风洞中实验模型倾角测量误差数据的修正方法

摘要

本发明公开了一种实验模型安置于风洞中进行吹风实验时，风洞中实验模型倾角测量误差数据修正系统及修正方法。所述的倾角测量数据修正系统包括数据预处理模块、模型训练模块和误差数据修正模块；修正方法包括数据预处理、模型训练和误差数据修正三个步骤。本发明提出了基于神经网络模型为基本模型的多阶段、多模型融合误差修正方法，模型拟合度更高，计算结果更准确，可以很好的修正倾角传感器实测数据中由于模型受风振动而引起的非线性误差，本修正系统修正误差可控在0角度附近0.004～0.01精度之内。

主权项

风洞中实验模型倾角测量误差数据的修正方法，其特征在于：它包括数据预处理、模型训练和数据修正三个步骤，模型训练和数据修正都包含数据预处理模块，但是在模型训练与数据修正中预处理模块完成不同工作；所述的模型训练步骤中数据预处理包括以下子步骤：S101：加载目标数据和训练数据至修正系统，并对目标数据曲线和训练数据曲线进行下采样；S102：分别对目标数据曲线和训练数据的曲线进行小波变换及平滑处理，得到它们的高频和低频数据；S103：对目标数据曲线的高低频数据分别与所有训练数据曲线的高低频求差，得到用于训练模型的输入和输出数据集合；所述的数据修正步骤中数据预处理包括以下子步骤：S201：加载目标数据及各个待修正数据至系统，并对目标曲线和待修正曲线进行下采样；S202：分别对目标曲线和待修正曲线进行小波变换及平滑处理，得到它们的高频和低频数据；S203：对目标曲线的高低频数据分别与待修正曲线的高低频求差，得到误差修正模型的输入数据和参考曲线；S204：根据端点检测的结果对获得的输入数据进行分段；所述的模型训练步骤包括以下子步骤：S301：根据模型训练步骤中预处理获得的输入数据，提取修正特征；S302：以模型训练过程中预处理模块获得的输出数据为输出值，S301中获得的修正特征为输入值，构成训练数据集合，系统以修正特征向量值的每一维作为一单元变量，将训练数据集合中表征每一个单元变量数据变化的训练数据子集划分为该单元变量的模型训练集合，分别训练以各个单元变量为输入变量参数，输出数据为输出值的N个单元变化模型，并存储为中间结果，其中，N=单元变量个数；S303：以S302划分得到的各个单位变量训练数据子集中各特征值为中心点对其插值，分别获得插之后的各个单元变量的新的特征值集合；S304：将S303中获得的各个单元变量新的特征值集合分别带入S302获得的单元变化模型获得各个模型的输出值，并将新的各个单元变量特征值集合和各个模型输出值，一同构成一维变化训练数据集合，并存储用于后续的模型训练；S305：利用S304得到的一维变化训练数据集合，基于Krging曲面拟合算法，分别拟合以任意两个单元变量值和对应模型输出值为三维坐标的M个空间曲面，曲面中每个点为由2维单元变量值和对应模型输出值构成的一向量，其中，M=；S306：在S305中生成的M个空间曲面中每个曲面上各抽样K个点，构成KxM个元素的误差数据训练集合，集合中每个点为一四维向量，用该误差数据训练集合训练误差修正模型Q，并保存于系统用于误差数据修正过程；所述的数据修正包括以下子步骤：S401：提取数据修正步骤中数据预处理获得的输入数据，并对各个输入分段，将数据组织成列长一定的矩阵；S402：同S301采用相同方法提取每段数据的特征值，并将各段数据的特征值带入训练好的误差修正模型获得各段数据的误差修正值；S403 ：将各段数据的误差修正值连接，组成完整的误差修正值，并进行上采样形成最终的误差修正量；S404：最终的误差修正量与原始带修正的数据相加获得修正后的倾角传感器数据。