基于特征工程与岭回归机翼结构变形重构方法与流程

本发明涉及结构健康监测
技术领域：
，特别涉及一种基于特征工程与岭回归机翼结构变形重构方法。
背景技术：
：飞机在飞行过程中承受气动载荷，机翼产生弯曲变形因而其局部(比如翼根处等)容易产生应力集中，长时间的疲劳应力有可能危害飞行安全。变形重构技术可以了解机翼的实时形态，为控制中心提供实时的变形信息，同时为结构故障预测提供依据，是飞机安全监控的重要组成部分。机翼变形测量技术可分为非接触式测量与接触式测量，非接触式测量以影像捕捉和激光扫描跟踪为主，目标点需要通过光线确定位置，受环境影响因素大，标定和安装困难，因此接触式测量技术不断发展并得以应用。接触式测量技术通过布置在机翼表面或内部的传感器直接获取应变、压力、流速等相关信息，其中根据结构的应变信息可以等效转换为结构变形的位移量，从而实现对结构变形的监测。但典型接触式测量技术在较高的重构精度下需要大量传感器，而且也只能应用于较简单的结构。重构变形时需要建立应变测量路径，路径内应变测点的布置数量依赖于经验选择且对计算结果影响较大，同时重构过程中的分段线性化会累积系统误差。技术实现要素：本发明针对现有技术的缺陷，提供了一种基于特征工程与岭回归机翼结构变形重构方法，解决了现有技术中存在的缺陷。为了实现以上发明目的，本发明采取的技术方案如下：一种基于特征工程与岭回归机翼结构变形重构方法，包括以下步骤：步骤s01，建立机翼结构的有限元模型，并在机翼上翼面随机均匀布置多个应变测点和变形预测节点；步骤s02，在机翼根部端肋处施加固定支撑约束，下翼面前缘、后缘及自由端分别等间距多个加载点，对结构施加单点集中载荷、单边载荷、渐变载荷等不同载荷形式，获得各个载荷形式下每个应变测点的应变值和变形预测节点的位移值，预测复杂载荷形式下机翼结构的变形位移值；步骤s03，利用特征工程对每个应变测点进行重要性评估，并依据重要性系数对应变测点进行排序，选择重要性系数较高的测点用于岭回归模型变形重构；步骤s04，将所有载荷形式包含的位移值和经过特征工程选择后的应变值按照8:2的比例分为训练数据集和测试数据集；步骤s05，对训练数据集进行岭回归分析，构建应变测点的应变数值和变形预测节点的位移量之间预测岭回归模型；步骤s06，按照建立的岭回归模型对测试数据集进行变形位移值预测，重构机翼结构的变形量。进一步地，使用了随机森林特征工程和岭回归的方法进行计算，对经过特征工程后得到的最优应变测点子集建立回归模型，降低模型的复杂性，拟合应变数值与变形位移量之间的关系。进一步地，步骤s02在机翼根部施加固定支撑约束，在变形位移量较大的自由端上翼面布置变形预测节点。进一步地，步骤s01布置的应变测点，经步骤s03特征工程后优化传感器布局，重要性系数较高的应变测点提供传感器布置依据。进一步地，根据步骤s04的训练数据集，由已知载荷形式预测未知载荷形式下的变形预测节点的位移值。进一步地，步骤s05建立的岭回归模型忽略结构的复杂性，直接拟合应变数据和变形预测节点变形位移量之间的关系。进一步地，步骤s03具体为：利用随机森林算法对应变测点进行重要性评估，随机森林由z棵回归树组成，对结构施加k次不同位置和不同载荷工况的载荷，使其产生弹性变形，随机选取次加载下的应变数值矩阵和位移值矩阵作为新的子训练集1，2……z。每个应变测点xi的重要性分数步骤如下：(1)设置z＝1；(2)在子训练集z上创建回归树tz，并将袋外数据标记为和(3)建立完成的回归树tz在每个非叶子结点处都依据某个应变测点进行分割，直到最终结果为某个叶子结点包含的位移值，计算标准位移值与该叶子结点包含位移值的均方差，将得到的个均方差的均值记为(4)对每个应变数值进行扰动，扰动后的数据集记为使用回归树tz对数据进行步骤(3)的回归树计算，得到扰动后的均方差均值，记为(5)对z＝2,3,…,z，重复步骤(2)至步骤(4)；(6)随机森林内所有回归树扰动前后误差的均值为应变测点xi的重要性分数。进一步地，步骤s05中岭回归模型损失函数定义为：λ为岭参数，损失函数梯度可表示为：令可得全局最优解：ωridge＝[(xridge)txridge+λi]-1(xridge)tyridge其中，l(ω)为岭回归模型的损失函数，ωridge为岭回归估计值，xridge为回归模型的应变测量值输入值，yridge为变形量监测节点所有标准位移值，为预测位移值。与现有技术相比，本发明的优点在于：减少结构复杂性对算法精度的影响，通过应变测量点拟合应变量和形变位移量之间的非线性关系。通过特征工程简化应变测点数量，获得最优的传感器布局，建立一种以较少的传感器数量获得较高变形重构精度的模型。以缩比机翼结构为对象进行仿真分析，利用有限元对机翼不同载荷工况下的变形进行分析，获得所选应变测点的应变数值；随机森林特征工程评价应变测点的重要性并提取重要性较高的应变测点，利用岭回归变形预测模型建立应变量和变形位移量之间的关系，实现机翼的变形重构。附图说明图1为本发明实施例重构方法流程图；图2为本发明实施例的机翼结构模型图；图3为本发明实施例的加载点编号图；图4为本发明实施例的应变测点重要性分数云图；图5为本发明实施例的变形量预测平均相对误差与应变测点数量之间的关系图。具体实施方式为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。以如图2所示的机翼结构为对象进行仿真分析，利用有限元对机翼施加不同载荷形式，得到不同载荷形式下所选应变测点的应变数值及变形预测节点的位移值；随机森林特征工程评价应变测点的重要性并提取重要性较高的应变测点，利用岭回归变形预测模型建立应变量和变形位移量之间的关系，平均预测精度为98.1％，能够准确地预测不同载荷形式下的位移曲线，与典型接触式测量算法相比精度更高。如图1所示，基于特征工程与岭回归的机翼变形重构方法，其步骤如下：步骤s01，确定机翼结构模型，并在机翼上翼面布置多个应变测点和变形预测节点；步骤s02，在机翼根部端肋处施加固定支撑约束，下翼面前缘、后缘及自由端分别等间距多个加载点，对结构施加单点、多点等不同载荷形式，获得各个载荷形式下每个应变测点的应变值和变形预测节点的位移值；步骤s03，利用特征工程对每个应变测点进行重要性评估，并依据重要性系数对应变测点进行排序，选择重要性系数较高的测点用于变形重构；步骤s04，将所有载荷形式包含的位移值和经过特征工程选择后的应变值按照8:2的比例分为训练数据集和测试数据集；步骤s05，对训练数据集进行岭回归分析，构建应变测点的应变数值和变形预测节点的位移量之间预测岭回归模型；步骤s06，按照建立的岭回归模型对测试数据集进行变形位移值预测，重构机翼结构的变形量。建立如图3所示的机翼结构有限元模型，以机翼根部前缘处为坐标原点，翼展方向为x轴，弦长方向为y轴，厚度方向为z轴。在机翼根部端肋处施加固定支撑约束，下翼面前缘及后缘分别等间距建立7个加载点(编号1～7，12～18)，自由端等间距建立4个加载点(编号8～11)。上翼面由前缘至后缘沿翼展方向建立5条路径，并对其进行编号，每条路径等间距选取20个应变测点。为预测机翼不同位置的变形位移量，在自由端上翼面选取10个变形预测节点，由前缘至后缘依次编号。对机翼施加多种不同形式的静力载荷，共计23种载荷工况，如表1所示，所有静力载荷都沿重力加速度方向。表1静力载荷工况步骤s03，利用随机森林算法对应变测点进行重要性评估，随机森林由z棵回归树组成，对结构施加k次不同位置和不同载荷工况的载荷，使其产生弹性变形，随机选取次加载下的应变数值矩阵和位移值矩阵作为新的子训练集1，2……z。每个应变测点xi的重要性分数步骤如下：(1)设置z＝1；(2)在子训练集z上创建回归树tz，并将袋外数据标记为和(3)建立完成的回归树tz在每个非叶子结点处都依据某个应变测点进行分割，直到最终结果为某个叶子结点包含的位移值，计算标准位移值与该叶子结点包含位移值的均方差，将得到的个均方差的均值记为(4)对每个应变数值进行扰动，扰动后的数据集记为使用回归树tz对数据进行步骤(3)的回归树计算，得到扰动后的均方差均值，记为(5)对z＝2,3,…,z，重复步骤(2)至步骤(4)；(6)随机森林内所有回归树扰动前后误差的均值为应变测点xi的重要性分数；如图4所示，将每个应变测点在机翼上表面的坐标位置和重要性分数绘制成云图。载荷施加时固定支承端与机翼前缘上翼面所受应力较大，由云图可以看出两位置处应变测点重要性较高。如图5所示，将所有应变测点依据重要性分数进行排序，由高至低依次增加预测变形位移量的应变测点数量，用于评估不同应变测点数量对预测结果的影响，得到测点数量和预测平均相对误差之间的关系，在本发明中选取66个重要性最高的应变测点对变形量进行预测。步骤s04将23种载荷工况按照8:2的比例分成训练数据集和测试数据集，其中随机选取18种载荷工况包含的应变值和位移值作为训练集，其余5种载荷工况作为测试集。对步骤s03选取的66个应变测点进行步骤s05的岭回归分析，岭回归模型损失函数定义为：λ为岭参数，损失函数梯度可表示为：令可得全局最优解：ωridge＝[(xridge)txridge+λi]-1(xridge)tyridgeωridge为岭回归估计。其中，l(ω)为岭回归模型的损失函数，ωridge为岭回归估计值，xridge为回归模型的应变测量值输入值，yridge为变形量监测节点所有标准位移值，为预测位移值。随机选取5种工况变形节点的位移量进行预测，其余18种工况用于训练，5次随机预测的误差分析如表2所示：表25次随机预测误差分析典型接触式变形重构算法需要建立由机翼固支端为起点的应变测量路径，基于路径内的应变信息对变形曲线进行分段化重构，从而得到路径末端机翼自由端的位移量。本发明实施例中选取位于应变测量路径末端的变形预测节点b、d、f、h、j进行对比分析，两种算法结果对比如表3所示：表3五种工况预测平均相对误差节点编号岭回归典型接触式变形重构算法b0.91％4.30％d0.66％2.18％f1.64％10.33％h2.84％15.26％j4.16％10.39％通过表3统计数据可知，所有节点在不同工况下本发明算法预测的平均相对误差最小，变形预测预测精度更高，且采用的应变测点数量更少，典型变形重构算法具有更高的预测精度和效率。本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。当前第1页12