基于混合特征选择算法的飞机机翼载荷实测方法

摘要

本发明公开了一种基于混合特征选择算法的飞机机翼载荷实测方法,实现的步骤为：(1)生成初始训练集；(2)数据预处理；(3)生成初始种群矩阵；(4)生成个体矩阵；(5)求解个体矩阵的系数矩阵；(6)计算系数矩阵的适应度；(7)生成种群矩阵；(8)判断是否终止；(9)获得最优系数矩阵；(10)计算实际飞行中的机翼载荷。本发明采用单独特征选择法对初始训练集进行预处理，删除与目标载荷不相关以及弱相关的应变电桥数据，然后迭代生成种群矩阵并计算种群矩阵的适应度获得最优系数矩阵，从而提高对飞机机翼载荷实测的精度，同时生成梯度矩阵并沿着负梯度矩阵方向对系数矩阵进行搜索从而获取系数矩阵。

主权项

一种基于混合特征选择算法的飞机机翼载荷实测方法，包括如下步骤：(1)生成初始训练集：(1a)在飞机机翼上安装覆盖机翼所有传力路径的多个应变电桥；(1b)在飞机机翼上，采用分段加载方式加载载荷，记录与载荷对应的所有应变电桥的响应值；(1c)将所有的载荷值与其对应的应变电桥响应值组成初始训练集；(2)数据预处理：采用单独特征选择法，对初始训练集进行过滤，获得训练集；所述的单独特征选择法，按照如下步骤进行：第一步，采用下式，分别计算每个应变电桥与载荷之间的相关系数：$r=\frac{\mathrm{cov}(\mu ,l)}{{\sigma }_{\mu }{\sigma }_l}$其中，r表示应变电桥与载荷之间的相关系数，cov(μ,l)表示由初始训练集中每个应变电桥的所有的响应值与初始训练集中所有的载荷值计算得到的协方差值，μ表示初始训练集中每个应变电桥的所有的响应值，l表示初始训练集中所有的载荷值，σ_μ表示由初始训练集中每个应变电桥的所有的响应值计算得到的标准差值，σ_l表示由初始训练集中所有的载荷值计算得到的标准差值；第二步，将应变电桥与载荷的相关系数r分别与相关度阀值δ进行比较：如果r≥δ，则保留初始训练集中该应变电桥所有的响应值；如果r<δ，则从初始训练集中删除该应变电桥的所有的响应值；第三步，将初始训练集中保留的数据组成训练集；(3)生成初始种群矩阵：随机生成0或1的元素，将生成的元素组成2^N‑1×N初始种群矩阵，其中N表示初始种群矩阵的列数，初始种群矩阵的列数N与训练集中应变电桥的个数相等，将该初始种群矩阵作为第一代种群矩阵，将种群矩阵的迭代次数设置为1；(4)生成个体矩阵：从种群矩阵每一行中选取元素值为1的所有元素，将所选元素对应的训练集中应变电桥的所有的响应值组成M个个体矩阵，其中M表示个体矩阵的个数，个体矩阵的个数M与种群矩阵的行数相等；(5)求解个体矩阵的系数矩阵：(5a)采用随机方式，生成W个k×1的初始系数矩阵，其中W表示初始系数矩阵的个数，初始系数矩阵的个数W与个体矩阵的个数M相等，k表示初始系数矩阵的行数，初始系数矩阵的行数k与对应的个体矩阵的列数相等；(5b)采用下式，计算每个初始系数矩阵的误差矩阵：e＝Uθ‑L其中，e表示初始系数矩阵的误差矩阵，U表示初始系数矩阵对应的个体矩阵，θ表示初始系数矩阵，L表示训练集中所有的载荷值l组成的载荷值矩阵；(5c)用初始系数矩阵的误差矩阵与该初始系数矩阵所对应的个体矩阵的对应位元素值相乘，将相乘后的元素值组成中间矩阵；(5d)用中间矩阵与初始系数矩阵相加，得到梯度矩阵；(5e)沿着负梯度矩阵方向搜索系数矩阵，获得系数矩阵；(6)计算系数矩阵的适应度：采用下式，分别计算每个系数矩阵的适应度：$\sigma =\sqrt{\frac{\Sigma {(L_j-U_j{\theta }^{\prime })}^2}{p-q-1}}$其中，σ表示系数矩阵的适应度值，表示开根号操作，∑表示求和操作，L_j表示载荷值矩阵L的第j行，U_j表示系数矩阵对应的个体矩阵的第j行，θ′表示系数矩阵，p表示训练集的大小，q表示个体矩阵的列数；(7)生成种群矩阵：(7a)对T个系数矩阵的适应度由低到高排序，其中T表示系数矩阵的个数，系数矩阵的个数T与初始系数矩阵的个数W相等；(7b)采用遗传算法中的选择操作、交叉操作和变异操作，生成种群矩阵；(8)判断是否终止：判断种群矩阵的迭代次数是否达到150次，如果是，则执行步骤(9)；否则，迭代次数加1，执行步骤(4)；(9)获得最优系数矩阵：从T个系数矩阵中选取适应度最低的系数矩阵组成最优系数矩阵；(10)计算实际飞行中的机翼载荷：(10a)进行飞行试验，记录全部的应变电桥的响应值；(10b)从全部的应变电桥的响应值中选取与最优系数矩阵的每一列对应的应变电桥的响应值，将选取的应变电桥的响应值组成实际飞行数据矩阵；(10c)用实际飞行数据矩阵与最优系数矩阵相乘，得到实际飞行中的机翼载荷值。