[发明专利]用于预测直升机平台周期振动的方法

权利要求书

1.一种用于预测直升机平台周期振动的方法，其特征在于，其包括以下步骤：

S1、在直升机平台的测量点处选取若干组周期振动样本，根据直升机的典型状态，利用分类算法对周期振动样本进行划分，获得测量点的分类集合U，所述分类集合U的具体表达式如下：

U＝(u₁,u₂,u₃,.....u_S)

式中，U为周期振动样本的集合，S为直升机典型状态的数量，u为直升机某一典型状态下周期振动样本的子集；

S2、对分类集合U进行傅里叶变换，得到周期振动样本最大幅值所对应的频率，并与直升机试验部件的频率进行对比，得到测量点周期振动样本的主导频率f；

S3、根据直升机典型状态的数量选取直升机的飞行状态参数g，并构建直升机飞行状态参数集合G，飞行状态参数集合G的具体表达式为：

G＝(g₁,g₂,g₃,.....g_m)

式中，g为直升机的某一飞行状态参数，m为直升机飞行状态参数的个数；

S4、以直升机典型状态下周期振动样本的子集u中主导频率f对应的主导幅值为因变量Y，以主导幅值所对应的直升机的某一飞行状态参数g为自变量X，构建自变量X和因变量Y的趋势图，得到主导幅值与直升机飞行状态参数g之间的相关系数，所述因变量Y和所述自变量X的表达式分别如下：

Y＝(y₁,y₂,y₃,.....y_n)

X＝(x₁,x₂,x₃,.....x_n)；

S5、选取主导幅值与直升机飞行状态参数g中相关系数大于0.7的飞行状态参数g，建立主要飞行状态参数集合G'，所述主要飞行状态参数集合G'的表达形式为：

G'＝(g₁,g₂,g₃,.....g_L)；

S6、对S5得到的主要飞行状态参数集合G'进行降维分析，将包含L个飞行状态参数的高维集合G'转化为包含Q个综合指标的低维集合P'，所述低维集合P'的具体表达式为：

P'＝(p₁,p₂,p₃,.....p_Q)

其中，LQ，低维集合P'是将高维集合G'采用更少数量的特征所表示的集合，其包含了高维集合G'原有特征的绝大部分特性；

S7、选择低维集合P'中一个或多个主要综合指标作为主导频率f的周期振动幅值预计模型的输入变量，建立周期幅值随综合指标的函数方程，按回归方法计算方程未知系数，得到周期振动幅值的预测模型。

2.根据权利要求1所述的用于预测直升机平台周期振动的方法，其特征在于，所述直升机的典型状态，其包括起飞、平飞和下降。

3.根据权利要求1所述的用于预测直升机平台周期振动的方法，其特征在于，所述分类算法，其包括决策树分类法、支持向量机的分类法、神经网络法和模糊分类法。

4.根据权利要求1或者2所述的用于预测直升机平台周期振动的方法，其特征在于，所述直升机飞行状态参数，其包括飞行高度、飞行速度和过载。

5.根据权利要求1所述的用于预测直升机平台周期振动的方法，其特征在于，所述降维分析包括主成分分析、因子分析、典型相关性分析和多维标度法。