CN112504426A - 一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法 - Google Patents

一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法 Download PDF

Info

Publication number
CN112504426A
CN112504426A CN202011309542.9A CN202011309542A CN112504426A CN 112504426 A CN112504426 A CN 112504426A CN 202011309542 A CN202011309542 A CN 202011309542A CN 112504426 A CN112504426 A CN 112504426A
Authority
CN
China
Prior art keywords
data
peak
interference noise
whole
array
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011309542.9A
Other languages
English (en)
Other versions
CN112504426B (zh
Inventor
刘正江
陈焕
陈卫星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Helicopter Research and Development Institute
Original Assignee
China Helicopter Research and Development Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Helicopter Research and Development Institute filed Critical China Helicopter Research and Development Institute
Priority to CN202011309542.9A priority Critical patent/CN112504426B/zh
Publication of CN112504426A publication Critical patent/CN112504426A/zh
Application granted granted Critical
Publication of CN112504426B publication Critical patent/CN112504426B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
    • B64F5/60—Testing or inspecting aircraft components or systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Transportation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明属于直升机模型旋翼试验技术领域，具体涉及一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法。通过对直升机模型旋翼试验中采集得到的试验台旋翼桨涡干扰噪声数据进行整周期截取，然后对截取得到的数据进行欧氏距离分析和对齐，再对对齐后的数据进行整周期数据平均，可以得到所需的旋翼桨涡干扰噪声时域平均数据，该方法可以有效避免由于旋翼转速波动引起的旋翼桨涡干扰噪声时域数据整周期平均数据错位而无法使用的问题。

Description

一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法
技术领域
本发明属于直升机模型旋翼试验技术领域，具体涉及一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法。
背景技术
旋翼桨涡干扰噪声是直升机旋翼产生的一种典型噪声，尤其在小速度前飞和斜下降状态，桨涡干扰噪声的能量占到直升机噪声总能量的80％，因此它是目前直升机降低噪声的主要研究领域。
目前国内外对旋翼桨涡干扰噪声数据分析方法主要集中在频域，大多采用的有常规的频谱分析、阶次分析以及小波分析。而在时域上，虽然也有很多的分析方法，但这些方法由于没有考虑旋翼噪声应转速波动以及阵风干扰等因素影响而具有非稳态周期的特殊性，分析效率和分析精度不高，存在整周期平均数据错位而无法使用的问题。
发明内容
本发明的目的：本发明通过对直升机模型旋翼试验中采集得到的试验台旋翼桨涡干扰噪声数据进行整周期截取，然后对截取得到的数据进行欧氏距离分析和对齐，再对对齐后的数据进行整周期数据平均，可以得到所需的旋翼桨涡干扰噪声时域平均数据，该方法可以有效避免由于旋翼转速波动引起的旋翼桨涡干扰噪声时域数据整周期平均数据错位而无法使用的问题。
本发明的技术方案：为了实现上述发明目的，提供一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，所述旋翼桨涡干扰噪声时域数据的采集在模型旋翼试验台上进行，在模型旋翼试验台上安装有转速传感器、噪声传感器，分别用于获取转速和桨涡干扰噪声数据；所述转速传感器和所述噪声传感器与数据采集***电相连，通过数据采集***，可同步采集转速数据和桨涡干扰噪声数据；该方法具体包括如下步骤：
S1：同步采集转速数据组和桨涡干扰噪声数据组；
S2：根据所述步骤S1中采集的转速数据组和桨涡干扰噪声数据组，设置转速峰值阈值，根据转速峰值阈值在所述转速数据组中进行转速峰值位置搜索，得到峰值位置数组；
S3：根据所述步骤S2中得到的所述峰值位置数组，将峰值位置数组最后位置数据去掉得到峰值起点数组，根据所述峰值起点数组相邻的峰值位置进行各周期数据长度计算得到周期数据长度数组，选取周期数据长度数组中的最大众数作为整周期数据长度，同时得到整周期起点数组；
S4：根据所述步骤S3中得到的所述整周期数据长度，对所述桨涡干扰噪声数据组进行整周期数据截取，对应得到桨涡干扰噪声数据组的各整周期数据组；
S5：针对所述步骤S4中得到的桨涡干扰噪声数据组的各整周期数据组，通过欧氏距离分析，进行数据对齐，得到经对齐的整周期桨涡干扰噪声数据组；
S6：针对所述步骤S5中经对齐的整周期桨涡干扰噪声数据组，进行整周期数据平均。
在一个可能的实施例中，在所述步骤S1中，转速和桨涡干扰噪声同步采集频率为n，n至少8圈。
在一个可能的实施例中，在所述步骤S2中，首先设置一个转速峰值阈值Psp，利用该所述转速峰值阈值Psp对所述步骤S1中的转速数据组[Spa1,Spa2,…,Spax]进行峰值搜索，x为采样点的个数,具体包括如下步骤：
S201：将转速数据数组[Spa1,Spa2,…,Spax]从当前搜索位置取出奇数t个点，如果这t个点都比所述转速峰值阈值Psp大，而且前(t-1)/2个点转速值逐渐增大，同时后(t-1)/2个点转速值逐渐减小，则这段转速数据中的第(t-1)/2+1个点的位置既为一个峰值点；
起始搜索从第一个数据点Spa1开始进行搜索；
S202：如果找到峰值点，则记录下该峰值点在转速数据数组[Spa1,Spa2,…,Spax]中的峰值位置，同时从当前峰值位置往后跳过s个数据点作为当前搜索位置，且s≥t，重复S201继续搜索峰值点；
如果没有找到峰值点，则将搜索位置从当前位置往后移动1个位置作为当前搜索位置，重复S201继续搜索峰值点；
S203：当对所述步骤S1中的转速数据组[Spa1,Spa2,…,Spax]中的全部转速数据搜索完成后，如果找到的峰值位置个数大于所述转速和桨涡干扰噪声同步采集频率n时，则需要将转速峰值阀值的数值增大为原转速峰值阀值Psp的110％，然后将当前搜索位置设置为第一个数据点Spa1，重复S201-S202；如果找到的峰值位置个数小于所述转速和桨涡干扰噪声同步采集频率n时，则需要将转速峰值阀值的数值减小为原转速峰值阀值Psp的90％，然后将当前搜索位置设置为第一个数据点Spa1，重复S201-S202；当找到的峰值位置个数等于所述转速和桨涡干扰噪声同步采集频率n时，则结束峰值搜索，并最终得到峰值位置数组[La0,La1,…,Lan]。
优选地，在所述步骤S2中，首先对所述转速数据组[Spa1,Spa2,…,Spax]的转速数据取绝对值得到绝对值转速数据数组[Spb1,Spb2,…,Spbx]，并替代所述转速数据组[Spa1,Spa2,…,Spax]。
在一个可能的实施例中，所述转速峰值阈值Psp一般取所述步骤S1中采集的转速数据组中转速最大值的10％-50％。
在一个可能的实施例中，在所述步骤S2的第一步中，t的取值大于等于3。
在一个可能的实施例中，在所述步骤S3中，将所述峰值位置数组[La0,La1,…,Lan]最后位置数据去掉得到峰值起点数组[La0,La1,…,La(n-1)]，计算得到周期数据长度数组[La1-La0,La2-La1,…,La(n-1)-La(n-2)]，选取周期数据长度数组中的最大的众数Lf作为整周期数据长度，并根据所述峰值位置数组得到周期数据长度为Lf的整周期起点数组[j0,j1,…jm]。
在一个可能的实施例中，在所述步骤S4中，利用所述步骤S3中得到整周期数据长度，将旋翼桨涡干扰噪声数据数组[Ni1,Ni2,…,Nix]截取成m个整周期旋翼桨涡干扰噪声数据数组[Ni11,Ni12,…Ni1Lf]、[Ni21,Ni22,…Ni2Lf]、…[Nim1,Nim2,…NimLf]。
在一个可能的实施例中，在所述步骤S5中，具体包括如下步骤：
S501：以第1个整周期旋翼桨涡干扰噪声数据数组[Ni11,Ni12,…Ni1Lf]为基准，按照欧式距离计算公式，分别计算其它每一个整周期旋翼桨涡干扰噪声数据数组与第1个整周期旋翼桨涡干扰噪声数据数组的欧氏距离，其中每一个整周期旋翼桨涡干扰噪声数据数组还包括数组内前Lf-1个数据点依次向后平移的各数据组合；欧式距离计算空间上两个点之间的距离，当两点之间距离最小时，则说明两点之间相关性最高；
S502：分别找到其它每一个整周期旋翼桨涡干扰噪声数据数组与第1个整周期旋翼桨涡干扰噪声数据数组的欧式距离最小时对应的数据组合，得到经对齐的各整周期旋翼桨涡干扰噪声数据数组。
在一个可能的实施例中，在所述步骤S6中，对于所述步骤S5中得到的经对齐的各整周期桨涡干扰噪声数据组中的各对应位置数据点进行算术平均，最终得到所需的旋翼桨涡干扰噪声整周期平均数据数组
Figure BDA0002789318020000041
本发明的有益效果：本发明提供一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，通过对采集得到的试验台旋翼桨涡干扰噪声数据进行整周期截取，然后对截取得到的多个周期的数据长度进行统计，选择数据长度相同且占比最多的整周期数据进行平均，可以得到所需的旋翼桨涡干扰噪声时域平均数据，该方法可以有效避免由于旋翼转速波动引起的旋翼桨涡干扰噪声时域数据整周期平均数据错位而无法使用的问题。
附图说明
图1为本发明方法流程图
具体实施方式
下面将结合本发明方法流程图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，所述旋翼桨涡干扰噪声时域数据的采集在模型旋翼试验台上进行，在模型旋翼试验台上安装有转速传感器、噪声传感器，分别用于获取转速和桨涡干扰噪声数据；所述转速传感器和所述噪声传感器与数据采集***相连，通过数据采集***，可同步采集转速数据和桨涡干扰噪声数据；该方法具体包括如下步骤：
S1：同步采集转速数据组和桨涡干扰噪声数据组；转速和桨涡干扰噪声同步采集频率为n，n至少8圈；
S2：根据所述步骤S1中采集的转速数据组和桨涡干扰噪声数据组，设置转速峰值阈值，根据转速峰值阈值在所述转速数据组中进行转速峰值位置搜索，得到峰值位置数组；
S3：根据所述步骤S2中得到的所述峰值位置数组，将峰值位置数组最后位置数据去掉得到峰值起点数组，根据所述峰值起点数组相邻的峰值位置进行各周期数据长度计算得到周期数据长度数组，选取周期数据长度数组中的最大众数作为整周期数据长度，同时得到整周期起点数组；
S4：根据所述步骤S3中得到的所述整周期数据长度，对所述桨涡干扰噪声数据组进行整周期数据截取，对应得到桨涡干扰噪声数据组的各整周期数据组；
S5：针对所述步骤S4中得到的桨涡干扰噪声数据组的各整周期数据组，通过欧氏距离分析，进行数据对齐，得到经对齐的整周期桨涡干扰噪声数据组；
S6：针对所述步骤S5中经对齐的整周期桨涡干扰噪声数据组，进行整周期数据平均；
在所述步骤S2中，首先设置一个转速峰值阈值Psp，利用该所述转速峰值阈值Psp对所述步骤S1中的转速数据组[Spa1,Spa2,…,Spax]进行峰值搜索，x为采样点的个数,具体包括如下步骤：
S201：将转速数据数组[Spa1,Spa2,…,Spax]从当前搜索位置取出奇数t个点，如果这t个点都比所述转速峰值阈值Psp大，而且前(t-1)/2个点转速值逐渐增大，同时后(t-1)/2个点转速值逐渐减小，则这段转速数据中的第(t-1)/2+1个点的位置既为一个峰值点；
起始搜索从第一个数据点Spa1开始进行搜索；
S202：如果找到峰值点，则记录下该峰值点在转速数据数组[Spa1,Spa2,…,Spax]中的峰值位置，同时从当前峰值位置往后跳过s个数据点作为当前搜索位置，且s≥t，重复S201继续搜索峰值点；
如果没有找到峰值点，则将搜索位置从当前位置往后移动1个位置作为当前搜索位置，重复S201继续搜索峰值点；
S203：当对所述步骤S1中的转速数据组[Spa1,Spa2,…,Spax]中的全部转速数据搜索完成后，如果找到的峰值位置个数大于所述转速和桨涡干扰噪声同步采集频率n时，则需要将转速峰值阀值的数值增大为原转速峰值阀值Psp的110％，然后将当前搜索位置设置为第一个数据点Spa1，重复S201-S202；如果找到的峰值位置个数小于所述转速和桨涡干扰噪声同步采集频率n时，则需要将转速峰值阀值的数值减小为原转速峰值阀值Psp的90％，然后将当前搜索位置设置为第一个数据点Spa1，重复S201-S202；当找到的峰值位置个数等于所述转速和桨涡干扰噪声同步采集频率n时，则结束峰值搜索，并最终得到峰值位置数组[La0,La1,…,Lan]；
优选地，在所述步骤S2中，首先对所述转速数据组[Spa1,Spa2,…,Spax]的转速数据取绝对值得到绝对值转速数据数组[Spb1,Spb2,…,Spbx]，并替代所述转速数据组[Spa1,Spa2,…,Spax]；
所述转速峰值阈值Psp一般取所述步骤S1中采集的转速数据组中转速最大值的10％-50％；
在所述步骤S201中，t的取值大于等于3；
在所述步骤S3中，将所述峰值位置数组[La0,La1,…,Lan]最后位置数据去掉得到峰值起点数组[La0,La1,…,La(n-1)]，计算得到周期数据长度数组[La1-La0,La2-La1,…,La(n-1)-La(n-2)]，选取周期数据长度数组中的最大的众数Lf作为整周期数据长度，并根据所述峰值位置数组得到周期数据长度为Lf的整周期起点数组[j0,j1,…jm]；
在所述步骤S4中，利用所述步骤S3中得到整周期数据长度，将旋翼桨涡干扰噪声数据数组[Ni1,Ni2,…,Nix]截取成m个整周期旋翼桨涡干扰噪声数据数组[Ni11,Ni12,…Ni1Lf]、[Ni21,Ni22,…Ni2Lf]、…[Nim1,Nim2,…NimLf]；
在所述步骤S5中，具体包括如下步骤：
S501：以第1个整周期旋翼桨涡干扰噪声数据数组[Ni11,Ni12,…Ni1Lf]为基准，按照欧式距离计算公式，分别计算其它每一个整周期旋翼桨涡干扰噪声数据数组与第1个整周期旋翼桨涡干扰噪声数据数组的欧氏距离，其中每一个整周期旋翼桨涡干扰噪声数据数组还包括数组内前Lf-1个数据点依次向后平移的各数据组合；欧式距离计算空间上两个点之间的距离，当两点之间距离最小时，则说明两点之间相关性最高；
S502：分别找到其它每一个整周期旋翼桨涡干扰噪声数据数组与第1个整周期旋翼桨涡干扰噪声数据数组的欧式距离最小时对应的数据组合，得到经对齐的各整周期旋翼桨涡干扰噪声数据数组；
在所述步骤S6中，对于所述步骤S5中得到的经对齐的各整周期桨涡干扰噪声数据组中的各对应位置数据点进行算术平均，最终得到所需的旋翼桨涡干扰噪声整周期平均数据数组
Figure BDA0002789318020000071
实施例1：
S1：转速和桨涡干扰噪声同步采集
将转速信号和桨涡干扰噪声信号同时接入具有同步采集功能的数据采集***中，通电预热30分钟，将试验台运转到试验任务书规定的试验转速，然后进行总距递增操纵到待进行动平衡调整的总距7°，等待10秒钟待试验状态稳定后，按计算的采样频率设置采样频率，然后采集8圈的转速数据数组Spa＝
[0，0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0]和旋翼桨涡干扰噪声数据数组Ni＝
[0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0.2，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3]；
S2：转速峰值位置搜索
将采集到的8圈的转速数据的数值取绝对值得到新的绝对值转速数据数组Spb＝
[0，0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0，
0，0，0，0，0，0，0，0，0，0，0，0，0，10，10，0，0，0，0，0，0，0，0，0，0，0]
设置一个转速峰值阈值Psp＝1.5V，利用该阈值Psp对每一圈的转速数据进行峰值位置搜索，搜索得到的峰值位置数组[13,38,64,91,117,143,170,196]；
S3：整周期数据长度计算
利用峰值位置数组去掉最后位置数据得到峰值起点数组[13,38,64,91,117,143,170]，峰值位置数组相邻元素作差得到数据长度数组[25,26,27,26,26,27,26]；
整周期数据长度统计分析
从上述数据长度数组可以分析得到数据长度26占大多数，即众数Lf＝26，峰值起点数组和数据长度数据元素数量相同(一一对应)，因此在数据长度数组中取众数为26的元素所对应的峰值起点数组中的元素构成整周期起点数组[38，91，117，170]；
S4：整周期数据截取
根据整周期起点数组中元素的数值即代表干扰噪声数据数组中开始截取的起点位置，利用计算得到的峰值起点数组和数据长度Lf＝26，将旋翼桨涡干扰噪声数据数组Ni1,获得4个整圈(即m＝4，由整周期起点数据元素个数决定)旋翼桨涡干扰噪声数据数组
[0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3]、[0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4]、[0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3]、[0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2]；
S5：欧氏距离分析和数据对齐
以第1个整周期(即第1圈)旋翼桨涡干扰噪声数据数组[0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3]为基准，按下述公式分别计算它和其它4圈计算欧氏距离，其中和第2圈计算欧氏距离过程如下：
D1-2-1＝((0.2-0.5)2+(0.3-0.4)2+(0.4-0.3)2+…+(0.5-0))1/2；
D1-2-2＝((0.2-0.4)2+(0.3-0.3)2+(0.4-0.2)2+…+(0.5-0.1))1/2；
…
D1-2-9＝((0.2-0.3)2+(0.3-0.4)2+(0.4-0.5)2+…+(0.5-0.4))1/2；
通过对大量的旋翼桨涡干扰噪声试验数据进行欧式距离算法分析我们发现，欧式距离最小的偏移量不会超过9次，如果偏移量超过9次我们发现原始数据可能出现丢包即该数据无法使用；
从上述计算得到的欧氏距离[D1-2-1,D1-2-2,…D1-2-9]中找到距离最小数D1-2-8＝0，然后得到移位位置8，将第2个整周期数组[0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4]向前移位8位，获取数组[0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.5，0.4，0.3，0.2，0.1，0，0.1]；
其它圈也按上述公式计算欧氏距离，找到距离最小数，得到移位位置后进行移位。最终得到经过对齐的4个整周期旋翼桨涡干扰噪声数据数组
[0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3]、
[0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.5，0.4，0.3，0.2，0.1，0，0.1，]、[0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.3，0.2，0.1，0，0.1]、[0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.3，0.4，0.5，0.6，0.5，0.4，0.3，0.2，0.1，0，0.1，0.2，0.1]；
S6：整周期数据平均
将上述4圈旋翼桨涡干扰噪声数据数组(即4圈)按下述公式进行平均，得到最终所需的一组旋翼桨涡干扰噪声整周期平均数据数组
Figure BDA0002789318020000121
Figure BDA0002789318020000122
Figure BDA0002789318020000123
Figure BDA0002789318020000124
…
Figure BDA0002789318020000125
以上所述，仅为本发明的具体实施例，对本发明进行详细描述，未详尽部分为常规技术。但本发明的保护范围不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，其特征在于，所述旋翼桨涡干扰噪声时域数据的采集在模型旋翼试验台上进行，在模型旋翼试验台上安装有转速传感器、噪声传感器，分别用于获取转速和桨涡干扰噪声数据；所述转速传感器和所述噪声传感器与数据采集***电相连，通过数据采集***，可同步采集转速数据和桨涡干扰噪声数据；该方法具体包括如下步骤：
S1：同步采集转速数据组和桨涡干扰噪声数据组；
S2：根据所述步骤S1中采集的转速数据组和桨涡干扰噪声数据组，设置转速峰值阈值，根据转速峰值阈值在所述转速数据组中进行转速峰值位置搜索，得到峰值位置数组；
S3：根据所述步骤S2中得到的所述峰值位置数组，将峰值位置数组最后位置数据去掉得到峰值起点数组，根据所述峰值起点数组相邻的峰值位置进行各周期数据长度计算得到周期数据长度数组，选取周期数据长度数组中的最大众数作为整周期数据长度，同时得到整周期起点数组；
S4：根据所述步骤S3中得到的所述整周期数据长度，对所述桨涡干扰噪声数据组进行整周期数据截取，对应得到桨涡干扰噪声数据组的各整周期数据组；
S5：针对所述步骤S4中得到的桨涡干扰噪声数据组的各整周期数据组，通过欧氏距离分析，进行数据对齐，得到经对齐的整周期桨涡干扰噪声数据组；
S6：针对所述步骤S5中经对齐的整周期桨涡干扰噪声数据组，进行整周期数据平均。
2.根据权利要求1所述的一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，其特征在于，在所述步骤S1中，转速和桨涡干扰噪声同步采集频率为n，n至少8圈。
3.根据权利要求2所述的一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，其特征在于，在所述步骤S2中，首先设置一个转速峰值阈值Psp，利用该所述转速峰值阈值Psp对所述步骤S1中的转速数据组[Spa1,Spa2,…,Spax]进行峰值搜索，x为采样点的个数,具体包括如下步骤：
S201：将转速数据数组[Spa1,Spa2,…,Spax]从当前搜索位置取出奇数t个点，如果这t个点都比所述转速峰值阈值Psp大，而且前(t-1)/2个点转速值逐渐增大，同时后(t-1)/2个点转速值逐渐减小，则这段转速数据中的第(t-1)/2+1个点的位置既为一个峰值点；
起始搜索从第一个数据点Spa1开始进行搜索；
S202：如果找到峰值点，则记录下该峰值点在转速数据数组[Spa1,Spa2,…,Spax]中的峰值位置，同时从当前峰值位置往后跳过s个数据点作为当前搜索位置，且s≥t，重复S201继续搜索峰值点；
如果没有找到峰值点，则将搜索位置从当前位置往后移动1个位置作为当前搜索位置，重复S201继续搜索峰值点；
S203：当对所述步骤S1中的转速数据组[Spa1,Spa2,…,Spax]中的全部转速数据搜索完成后，如果找到的峰值位置个数大于所述转速和桨涡干扰噪声同步采集频率n时，则需要将转速峰值阀值的数值增大为原转速峰值阀值Psp的110％，然后将当前搜索位置设置为第一个数据点Spa1，重复S201-S202；如果找到的峰值位置个数小于所述转速和桨涡干扰噪声同步采集频率n时，则需要将转速峰值阀值的数值减小为原转速峰值阀值Psp的90％，然后将当前搜索位置设置为第一个数据点Spa1，重复S201-S202；当找到的峰值位置个数等于所述转速和桨涡干扰噪声同步采集频率n时，则结束峰值搜索，并最终得到峰值位置数组[La0,La1,…,Lan]。
4.根据权利要求3所述的一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，其特征在于，在所述步骤S2中，首先对所述转速数据组[Spa1,Spa2,…,Spax]的转速数据取绝对值得到绝对值转速数据数组[Spb1,Spb2,…,Spbx]，并替代所述转速数据组[Spa1,Spa2,…,Spax]。
5.根据权利要求4所述的一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，其特征在于，所述转速峰值阈值Psp一般取所述步骤S1中采集的转速数据组中转速最大值的10％-50％。
6.根据权利要求5所述的一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，其特征在于，在所述步骤S201中，t的取值大于等于3。
7.根据权利要求3-6任意一项所述的一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，其特征在于，在所述步骤S3中，将所述峰值位置数组[La0,La1,…,Lan]最后位置数据去掉得到峰值起点数组[La0,La1,…,La(n-1)]，计算得到周期数据长度数组[La1-La0,La2-La1,…,La(n-1)-La(n-2)]，选取周期数据长度数组中的最大的众数Lf作为整周期数据长度，并根据所述峰值位置数组得到周期数据长度为Lf的整周期起点数组[j0,j1,…jm]。
8.根据权利要求7所述的一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，其特征在于，在所述步骤S4中，利用所述步骤S3中得到整周期数据长度，将旋翼桨涡干扰噪声数据数组[Ni1,Ni2,…,Nix]截取成m个整周期旋翼桨涡干扰噪声数据数组[Ni11,Ni12,…Ni1Lf]、[Ni21,Ni22,…Ni2Lf]、…[Nim1,Nim2,…NimLf]。
9.根据权利要求8所述的一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，其特征在于，在所述步骤S5中，具体包括如下步骤：
S501：以第1个整周期旋翼桨涡干扰噪声数据数组[Ni11,Ni12,…Ni1Lf]为基准，按照欧式距离计算公式，分别计算其它每一个整周期旋翼桨涡干扰噪声数据数组与第1个整周期旋翼桨涡干扰噪声数据数组的欧氏距离，其中每一个整周期旋翼桨涡干扰噪声数据数组还包括数组内前Lf-1个数据点依次向后平移的各数据组合；
S502：分别找到其它每一个整周期旋翼桨涡干扰噪声数据数组与第1个整周期旋翼桨涡干扰噪声数据数组的欧式距离最小时对应的数据组合，得到经对齐的各整周期旋翼桨涡干扰噪声数据数组。
10.根据权利要求9所述的一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法，其特征在于，在所述步骤S6中，对于所述步骤S5中得到的经对齐的各整周期桨涡干扰噪声数据组中的各对应位置数据点进行算术平均，最终得到所需的旋翼桨涡干扰噪声整周期平均数据数组
Figure FDA0002789318010000041
CN202011309542.9A 2020-11-20 2020-11-20 一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法 Active CN112504426B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011309542.9A CN112504426B (zh) 2020-11-20 2020-11-20 一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011309542.9A CN112504426B (zh) 2020-11-20 2020-11-20 一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法

Publications (2)

Publication Number Publication Date
CN112504426A true CN112504426A (zh) 2021-03-16
CN112504426B CN112504426B (zh) 2022-10-18

Family

ID=74958955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011309542.9A Active CN112504426B (zh) 2020-11-20 2020-11-20 一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法

Country Status (1)

Country Link
CN (1) CN112504426B (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1103901A (en) * 1965-07-30 1968-02-21 Copperfield Corp Helicopter rotor
FR2551209A1 (fr) * 1983-08-09 1985-03-01 Becton Dickinson Co Procede et appareil de mesure de desequilibre
JPH1062543A (ja) * 1996-08-26 1998-03-06 Oki Electric Ind Co Ltd 海洋音響トモグラフィにおける展開関数生成方法及び展開関数生成装置
WO2011106527A2 (en) * 2010-02-24 2011-09-01 Ampersand International, Inc. Method for noise filtering based on confidence interval evaluation
CN105510043A (zh) * 2015-11-26 2016-04-20 中国船舶工业***工程研究院 一种船用柴油机工作稳定性分析方法及装置
CN107505497A (zh) * 2017-07-24 2017-12-22 同济大学 一种无源磁电转速传感器信号峰峰值时域测量方法
CN108088546A (zh) * 2017-12-03 2018-05-29 中国直升机设计研究所 一种旋翼台工作转速状态下放大器端子松脱识别方法
CN108106827A (zh) * 2017-12-03 2018-06-01 中国直升机设计研究所 一种旋翼台升转速状态下放大器端子松脱识别方法
CN108100300A (zh) * 2017-12-03 2018-06-01 中国直升机设计研究所 一种用于全消声室桨-涡干扰试验的涡发生装置
CN108573240A (zh) * 2018-04-25 2018-09-25 常州大学 一种结合形状序列和线性时间归一化的步态身份识别
CN108910079A (zh) * 2018-06-26 2018-11-30 中国直升机设计研究所 一种旋翼试验台动平衡调整相位识别方法
CN110469462A (zh) * 2019-08-21 2019-11-19 北京天泽智云科技有限公司 一种基于多模板的风电机组智能状态监测***
CN110794367A (zh) * 2019-10-12 2020-02-14 中国直升机设计研究所 一种桨涡干扰声源定位方法
CN110844115A (zh) * 2019-10-18 2020-02-28 中国直升机设计研究所 一种桨涡干扰噪声和桨叶挥舞载荷数据有效性判别方法
CN110987438A (zh) * 2019-12-04 2020-04-10 国网福建省电力有限公司 水轮发电机变转速过程周期性振动冲击信号检测的方法
CN111046493A (zh) * 2019-12-04 2020-04-21 中国直升机设计研究所 一种基于集中载荷的旋翼气动噪声计算方法
CN111089729A (zh) * 2018-10-24 2020-05-01 汽车交通工程有限公司 用于借助固体声音传感器对组件维护预告的方法和***
CN111366774A (zh) * 2020-03-19 2020-07-03 上海梓一测控技术有限公司 一种汽车eps马达的反向电动势测试设备及其测试方法
US20200301998A1 (en) * 2019-03-22 2020-09-24 Fujitsu Limited Noise determination method, noise determination device, and non-transitory computer-readable storage medium for storing noise determination program

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1103901A (en) * 1965-07-30 1968-02-21 Copperfield Corp Helicopter rotor
FR2551209A1 (fr) * 1983-08-09 1985-03-01 Becton Dickinson Co Procede et appareil de mesure de desequilibre
JPH1062543A (ja) * 1996-08-26 1998-03-06 Oki Electric Ind Co Ltd 海洋音響トモグラフィにおける展開関数生成方法及び展開関数生成装置
WO2011106527A2 (en) * 2010-02-24 2011-09-01 Ampersand International, Inc. Method for noise filtering based on confidence interval evaluation
CN105510043A (zh) * 2015-11-26 2016-04-20 中国船舶工业***工程研究院 一种船用柴油机工作稳定性分析方法及装置
CN107505497A (zh) * 2017-07-24 2017-12-22 同济大学 一种无源磁电转速传感器信号峰峰值时域测量方法
CN108100300A (zh) * 2017-12-03 2018-06-01 中国直升机设计研究所 一种用于全消声室桨-涡干扰试验的涡发生装置
CN108106827A (zh) * 2017-12-03 2018-06-01 中国直升机设计研究所 一种旋翼台升转速状态下放大器端子松脱识别方法
CN108088546A (zh) * 2017-12-03 2018-05-29 中国直升机设计研究所 一种旋翼台工作转速状态下放大器端子松脱识别方法
CN108573240A (zh) * 2018-04-25 2018-09-25 常州大学 一种结合形状序列和线性时间归一化的步态身份识别
CN108910079A (zh) * 2018-06-26 2018-11-30 中国直升机设计研究所 一种旋翼试验台动平衡调整相位识别方法
CN111089729A (zh) * 2018-10-24 2020-05-01 汽车交通工程有限公司 用于借助固体声音传感器对组件维护预告的方法和***
US20200301998A1 (en) * 2019-03-22 2020-09-24 Fujitsu Limited Noise determination method, noise determination device, and non-transitory computer-readable storage medium for storing noise determination program
CN110469462A (zh) * 2019-08-21 2019-11-19 北京天泽智云科技有限公司 一种基于多模板的风电机组智能状态监测***
CN110794367A (zh) * 2019-10-12 2020-02-14 中国直升机设计研究所 一种桨涡干扰声源定位方法
CN110844115A (zh) * 2019-10-18 2020-02-28 中国直升机设计研究所 一种桨涡干扰噪声和桨叶挥舞载荷数据有效性判别方法
CN110987438A (zh) * 2019-12-04 2020-04-10 国网福建省电力有限公司 水轮发电机变转速过程周期性振动冲击信号检测的方法
CN111046493A (zh) * 2019-12-04 2020-04-21 中国直升机设计研究所 一种基于集中载荷的旋翼气动噪声计算方法
CN111366774A (zh) * 2020-03-19 2020-07-03 上海梓一测控技术有限公司 一种汽车eps马达的反向电动势测试设备及其测试方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘正江 等: "旋翼桨涡干扰噪声特性试验技术研究", 《直升机技术》 *

Also Published As

Publication number Publication date
CN112504426B (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
CN106487359B (zh) 基于自适应多尺度AVG-Hat变换的形态学滤波器的构造方法
CN110749442B (zh) Laplace小波自适应稀疏表示的滚动轴承故障特征提取方法
CN109255333B (zh) 一种大型风电机组滚动轴承故障混合诊断方法
CN109187023B (zh) 一种汽车发电机轴承故障诊断方法
CN109655266B (zh) 一种基于avmd和谱相关分析的风电机组轴承故障诊断方法
CN114216682B (zh) 一种基于tcn和bls的滚动轴承的寿命预测方法及装置
CN113155462B (zh) 基于辛几何模式分解与图结构增强动态时间规整的轴承故障诊断方法
CN109540523A (zh) 一种艇用离心泵滚动轴承故障诊断方法
CN110701087A (zh) 基于单分类超限学习机的轴流压气机气动失稳检测方法
CN112504426B (zh) 一种基于峰值搜索的旋翼桨涡干扰噪声整周期平均方法
CN113295420A (zh) 基于周期指导组稀疏模型的滚动轴承故障诊断方法及***
CN110844115B (zh) 一种桨涡干扰噪声和桨叶挥舞载荷数据有效性判别方法
CN111680665A (zh) 基于数据驱动的采用电流信号的电机机械故障诊断方法
CN112487360B (zh) 一种基于统计分析的旋翼桨涡干扰噪声整周期平均方法
CN111046790A (zh) 一种泵轴承故障诊断方法
CN117992777A (zh) 一种基于图像融合的电机电气故障诊断方法
CN108106827B (zh) 一种旋翼台升转速状态下放大器端子松脱识别方法
CN111323233B (zh) 一种用于低速旋转机械故障诊断的局部均值分解方法
CN117109923A (zh) 一种滚动轴承故障诊断方法及***
CN110920931A (zh) 一种旋转部件飞行测试静态载荷、动态载荷分离方法
CN112668807B (zh) 一种用于风电场功率预测的风速预测方法
CN113221986B (zh) 一种贯流式水轮机振动信号分离方法
CN114781466A (zh) 基于旋转机械振动信号谐波基频的故障诊断方法及***
CN113850174A (zh) 一种含未知故障的风电机组主轴承故障诊断方法
CN108152527B (zh) 一种基于中值平均滤波的数字测速方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant