[发明专利]基于桨叶载荷识别的传感器布局优化方法

权利要求书

1.基于桨叶载荷识别的传感器布局优化方法，其特征在于，包括步骤如下：

S1、根据旋翼桨叶传感器布置的边界约束设定待筛选的传感器初始化位置；

S2、对传感器位置进行迭代计算，所述迭代计算包含传感器位置对应有限元模型的建立和传感器位置的评价，每次迭代剔除评价最低的传感器位置，直至满足传感器数目要求停止迭代，确定传感器布置位置；

S3、计算模态保证准则矩阵，对最终选择的传感器布置再次评价；

S4、采用模态分析法进行旋翼桨叶结构动载荷识别。

2.根据权利要求1所述的基于桨叶载荷识别的传感器布局优化方法，其特征在于，所述的S1包括：

S11：采用柔性梁桨毂，设定边界约束条件为铰接式；

S12：设定初始传感器均匀布置于直升机旋翼桨叶表面。

3.根据权利要求1所述的基于桨叶载荷识别的传感器布局优化方法，其特征在于，所述的S2包括：

S21、建立传感器位置对应的有限元模型，计算有限元模型的模态位移矩阵；

S22、根据所述模态位移矩阵计算Fisher信息矩阵，并构建幂等矩阵E；

S23、选择幂等矩阵E的对角线元素作为目标函数，对传感器位置进行评价；

S24、剔除评价最低的传感器，判断是否满足传感器数目要求，如果满足，进入下一步骤，否则返回S21，继续迭代计算。

4.根据权利要求3所述的基于桨叶载荷识别的传感器布局优化方法，其特征在于，所述的S22包括：

S221、在有噪声情况下，传感器输出为：u_s＝φ_fsq+v，式中u_s是输出位移矢量，φ_fs是划分到候选传感器位置的有限元模态位移矩阵，q是不同模态对应的广义坐标，v为候选传感器噪声向量；

S222、对模态位移矩阵进行噪声修正：其中，噪声协方差矩阵的逆：R^-1＝γβ^-1γ^T，γ是一个标准正交特征向量矩阵，β是对应的正特征值矩阵；

S223、所述Fisher信息矩阵为：

S224、所述幂等矩阵E为：其对角线上的元素代表相应传感器候选位置对模态振型空间独立性的贡献。

5.根据权利要求1所述的基于桨叶载荷识别的传感器布局优化方法，其特征在于，所述的S3包括：

S31、模态保证准则矩阵：其中φ_i为第i阶模态位移，φ_j为第j阶模态位移。

6.根据权利要求1所述的基于桨叶载荷识别的传感器布局优化方法，其特征在于，所述的S4包括：

采用布置优化的传感器测量桨叶剖面实测弯矩，计算各阶广义坐标的最小二乘解，计算旋翼桨叶测量剖面弯矩和位移，计算旋翼桨叶测量剖面气动载荷。