yj为预测集中的第j个样本对应的应变真实值，为相应的预测值，为预测集中所有应变真实值的均值，该实施例中的预测集样本数为n＝1500个。
[0053]
目标函数选取的决定系数r2或者拟合优度，常用于评价回归模型的优劣程度，r2越大，其值越接近1，表示模型预测效果越好。
[0054]
步骤六：设置飞参-应变预测模型中的惩罚系数c、不敏感系数ε以及核半径σ的取值范围。
[0055]
该实施例中，惩罚系数c＝[100，2000]，增加步长为100；不敏感系ε＝[0.1,1.0]，增加步长为0.1；核半径σ＝[0.01,0.1]，增加步长为0.01。
[0056]
步骤七：设置决定系数r2的最低值并进行最佳参数取值范围的搜寻。
[0057]
在该实施例中，决定系数r2最低值(阈值)设为0.98。
[0058]
搜寻后得到满足要求的结果以列表保存，一共262组，如表2所示。
[0059]
表2搜寻到满足要求的多个参数的取值列表
[0060][0061]
选取任一组参数均可作为飞参应变预测模型的多参数最优解。
[0062]
本实施例中，选取了c＝1900、ε＝0.3、σ＝0.05进行飞参-应变预测，预测值和真实值进行比较，二者的线性拟合如图2所示，r2＝0.9871，匹配度良好。
[0063]
本技术提供的飞参应变预测模型多参数优化方法能够快速得到多个参数的最优取值范围，使得飞机关键结构预测应变的输出满足精度要求，节省了大量的人力和物力，该方法可广泛应用于航空航天结构强度分析和健康监控之中。
[0064]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何
熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。