论文部分内容阅读
在飞行过程中,飞机的机翼会受到载荷的作用,对机翼载荷的测量贯穿着飞机设计的整个过程。为了对机翼载荷进行测量,需要先进行地面载荷试验以建立载荷模型,其中应变电桥的选择是关键。因此,有必要研究如何高效地选取应变电桥组合,建立最优载荷模型,提升对未知载荷的预测能力。现有的机翼载荷分析方法,存在着几点不足之处:一是对应变电桥选择的效率仍有提升的空间;二是在求解载荷模型的参数时,采用的是正规方程组法,未考虑矩阵不可逆的情况;三是构建的载荷模型由于在训练阶段未考虑过拟合的因素,导致模型对未知载荷的预测能力较弱。本文将数据挖掘技术应用到机翼载荷分析领域,针对前述不足之处,给出了一种基于数据挖掘的机翼载荷分析模型,所做的工作主要如下:1.在对应变电桥的选择阶段,采用了混合式特征选择算法,提高了应变电桥选择的效率。采用的策略如下:首先,采用基于相关性度量标准的特征选择算法对应变电桥集合进行初步过滤,去除与目标载荷不相关以及弱相关的应变电桥,降低应变电桥的规模。其次,采用基于遗传算法的特征选择算法对应变电桥做进一步选择,以消除应变电桥间的冗余,挑选出最优的应变电桥组合,并构建载荷模型。2.在构建载荷模型阶段,利用增量梯度下降算法和批量梯度下降算法对模型参数进行求解,并对两种算法的性能进行了对比分析。利用迭代算法,避免了飞行工程中常用的正规方程法求解参数时出现的矩阵不可逆的问题。3.针对载荷模型中可能出现的过拟合问题,给出了正则化的解决办法,降低了拟合的风险,提高了模型的泛化能力。4.在真实机翼载荷数据集上,构建了载荷模型,并利用交叉验证的思想对模型进行了验证。实验结果表明:本模型提高了应变电桥选择的效率,降低了过拟合的风险,对未知载荷具有更好的预测效果。