[发明专利]固体火箭发动机振动畸变信号的时间序列修正方法

说明书

技术领域

本发明属于固体火箭发动机试验测控技术领域，主要涉及一种可以对固体火箭发动机试验中的畸变振动信号分析与修正方法。 

背景技术

由于固体火箭发动机在试验过程中易受到冲击、温度、结构变形等因素影响，试验测得的振动信号具有非线性非平稳特征，工程实际应用中，常把振动信号看作是平稳随机信号。振动是反映发动机结构设计参数之一。振动信号采集过程中，容易受到传感器、安装、50Hz工频干扰、放大器和采集系统干扰等因素影响，导致振动信号畸变，例如信号突跳、零线漂移、趋势等畸变情况。因此，在数据分析和处理时，要剔除无效信号，对畸变数据进行修正。 

在发动机地面试验中，振动信号有时出现明显的突跳异常情况，如图1所示，现有的修复是采取替代方法，用前一段的数据值替代下一段的值，即x_i＝x_i+h，其中，h为步长，x_i为第i段的振动信号值，x_i+h为第i+h段的振动信号值。此方法仅仅用过去某段正常数据对断点处的信号值简单置换，误差较大。因此，本文基于上述描述的断点问题，应用时间序列分析的方法进行修复分析。 

时间序列是变量按时间间隔的顺序而形成的随机变量序列，近年来，时间序列分析的应用已经渗入到交通运输、智能控制、神经网络模拟、生物、医学、水文、气象、经济学、空间科学等自然科学与社会领域之中，正发挥着无可比拟的重大作用。时间序列分析早期研究分为频域(Frequency Domain)分析方法和时域(Time Domian)分析方法。但是频域分析方法过程一般较为复杂，不利于直观解释，有较大的局限性，所以一般用时域分析方法，时域分析方法是分析时间序列的样本自相关函数，并建立参数模型，进而描述序列的动态相依关系。时域分析方法最早可见1927年英国统计学家Yule提出自回归(Autoregressive)模型。随后，英国数学家、天文学家Walker在分析印度大气规律时引入了移动平均(Moving Average)模型和自回归移动平均(Autoregressive Moving Average)模型。这些模型奠定了时间序列分析时域分析 方法的基础。在实际应用中，线性正态假定下的参数模型得到充分解决，非线性时间序列分析也得到充分发展，Tong利用分段线性化构造模型的思想提出了门限自回归模型，开创了非线性时间序列分析的先河。 

发明内容

现有的断点修复虽然可以满足固体火箭发动机试验使用要求，但存在原理过于简单，方法不够合理，误差性较大等诸多缺点。本发明提出了一种基于时间序列分析的振动数据断点修复方法，使用该方法处理振动数据，可以有效的修复突跳点，具有一定的理论依据，并且保证误差在一定范围内。 

本发明的技术方案为： 

所述一种固体火箭发动机振动畸变信号的时间序列修正方法，其特征在于：包括以下步骤： 

步骤1：采集固体火箭发动机试验时所产生的振动信号，振动信号符合自回归模型；排除振动信号中由于发动机自身动作引起的突变特征后，若存在则判定x_t为突跳点，其中x_t,x_t-1分别为振动信号中t和t-1时刻的振动信号有效点值； 

步骤2：对振动信号中的突跳点进行修复： 

取修复后突跳点处的值为X_t＝α₁X_t-1+α₂X_t-2+…α_pX_t-p+ε_t，其中X_t-1,X_t-2,…,X_t-p为步骤1采集到的振动信号在t-1,t-2,…,t-p时刻的点值，p为阶数，α₁,α₂,…α_p为自回归系数，随机干扰{ε_t}为白噪声序列，ε_t之间互相独立；α₁,α₂,…α_p采用极大似然估计方法得到。 

有益效果 

与现有技术相比本发明具有的特点是：(1)具有较好的符合振动数据特性的理论依据；(2)操作简便；(3)能够一次性处理较长时间段上的断点；(4)问题排查简单。 

附图说明

图1：本发明要解决的振动信号突跳点情况。 

图2：本发明选取7.3s—8.3s处包含突跳点的数据。