CN114199152A - 一种机翼形变测量方法及装置 - Google Patents
一种机翼形变测量方法及装置 Download PDFInfo
- Publication number
- CN114199152A CN114199152A CN202111294010.7A CN202111294010A CN114199152A CN 114199152 A CN114199152 A CN 114199152A CN 202111294010 A CN202111294010 A CN 202111294010A CN 114199152 A CN114199152 A CN 114199152A
- Authority
- CN
- China
- Prior art keywords
- displacement
- wing
- strain
- fbg
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000006073 displacement reaction Methods 0.000 claims abstract description 114
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 238000013528 artificial neural network Methods 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000004806 packaging method and process Methods 0.000 claims description 25
- 239000013307 optical fiber Substances 0.000 claims description 22
- 238000000691 measurement method Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000003491 array Methods 0.000 claims description 11
- 230000035945 sensitivity Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000853 adhesive Substances 0.000 claims description 3
- 230000001070 adhesive effect Effects 0.000 claims description 3
- 239000004519 grease Substances 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims description 2
- 238000007788 roughening Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 239000000835 fiber Substances 0.000 description 8
- 238000004088 simulation Methods 0.000 description 8
- 229910000831 Steel Inorganic materials 0.000 description 5
- 239000010959 steel Substances 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000009529 body temperature measurement Methods 0.000 description 3
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002168 optical frequency-domain reflectometry Methods 0.000 description 2
- 239000004677 Nylon Substances 0.000 description 1
- 239000004642 Polyimide Substances 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229920006335 epoxy glue Polymers 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920001778 nylon Polymers 0.000 description 1
- 229920001721 polyimide Polymers 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
- G01B11/18—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge using photoelastic elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提出一种机翼形变测量方法及装置，属于飞行测试领域。设定应变测点及位移测点；采集波长数据，计算出各应变测点的高精度应变数据；采集各位移测点的位移数据；以所述的高精度应变数据为输入变量，以所述的位移数据为输出变量，筛选出与输出变量相关性最大的输入变量，各输入变量构成相关性最大的变量集合；将所述相关性最大的变量集合作为BP网络的输入值，构建BP网络，得到每个位移测点的BP神经网络；利用所述BP神经网络训练结果处理各检测点的实时高精度应变数据，得到每一位移测点的位移信息，将各点的位移样条差值后，形成多条形变曲线，得到机翼的实时形变信息。能够以较少的传感器实现飞机飞行过程中机翼形变情况的实时、准确测量。
Description
技术领域
本发明属于飞行测试领域，特别涉及一种机翼形变测量方法及装置。
背景技术
随着现代工业和科学技术的发展，形状传感技术受到越来越多的关注，并被广泛应用到如医疗、工业机器人、航空航天等各个领域。在航空领域，对于柔性变体飞行器，形状传感技术可用于其机翼形变的实时监测，从而反馈控制***调整及优化机翼形态，以适应不同的任务环境。另一方面，对于装备机翼一体化共形雷达***的传感器飞机，利用形状传感技术实时获取机翼的形变信息，在波束形成时补偿各天线模块的相位误差，以提高传感器飞机的雷达探测性能。
对于机翼表面的形状测量，可分为非接触法和接触法两种。
第一种：非接触法，采用立体照相机、激光雷达等辅助装置获取被测结构表面影像，实现高精度的形变测量。这类测量方法在实际的测量过程中存在辅助测量装置较多，辅助测量装置体积较大，装置的便携性差；及辅助测量装置安装不方便、测量范围有限的问题，难以测得机翼全场变形情况，无法做到高精度、实时测量机翼的变形情况。
第二种：接触法，一般采用各类传感器阵列设置在机翼蒙皮表面或者机翼蒙皮内部，测量得到离散的应变或者加速度数据，采用算法实现机翼形变的重构。在众多传感器中，光纤布拉格光栅(Fiber Bragg Gratings,下文简称：FBG)传感器以其抗电磁干扰、轻质、小型化等优势受到广大研究人员的欢迎。尤其是在形状传感领域，光纤形态柔软、传/感一体的特点使其能够贴合被测结构面，配合纤芯内高密度的光纤光栅测点，以少量的线缆(相对于电学式传感器)覆盖大范围的结构面，利用形状重构算法实现形状传感功能。
当前，国内外均有利用FBG传感技术实现机翼形变测量的报道。该技术的核心部分为基于离散应变数据的曲线重构算法，主要有基于Frenet框架的重构算法、KO算法等。但是这些方法都涉及离散数据的插值及坐标传递，存在误差累积的问题，需要海量的高精度传感器测点。2008年，NASA利用KO算法对IKhana无人机机翼形状进行了测试，每个机翼布置了1440个传感器测点，才能满足高精度的形状传感。此外，还需要精确知道所有测点的间距，才能进行曲线重构，而对于机上安装的FBG传感器阵列，很难精确测量其间距，尤其对于置于机翼蒙皮内部的光纤传感器更是如此。另外，海量的FBG测点需要配合OFDR大容量解调***，但又无法兼顾高实时性(机翼共形雷达需要毫秒级别的实时测量能力)。另一方面，使用这类方法时，海量光纤光栅传感器测点安装完后还需要逐个标定，工作量较大，不利于高精度的同时兼顾高实时性的测量机翼的形变。
发明内容
针对上述问题，本发明提出一种机翼形变测量方法及装置，至少部分解决现有技术中存在的问题，能够以较少的传感器实现飞机飞行过程中机翼的实时、准确测量。
第一方面，本申请实施例提供了一种机翼形变测量方法，包括：
将FBG传感器阵列封装于机翼上，设定应变测点，同时设置位移测点；
采集各FBG传感器所对应的中心波长数据，计算出各应变测点的高精度应变数据；采集各位移测点的位移数据；
分别以所述的高精度应变数据为输入变量，以所述的位移数据为输出变量，筛选出与输出变量相关性最大的输入变量，各输入变量构成相关性最大的变量集合；
将所述相关性最大的变量集合作为BP网络的输入值，构建BP网络，得到每个位移测点的BP神经网络；
利用所述BP神经网络训练结果处理各检测点的实时高精度应变数据，得到每一位移测点的位移信息，将各点的位移样条差值后，形成多条形变曲线，得到机翼的实时形变信息。
根据本申请实施例的一种具体实现方式，所述FBG传感器阵列以嵌入式封装的方式封装于机翼内部或粘敷式封装的方式封装于机翼上。
根据本申请实施例的一种具体实现方式，在机翼表面以粘敷式封装的方式封装FBG传感器阵列包括：
将机翼外表面局部粗糙处理；
清洗液清除部粗糙处理后的局部机翼外表面的油脂；
在清洗完成的机翼外表面粘接FBG传感器阵列，完成粘敷式封装FBG传感器阵列。
根据本申请实施例的一种具体实现方式，所述应变测点处的粘接长度大于或等于10cm。
根据本申请实施例的一种具体实现方式，在机翼内部以嵌入式封装方式封装FBG传感器阵列包括：
将所述FBG传感器阵列沿着机翼展向埋设在靠近表面的第一铺层与第二铺层之间。
根据本申请实施例的一种具体实现方式，所述FBG传感器阵列根部光纤上套设有套管。
根据本申请实施例的一种具体实现方式，每一组所述FBG传感器阵列包括若干等距设置的FBG应变计。
根据本申请实施例的一种具体实现方式，每一组所述FBG传感器阵列还包括设置于该组FBG传感器阵列尾部光纤上的FBG温度计。
根据本申请实施例的一种具体实现方式，所述采集各FBG传感器所对应的中心波长数据，计算出各应变测点的高精度应变数据；采集各位移测点的位移数据包括：
初始状态下，记录下所有FBG传感器的中心波长值；
在机翼展向及弦向设定多个位移测点，在机翼展向分别施加若干组的均布载荷，监测多个所述位移测点的位移数据，记录多个所述位移测点实测位移数据；
同时，记录所有FBG传感器中心波长数据。
根据本申请实施例的一种具体实现方式，所述在机翼展向及弦向设定多个位移测点包括：
将机翼在展向上分为a个单位，在弦向上分为b个单位，机翼的外表面形成a*b的网格，网格的结点即为位移测点。
根据本申请实施例的一种具体实现方式，所述均布载荷加载过程中，阵列表面各个应变测点的实测应变值计算方式如下：
其中：
ΔT为应变测点所在温度补偿区域k的温度变化量，单位为℃；
Δλk为应变测点所在温度补偿区域k中温度测点的中心波长的变化量，单位为nm；
KkT为该温度测点的温度灵敏度系数，单位为pm/℃。
根据本申请实施例的一种具体实现方式，所述基于所述高精度应变数据，筛选出与高精度应变数据的输出变量相关性最大的输入变量，各输入变量构成相关性最大的变量集合包括：
利用MIV算法从
筛选出与高精度应变数据的输出变量相关性最大的输入变量集合
根据本申请实施例的一种具体实现方式，所述构建BP网络还包括：根据所述相关性最大的变量集合的实时更新，对BP网络实时进行训练，对每个位移测点构建优化变量后的BP网络。
第二方面，提供一种机翼形变测量装置，所述装置包括：
FBG传感模块，用于采集所述FBG传感阵列的中心波长数据，并计算得到各应变测点的高精度应变数据；
位移检测模块，用于采集各位移测点的位移数据；
筛选模块，用于筛选出与输出变量相关性最大的输入变量，各输入变量构成相关性最大的变量集合，其中，输出变量为所述高精度应变数据，输入变量为所述位移数据；
训练模块，用于将所述相关性最大的变量集合作为BP网络的输入值，构建BP网络，得到每个位移测点的BP神经网络；
运算模块，用于根据实时采集FBG传感阵列的波长数据，利用所述BP神经网络，得到每一位移测点的位移信息，将各点的位移样条差值后，形成多条形变曲线，得到机翼的实时形变信息。
根据本申请实施例的一种具体实现方式，所述FBG传感模块为FBG传感器阵列及配套的FBG波长解调仪，所述FBG传感器阵列以嵌入式封装的方式封装于机翼内部和/或以粘敷式封装的方式封装于机翼外表面。
根据本申请实施例的一种具体实现方式，所述FBG传感器阵列包括至少一组FBG传感器组，每组所述FBG传感器包括：
若干FBG应变计，等间距设置于光纤上；
一FBG温度计，设置于该组FBG传感器阵列尾部光纤上；
套管，所述套管套设于FBG传感器阵列根部的光纤上。
本发明的机翼形变测量方法及装置，采用FBG传感技术，将体积小、重量轻的FBG传感网络布设于机翼上，易于光纤传感器测得的应变信息直接关联机翼真实形变信息，避免传统算法中由于坐标递推产生的误差累计。同时，利用较少的传感器测点数量实现高精度的机翼形变测量，减少***的复杂度。本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明实施例的机翼形变测量方法流程示意图；
图2示出了本发明实施例的FBG传感器阵列与机翼设置完成局部结构示意图；
图3示出了本发明实施例的温度测量点处的结构设置示意图；
图4示出了本发明实施例中的由机翼建模仿真结果得到的均布载荷划分方式示意图；
图5示出了本发明实施例的实验环境下机翼形变训练装置的结构示意图；
图6示出了本发明实施例的机翼形变训练装置的结构示意图；
图7示出了本发明实施例的基于MIV算法的应变测点筛选方法流程示意图；
图8示出了本发明实施例的机翼形变测量方法的结果与传统形变测量方法结果；以及，
图9示出了本发明实施例的机翼形变测量装置结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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。
要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本申请，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本申请实施例提供了一种机翼形变测量方法，包括：将FBG传感器阵列封200装于机翼100上，设定应变测点及位移测点；采集各FBG传感器所对应的中心波长数据，计算出各应变测点的高精度应变数据；采集各位移测点的位移数据；分别以所述的高精度应变数据为输入变量，以所述的位移数据为输出变量，筛选出与输出变量相关性最大的输入变量，各输入变量构成相关性最大的变量集合；将所述相关性最大的变量集合作为BP网络的输入值，构建BP网络，得到每个位移测点的BP神经网络；利用所述BP神经网络训练结果处理各检测点的实时高精度应变数据，得到每一位移测点的位移信息，将各点的位移样条差值后，形成多条形变曲线，得到机翼100的实时形变信息。通过采用FBG传感技术，将体积小、重量轻的FBG传感网络布设于机翼100上，相比于摄像法等非接触测量法，其对机翼100外形影响小，且更易于光纤传感器测得的应变信息直接关联机翼100真实形变信息，避免传统算法中由于坐标递推产生的误差累计，利用较少的传感器测点数量实现高精度的机翼100形变测量，减少***的复杂度。
接下来，参考附图，具体描述本申请实施例的机翼形变测量方法。
请参照图1，图1示出了本发明实施例的机翼100形变测量方法流程示意图。如图1所示，所述方法包括以下步骤：
步骤S100，将FBG传感器阵列封装于机翼上，设定应变测点，同时设置位移测点。
更进一步地，所述FBG传感器阵列200以嵌入式封装和/或粘敷式封装的方式封装于机翼100上。即，在机翼100表面或机翼100蒙皮内部布置FBG传感器阵列200，且多条FBG传感器阵列200平行布置于机翼100展向方向上。同时在机翼展向及弦向设定多个位移测量点。
更具体的，在机翼100表面布置FBG传感器阵列200，多条FBG传感器阵列200平行布置在机翼100展向方向上。请参照图2，图2示出了本发明实施例的FBG传感器阵列200与机翼100设置完成局部结构示意图。如图2所示，FBG传感器阵列200包含若干等距设置与光纤207上的FBG应变计201，FBG应变计201设置处对应为应变测量点。FBG传感器阵列200还包括设置于该组FBG传感器阵列200尾部光纤207上的FBG温度计202，FBG温度计202设置处对应为温度测量点及套设于FBG传感器阵列200根部光纤上起到保护作用的套管203，确保光纤能够从机翼100部分安全引出。本实施例中的套管203采用尼龙套管。FBG传感器阵列200使用X120双组份环氧胶粘接在机翼100表面，粘接前需要在机翼100表面进行粗糙处理，本实施例中对机翼100表面粗糙处理的方式采用砂纸打磨，并用丙酮清洗去除表面油脂，对于每个应变测量点，其粘接长度应为10cm以上。值得注意的是，应变测量点为一系列等间隔地刻写在一根光纤207上的聚酰亚胺涂层FBG阵列(不包含尾端的FBG)，多条光纤207分布在机翼100展向方向上。请参照图3，图3示出了本发明实施例的温度测量点处的结构设置示意图。如图3所示，温度测量点的处理方法为：
将FBG传感器阵列200的最后一个光栅204，穿入毛细钢管205封装，所述光栅204悬空设置于毛细钢管205内部，光纤207沿毛细钢管205轴向延伸至外部，光纤207与毛细钢管205端部相接处为根部，根部点胶固化处理，形成固定保护件206。其中，毛细钢管205的内径大于0.5mm。
根部点胶固化处理能够确保该测点不受机翼100结构应变影响，只受温度影响。多条FBG传感器阵列200尾端的温度测点均匀分布在机翼100展向方向，用于对各自温度补偿区域内的应变测点进行实时的温度补偿，得到精确的应变信息。温度补偿区域采用就近原则，对各个应变测点选择距离最近的温度测点作补偿。
在机翼100展向及弦向设定多个位移测点包括：
将机翼在展向上分为a个单位，在弦向上分为b个单位，机翼100的外表面形成a*b的网格，网格的结点即为位移测点。
值得注意的是，理想状态下，FBG传感器的分布对应的应变测点与位移测点的分布情况为皆均匀密布于机翼100上，且二者重合。
步骤S200：对机翼100进行建模并仿真，得到飞行过程中不同过载下机翼100上的均布载荷情况。
假设飞机在飞行过程中的最大预计过载为a。留20％余量后，最大过载设为1.2a，设定步进量为0.05a，在初始状态至最大过载间得到24组过载数据。在展向方向上按面积等分为5个加载区块。利用仿真软件计算各组机翼100过载数据下机翼100展向方向上5个区域内的均布载荷，请参照图4，图4示出了本发明实施例中的由机翼100建模仿真结果得到的均布载荷划分方式示意图。
基于上述的机翼100仿真结果，用具备控制器的作动装置在机翼展向分别施加24组的均布载荷，每组状态停留一段时间用于***稳定及数据保存。同时对机翼上设定的多个位移测点，利用位移检测器监测这些点的位移数据，并将这些数据传输至计算机。示例性的，本实施例中的位移检测器采用激光位移传感器。
通过利用作动装置对机翼进行位移加载的方式，能够有效模拟飞机在正常飞行过程中的飞行状况。确保训练的结果与实际结果更相符，进而在实际飞机飞行过程中检测的更为准确。本步骤为在实验室阶段完成，在飞机正常完成工作过程中对机翼的形变进行测量时，无需进行此步骤。
步骤S300，采集各FBG传感器所对应的中心波长数据，计算出各应变测点的高精度应变数据；采集各位移测点的位移数据。
具体的，保持机翼100展向平直状态，此时机翼100各点的位移量为零，定义该状态为初始状态，记录该状态下测得的所有FBG传感器的中心波长数据值；利用步骤S200得到的仿真结果，在机翼100展向分别施加均布载荷。同时利用位移检测模块监测采集各位移测点的位移数据。同时计算机实时记录下相应的FBG传感器的中心波长数据。
示例性的，请参照图5，图5示出了本发明实施的在实验环境下机翼形变训练装置的结构示意图。如图5所示，在实验环境下实际测量过程中，将FBG传感器阵列200通过法兰盘300连接一FBG波长解调仪400，FBG波长解调仪400连接计算机500。在保证形状测量精度的同时，采用基于波分复用的高速FBG波长解调设备。本实施例中选择的FBG波长解调仪400的解调速率≥1kHz，可以实现kHz以上的数据处理速度(现有的OFDR技术速率为100Hz)，满足机翼100共形雷达等高实时性的形变应用。
在室温、常压下，保持机翼100展向平直状态，此时机翼100各点的位移量为零，定义该状态为初始状态，计算机记录下该状态下FBG波长解调仪400测得的所有FBG的中心波长数据值；利用步骤S200得到的仿真结果，用具备控制器601的作动装置600在机翼100展向分别施加24组的均布载荷，每组状态停留至少10分钟，以保证***稳定及数据保存。同时对在机翼100展向及弦向设定的多个位移测点，利用激光位移传感器700监测这些点的位移数据，并将这些数据传输至计算机500，记为
表示a行b列的位移测量点的实测位移数据。同样的，此时计算机实时记录下相应的FBG中心波长数据。
均布载荷加载过程中，阵列表面各个应变测点的应变
计算方法如下：
其中，
表示第i条FBG传感器阵列200中第j个应变测点的实测应变值，单位为：με；
为该应变测点实测得的中心波长的变化量，单位为：nm；ΔT为应变测点所在温度补偿区域k的温度变化量，单位为℃；
为该应变测点的温度灵敏度系数*，单位为pm/℃；
为该应变测点的应变灵敏度系数，这里取1.209，单位为pm/με；Δλk为应变测点所在温度补偿区域k中温度测点的中心波长的变化量，单位为nm；KkT为该温度测点的温度灵敏度系数，单位为pm/℃。
其中，
和KkT可以通过温度试验标定得出。方法为制作一小块与机翼100同等材料的结构件，在上面用同等工艺粘贴/埋设应变及温度测点。放入温度箱后调节温度，分别记录下不同温度下应变及温度测点的波长数据，进行线性拟合后，其一次项系数即为
和KkT。
在离开实验环境，飞机进行正常工作时，无需进行利用具备控制器601的作动装置600在机翼100展向分别施加24组的均布载荷的步骤。具体的，本发明实施例的机翼形变训练装置的结构示意图如图6所示。
步骤S400，分别以所述的高精度应变数据为输入变量，以所述的位移数据为输出变量，筛选出与输出变量相关性最大的输入变量，各输入变量构成相关性最大的变量集合。
基于上述输出测试数据，对机翼100上的每个位移测点
利用MIV(MeanImpact Value)算法从
筛选出与其相关性最大的输入变量集合
具体的，在网络训练终止后，将训练样本P中每一自变量特征在其原值的基础上分别增加/减少10％构成新的两个训练样本P1和P2，将P1和P2分别作为仿真样本利用已建成的网络进行仿真，得到两个仿真结果A1和A2，求出A1和A2的差值，即为变动该自变量后对输出产生的影响变化值(Impact Value，IV)，最后将IV按观测例数平均得出该自变量对于应变量——网络输出的MIV。按照上面步骤依次算出各个自变量的MIV值。最后根据MIV绝对值的大小为各自变量排序，得到各自变量对网络输出影响的相对重要性的位次表，从而判断出输入特征对于网络结果的影响程度，即实现了变量筛选。
示例性的，请参照图7，图7示出了本发明实施例的基于MIV算法的应变测点筛选方法流程示意图。如图7所示，具体方法如下：
步骤S401、对于输入变量
分别增加/减少10％后形成新的集合
及
步骤S402、对每个位移测点，利用原始数据构建BP神经网络，设置输入层，隐含层和输出层。
输入数据为所有均布载荷下，各个应变测点的实测数据值
输出数据为所有均布载荷下，当前位移测点的实测值
设定BP神经网络参数，包括：学习率、迭代次数、误差指标，并初始化网络。
步骤S403、对每个位移测点，利用步骤S402构建的BP神经网络，分别计算所有
和
作为输入数据后网络输出值
和
计算其各自的
值：
步骤S404、
值降序排列，选择前50％的
其所对应的应变测点集合
即为对该位移测点影响最大的输入变量，并将其作为后续BP网络的输入值。
步骤S500，将所述相关性最大的变量集合作为BP网络的输入值，构建BP网络，得到每个位移测点的BP神经网络。
具体的，根据S400结果，对每个位移测点构建优化变量后的BP网络，实时输入变量更新，保持其他参数不变。重复进行训练。得到每个位移测点的BP神经网络。
根据飞机机翼100实际飞行过程中的过载情况仿真计算得到大致的形变分布规律，使得BP神经网络训练更有针对性，避免对无效数据的处理，同时提高实飞过程机翼100形变测量的准确性。
步骤S600，利用所述BP神经网络训练结果处理各检测点的实时高精度应变数据，得到每一位移测点的位移信息，将各点的位移样条差值后，形成多条形变曲线，得到机翼100的实时形变信息。
本实施例中的实时波长数据为高速光纤光栅波长解调仪(解调速率≥1kHz)采集，所形成的的形变曲线为展向平滑的形变曲线。
利用本发明的机翼100形变测量方法所测得的结果如图8所示。可以看到，对比传统的形变测量算法，其与实测数据更吻合。以末端位移数据为例，由于测点数较少，传统算法误差经过累计传递末梢达到最大，与真实值相差约3.7mm，而使用本发明提供的机翼100形变测量方法检测的结果在达到的机翼100末梢位移误差约为0.6mm，准确率得到较大的提升。
请参照图9，图9示出了本发明实施例的机翼形变测量装置结构示意图。如图9所示，所述装置包括：
FBG传感模块，用于采集所述FBG传感阵列的中心波数据，并计算得到各应变测点的高精度应变数据；
位移检测模块，用于采集各位移测点的位移数据；
筛选模块，用于筛选出与输出变量相关性最大的输入变量，各输入变量构成相关性最大的变量集合，其中，输出变量为所述高精度应变数据，输入变量为所述位移数据；
训练模块，用于将所述相关性最大的变量集合作为BP网络的输入值，构建BP网络，得到每个位移测点的BP神经网络；
运算模块，用于根据实时采集FBG传感阵列的波长数据，利用所述BP神经网络，得到每一位移测点的位移信息，将各点的位移样条差值后，形成多条形变曲线，得到机翼的实时形变信息。
更进一步地，所述FBG传感模块为FBG传感器阵列200及配套的FBG波长解调仪，所述FBG传感器阵列200以嵌入式封装的方式封装于机翼100内部和/或以粘敷式封装的方式封装于机翼100外表面。
更进一步地，所述FBG传感器阵列200包括：至少一组FBG传感器组，每组所述FBG传感器包括：
若干个FBG应变计201，等间距设置于光纤上；一个FBG温度计202，设置于该组FBG传感器阵列200尾部光纤上；套管203，所述套管203套设于FBG传感器阵列200根部的光纤上。
尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (16)
1.一种机翼形变测量方法，其特征在于：包括：
将FBG传感器阵列封装于机翼上，设定应变测点，同时设置位移测点；
采集各FBG传感器所对应的中心波长数据，计算出各应变测点的高精度应变数据；采集各位移测点的位移数据；
分别以所述的高精度应变数据为输入变量，以所述的位移数据为输出变量，筛选出与输出变量相关性最大的输入变量，各输入变量构成相关性最大的变量集合；
将所述相关性最大的变量集合作为BP网络的输入值，构建BP网络，得到每个位移测点的BP神经网络；
利用所述BP神经网络训练结果处理各检测点的实时高精度应变数据，得到每一位移测点的位移信息，将各点的位移样条差值后，形成多条形变曲线，得到机翼的实时形变信息。
2.根据权利要求1所述的机翼形变测量方法，其特征在于：所述FBG传感器阵列以嵌入式封装的方式封装于机翼内部或粘敷式封装的方式封装于机翼上。
3.根据权利要求2所述的机翼形变测量方法，其特征在于：
在机翼表面以粘敷式封装的方式封装FBG传感器阵列包括：
将机翼外表面局部粗糙处理；
清洗液清除部粗糙处理后的局部机翼外表面的油脂；
在清洗完成的机翼外表面粘接FBG传感器阵列，完成粘敷式封装FBG传感器阵列。
4.根据权利要求3所述的机翼形变测量方法，其特征在于：
所述应变测点处的粘接长度大于或等于10cm。
5.根据权利要求2所述的机翼形变测量方法，其特征在于：
在机翼内部以嵌入式封装方式封装FBG传感器阵列包括：
将所述FBG传感器阵列沿着机翼展向埋设在靠近表面的第一铺层与第二铺层之间。
6.根据权利要求1所述的机翼形变测量方法，其特征在于：
所述FBG传感器阵列根部光纤上套设有套管。
7.根据权利要求1所述的机翼形变测量方法，其特征在于：
每一组所述FBG传感器阵列包括若干等距设置的FBG应变计。
8.根据权利要求7所述的机翼形变测量方法，其特征在于：
每一组所述FBG传感器阵列还包括设置于该组FBG传感器阵列尾部光纤上的FBG温度计。
9.根据权利要求1所述的机翼形变测量方法，其特征在于：所述采集各FBG传感器所对应的中心波长数据，计算出各应变测点的高精度应变数据；采集各位移测点的位移数据包括：
初始状态下，记录下所有FBG传感器的中心波长值；
在机翼展向及弦向设定多个位移测点，在机翼展向分别施加若干组的均布载荷，监测多个所述位移测点的位移数据，记录多个所述位移测点实测位移数据；
同时，记录所有FBG传感器中心波长数据。
10.根据权利要求9所述的机翼形变测量方法，其特征在于：所述在机翼展向及弦向设定多个位移测点包括：
将机翼在展向上分为a个单位，在弦向上分为b个单位，机翼的外表面形成a*b的网格，网格的结点即为位移测点。
11.根据权利要求6所述的机翼形变测量方法，其特征在于：所述均布载荷加载过程中，阵列表面各个应变测点的实测应变值计算方式如下：
其中：
ΔT为应变测点所在温度补偿区域k的温度变化量，单位为℃；
Δλk为应变测点所在温度补偿区域k中温度测点的中心波长的变化量，单位为nm；
KkT为该温度测点的温度灵敏度系数，单位为pm/℃。
12.根据权利要求11所述的机翼形变测量方法，其特征在于：所述基于所述高精度应变数据，筛选出与高精度应变数据的输出变量相关性最大的输入变量，各输入变量构成相关性最大的变量集合包括：
利用MIV算法从
筛选出与高精度应变数据的输出变量相关性最大的输入变量集合
13.根据权利要求1所述的机翼形变测量方法，其特征在于：所述构建BP网络还包括：根据所述相关性最大的变量集合的实时更新，对BP网络实时进行训练，对每个位移测点构建优化变量后的BP网络。
14.一种机翼形变测量装置，其特征在于：所述装置包括：
FBG传感模块，用于采集所述FBG传感阵列的中心波长数据，并计算得到各应变测点的高精度应变数据；
位移检测模块，用于采集各位移测点的位移数据；
筛选模块，用于筛选出与输出变量相关性最大的输入变量，各输入变量构成相关性最大的变量集合，其中，输出变量为所述高精度应变数据，输入变量为所述位移数据；
训练模块，用于将所述相关性最大的变量集合作为BP网络的输入值，构建BP网络，得到每个位移测点的BP神经网络；
运算模块，用于根据实时采集FBG传感阵列的波长数据，利用所述BP神经网络，得到每一位移测点的位移信息，将各点的位移样条差值后，形成多条形变曲线，得到机翼的实时形变信息。
15.根据权利要求14所述的机翼形变测量装置，其特征在于：所述FBG传感模块为FBG传感器阵列及配套的FBG波长解调仪，所述FBG传感器阵列以嵌入式封装的方式封装于机翼内部和/或以粘敷式封装的方式封装于机翼外表面。
16.根据权利要求14所述的机翼形变测量装置，其特征在于：所述FBG传感器阵列包括至少一组FBG传感器组，每组所述FBG传感器包括：
若干FBG应变计，等间距设置于光纤上；
一FBG温度计，设置于该组FBG传感器阵列尾部光纤上；
套管，所述套管套设于FBG传感器阵列根部的光纤上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111294010.7A CN114199152A (zh) | 2021-11-03 | 2021-11-03 | 一种机翼形变测量方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111294010.7A CN114199152A (zh) | 2021-11-03 | 2021-11-03 | 一种机翼形变测量方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114199152A true CN114199152A (zh) | 2022-03-18 |
Family
ID=80646753
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111294010.7A Pending CN114199152A (zh) | 2021-11-03 | 2021-11-03 | 一种机翼形变测量方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114199152A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115183731A (zh) * | 2022-06-20 | 2022-10-14 | 成都飞机工业（集团）有限责任公司 | 一种机翼表面监测***及其传感器布置方法 |
| CN117367309A (zh) * | 2023-12-08 | 2024-01-09 | 中国飞机强度研究所 | 一种大展弦机翼薄壁管梁突风弯曲变形测量***及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130075065A (ko) * | 2011-12-27 | 2013-07-05 | 국방과학연구소 | 항공기의 구조 건전성 감시 방법 |
| CN106477070A (zh) * | 2015-10-14 | 2017-03-08 | 北京信息科技大学 | 一种基于光栅光纤传感器的机翼外载荷实时监测方法 |
| CN106597391A (zh) * | 2016-11-25 | 2017-04-26 | 中国电子科技集团公司第三十八研究所 | 一种相控阵天线阵面变形全天候监测方法 |
| CN109186811A (zh) * | 2018-09-18 | 2019-01-11 | 天津科技大学 | 一种基于bp神经网络的fbg温度标定方法 |
| CN110059373A (zh) * | 2019-04-01 | 2019-07-26 | 南京航空航天大学 | 基于模态叠加原理的机翼应变场重构分布式光纤计算方法 |
| US20190390985A1 (en) * | 2018-06-22 | 2019-12-26 | The University Of Hong Kong | Real-time surface shape sensing for flexible structures |
| CN111272135A (zh) * | 2020-02-13 | 2020-06-12 | 东南大学 | 一种连续梁桥预制拼装施工的线形自动测量及控制方法 |
| CN111951908A (zh) * | 2020-08-31 | 2020-11-17 | 电子科技大学 | 一种柔性材料在受外载荷作用时的应变-位移构建方法 |
| CN113375582A (zh) * | 2021-05-13 | 2021-09-10 | 中国电子科技集团公司第三十八研究所 | 基于模糊神经网络的柔性天线阵面实时监测方法及*** |
-
2021
- 2021-11-03 CN CN202111294010.7A patent/CN114199152A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130075065A (ko) * | 2011-12-27 | 2013-07-05 | 국방과학연구소 | 항공기의 구조 건전성 감시 방법 |
| CN106477070A (zh) * | 2015-10-14 | 2017-03-08 | 北京信息科技大学 | 一种基于光栅光纤传感器的机翼外载荷实时监测方法 |
| CN106597391A (zh) * | 2016-11-25 | 2017-04-26 | 中国电子科技集团公司第三十八研究所 | 一种相控阵天线阵面变形全天候监测方法 |
| US20190390985A1 (en) * | 2018-06-22 | 2019-12-26 | The University Of Hong Kong | Real-time surface shape sensing for flexible structures |
| CN110633486A (zh) * | 2018-06-22 | 2019-12-31 | 香港大学 | 对柔性结构的实时表面形状感测 |
| CN109186811A (zh) * | 2018-09-18 | 2019-01-11 | 天津科技大学 | 一种基于bp神经网络的fbg温度标定方法 |
| CN110059373A (zh) * | 2019-04-01 | 2019-07-26 | 南京航空航天大学 | 基于模态叠加原理的机翼应变场重构分布式光纤计算方法 |
| CN111272135A (zh) * | 2020-02-13 | 2020-06-12 | 东南大学 | 一种连续梁桥预制拼装施工的线形自动测量及控制方法 |
| CN111951908A (zh) * | 2020-08-31 | 2020-11-17 | 电子科技大学 | 一种柔性材料在受外载荷作用时的应变-位移构建方法 |
| CN113375582A (zh) * | 2021-05-13 | 2021-09-10 | 中国电子科技集团公司第三十八研究所 | 基于模糊神经网络的柔性天线阵面实时监测方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| 周少玲 等: "相移光纤光栅应变传感特性的实验研究", 《光纤与电缆及其应用技术》, no. 01, 15 February 2003 (2003-02-15) * |
| 张俊康 等: "用于变形机翼监测的光纤光栅传感及重构方法", 《工具技术》, no. 08, 20 August 2018 (2018-08-20) * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115183731A (zh) * | 2022-06-20 | 2022-10-14 | 成都飞机工业（集团）有限责任公司 | 一种机翼表面监测***及其传感器布置方法 |
| CN117367309A (zh) * | 2023-12-08 | 2024-01-09 | 中国飞机强度研究所 | 一种大展弦机翼薄壁管梁突风弯曲变形测量***及方法 |
| CN117367309B (zh) * | 2023-12-08 | 2024-02-13 | 中国飞机强度研究所 | 一种大展弦机翼薄壁管梁突风弯曲变形测量***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114199152A (zh) | 一种机翼形变测量方法及装置 | |
| Pak | Wing shape sensing from measured strain | |
| CN108846149B (zh) | 一种基于多源不确定性的结构分布式动态载荷识别的方法 | |
| CN110498062B (zh) | 用于襟翼载荷试飞验证的运动机构、测量***及相应方法 | |
| CN114754691B (zh) | 直升机桨叶弯扭形态分布式光纤监测与反演方法 | |
| CN111368466B (zh) | 一种基于频响函数参数修正的机械振动预测方法 | |
| CN109766617B (zh) | 一种基于应变传感器的位移场重构方法 | |
| CN110059373B (zh) | 基于模态叠加原理的机翼应变场重构分布式光纤计算方法 | |
| CA2862382A1 (en) | Load estimation system for aerodynamic structures | |
| CN107991060A (zh) | 基于自适应和迭代算法的载荷分布式光纤辨识方法 | |
| CN108225720A (zh) | 光纤气动力测量天平及光纤应变计安装方法 | |
| Er et al. | Approach towards sensor placement, selection and fusion for real-time condition monitoring of precision machines | |
| CN207675408U (zh) | 应用于高超声速低密度风洞的光纤气动力测量天平 | |
| CN115290293A (zh) | 降低轴向力测量元件零点温度效应的应变天平研制方法 | |
| Mark et al. | Review of microscale flow-sensor-enabled mechanosensing in small unmanned aerial vehicles | |
| CN114413780B (zh) | 一种用于飞机测试的结构热应变测量方法 | |
| Tripicchio et al. | On the integration of FBG sensing technology into robotic grippers | |
| Sun et al. | Soft bionic skin with touch-slip and thermal perception using double-layer distributed FBG sensing array | |
| CN107462347A (zh) | 高精度光纤光栅传感器的波长温度自适应分段拟合方法 | |
| Sun et al. | High-precision FBG 3-D force sensor based on spatial hierarchical sensing structure | |
| CN113970298A (zh) | 一种基于fbg的大型航天柔性结构的整体变形检测方法 | |
| Heaney et al. | Distributed sensing of a cantilever beam and plate using a fiber optic sensing system | |
| CN114417537B (zh) | 一种开式行骨架结构变形场实时测量方法、装置及*** | |
| Cui et al. | Measurement of aircraft wing deformation using fiber Bragg gratings | |
| Warwick et al. | Measurement of aeroelastic wing deflections using modal shapes and strain pattern analysis |
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 |