[发明专利]一种风洞试验模型更换状态的纠错方法

说明书

一种风洞试验模型更换状态的纠错方法，属于航空气动力风洞试验技术领域。其包括模型训练，通过模型图像数据采集和分类，对模型图像识别和分析系统进行深度学习训练，训练后，在风洞试验现场采集模型图像，输入到模型图像识别和分析系统中自动进行部件识别，并输出部件图像及图像中的部件标签信息；检测状态准备；试验状态检测，更换模型状态后进行图像采集，将图像采集后的试验模型部件信息与在先设定好的训练模型部件信息进行对比，根据更换模型状态后的试验模型部件的形状、位置和角度信息，综合判断试验模型更换状态，并将对应的结果输出反馈在工作机界面，降低了因人为因素导致的试验状态更换错误的风险，提高了试验效率和试验准确率。

技术领域

本发明涉及一种风洞试验模型更换状态的纠错方法，属于航空气动力风洞试验技术领域。

背景技术

在传统的风洞试验过程中，模型试验条件的更换和确认以当班人员的操作和确认为主。当一次模型状态试验结束，试验条件更换后，当班分析需到现场对模型状态进行确认，再关洞试验。这种试验条件检测和确认方法，不仅费时费力而且存在因人为因素导致模型状态更换错误的风险。若模型状态更换错误未及时识别，不仅影响试验结果的准确性，延误试验进度，对型号的设计研制任务也会产生一定影响。

因此，亟需提出一种风洞试验模型更换状态的纠错方法，以解决上述技术问题。

发明内容

本发明研发目的是为了解决现有的试验条件检测和确认方法，不仅费时费力，而且存在因人为因素导致模型状态更换错误的风险，若模型状态更换错误未及时识别，不仅影响试验结果的准确性，延误试验进度，对型号的设计研制任务也会产生一定影响的问题，本发明基于风洞试验的试验流程，提出一种风洞试验模型更换状态的纠错方法，采用该方法在风洞试验更换模型状态后，对模型状态进行图像采集和自主判断，现场给出模型状态更换是否准确的结果，当班人员根据给出结果进行关洞试验或调整模型状态的相应操作。采用该方法可通过人工智能手段实现试验条件检测。在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。

本发明的技术方案：

一种风洞试验模型更换状态的纠错方法，包括：

S1，模型训练，获得训练模型部件信息，通过模型图像数据采集和分类，对模型图像识别和分析系统进行深度学习训练，训练后，在风洞试验现场采集模型图像，输入到模型图像识别和分析系统中自动进行部件识别，并输出部件图像及图像中的部件标签信息；

S2，检测状态准备，风洞试验准备时，按照试验模型部件的角度，从小到大的顺序进行排序编号，命名规则为0，1，2……9，标记在试验模型部件表面，再根据每个试验模型部件所包含的所有部件名称及部件包含的角度信息，得到模型状态表；

S3，试验状态检测，风洞试验期间，更换模型状态后进行图像采集，将图像采集后的试验模型部件信息与在先设定好的训练模型部件信息进行对比，根据更换模型状态后的试验模型部件的形状、位置和角度信息，综合判断试验模型更换状态，并将对应的结果输出反馈在工作机界面。

优选的：所述步骤1的模型训练具体包括：

S1.1，准备模型，将训练模型部件按照角度从小到大的顺序进行排序，命名规则为0，1，2……9，按命名规则在训练模型部件的舵面表面标记数字；

S1.2，将训练模型部件的状态按照试验顺序进行安装，保证所标记数字均不被遮挡；

S1.3，将所需采集图像的训练模型固定到图像采集平台上；

S1.4，打开相机，是否检测到相机打开，若是，则跳转到S1.5，若否则输出预警信息，检查相机连线，直至检测到相机打开后跳转到S1.5；

S1.5，采用相机对训练模型部件进行多角度采集；

S1.6，按照试验顺序更换训练模型部件，继续采用相机对训练模型部件进行多角度采集，直至试验状态全部更换完毕；