【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及航空發(fā)動(dòng)機(jī)試驗(yàn)譜等級(jí)劃分，具體是一種試驗(yàn)譜等級(jí)劃分方法。
技術(shù)介紹
1、在應(yīng)力譜編制的分級(jí)過程中，級(jí)數(shù)過少可能引起某些區(qū)間的應(yīng)力過大，而過大的應(yīng)力區(qū)間將會(huì)改變應(yīng)力循環(huán)特征，導(dǎo)致每個(gè)應(yīng)力循環(huán)產(chǎn)生的疲勞損傷與實(shí)際疲勞損傷不同；級(jí)數(shù)過多可能使得中高應(yīng)力區(qū)出現(xiàn)次數(shù)為零的應(yīng)力級(jí)，造成數(shù)據(jù)的統(tǒng)計(jì)特性變差，還會(huì)導(dǎo)致應(yīng)力譜用于工程化的能力變差。
2、傳統(tǒng)方法可以基于樣本直方圖進(jìn)行分級(jí)，對(duì)應(yīng)的劃分依據(jù)為根據(jù)累積頻次曲線利用等間隔法進(jìn)行離散等級(jí)劃分，或者根據(jù)載荷分布進(jìn)行離散等級(jí)劃分，但是這些方法均缺少具體的評(píng)價(jià)指標(biāo)。現(xiàn)有技術(shù)中提出了基于等效損傷的多軸疲勞試驗(yàn)譜編制方法，該方法僅將臨界面上的損傷參量按照剪應(yīng)變幅值的大小進(jìn)行分級(jí)，并未提出分級(jí)的具體步驟以及分級(jí)效果。
3、因此，如何清晰反映不同分級(jí)下的分級(jí)效果與分級(jí)數(shù)的變化關(guān)系，為航空發(fā)動(dòng)機(jī)試驗(yàn)譜等級(jí)劃分提供劃分依據(jù)，并保證每級(jí)中的數(shù)據(jù)點(diǎn)具有相似的屬性和特征，而不同級(jí)中的數(shù)據(jù)點(diǎn)的屬性和特征不同，同時(shí)具有較強(qiáng)的通用性和廣泛的工程應(yīng)用價(jià)值，成了航空發(fā)動(dòng)機(jī)試驗(yàn)譜等級(jí)劃分
亟待解決的關(guān)鍵問題。
技術(shù)實(shí)現(xiàn)思路
1、為了解決上述問題，本專利技術(shù)提出了一種試驗(yàn)譜等級(jí)劃分方法，通過輸入樣本數(shù)據(jù)集，基于聚類算法確定分級(jí)數(shù)k，隨機(jī)選取k個(gè)樣本數(shù)據(jù)點(diǎn)作為k個(gè)初始聚類中心，即均值向量；計(jì)算樣本數(shù)據(jù)集中每個(gè)樣本數(shù)據(jù)點(diǎn)與各均值向量的距離，并將每個(gè)樣本數(shù)據(jù)點(diǎn)劃入距離最近的均值向量對(duì)應(yīng)的簇；更新均值向量，直至均值向量更新前后相同，否則重復(fù)上述步
2、為了達(dá)到上述目的，本專利技術(shù)是通過以下技術(shù)方案來實(shí)現(xiàn)的：
3、本專利技術(shù)是一種試驗(yàn)譜等級(jí)劃分方法，包括：
4、輸入樣本數(shù)據(jù)集，基于聚類算法確定分級(jí)數(shù)k，隨機(jī)選取k個(gè)樣本數(shù)據(jù)點(diǎn)作為k個(gè)初始聚類中心，即均值向量；
5、計(jì)算所述樣本數(shù)據(jù)集中每個(gè)樣本數(shù)據(jù)點(diǎn)與各均值向量的距離，并將每個(gè)樣本數(shù)據(jù)點(diǎn)劃入距離最近的均值向量對(duì)應(yīng)的簇；
6、更新所述均值向量，直至所述均值向量更新前后相同，否則重復(fù)上述步驟；
7、基于手肘法計(jì)算每級(jí)誤差平方和與分級(jí)數(shù)k的關(guān)系；
8、基于輪廓系數(shù)法計(jì)算每級(jí)輪廓系數(shù)與分級(jí)數(shù)k的關(guān)系；
9、根據(jù)所述每級(jí)誤差平方和與分級(jí)數(shù)k之間的變化趨勢(shì)、輪廓系數(shù)與分級(jí)數(shù)k之間的變化趨勢(shì)，確定試驗(yàn)譜劃分等級(jí)。
10、本專利技術(shù)的進(jìn)一步改進(jìn)在于：所述輸入樣本數(shù)據(jù)集，基于聚類算法確定分級(jí)數(shù)k，隨機(jī)選取k個(gè)樣本數(shù)據(jù)點(diǎn)作為k個(gè)初始聚類中心，即均值向量，具體包括：
11、輸入含有n個(gè)樣本數(shù)據(jù)點(diǎn)的樣本數(shù)據(jù)集x＝{x1,x2,…,xi,…,xn}，基于聚類算法確定分級(jí)數(shù)k，隨機(jī)選取k個(gè)樣本數(shù)據(jù)點(diǎn)作為k個(gè)初始聚類中心，即均值向量{μ1,μ2,...,μk}。
12、本專利技術(shù)的進(jìn)一步改進(jìn)在于：所述計(jì)算所述樣本數(shù)據(jù)集中每個(gè)樣本數(shù)據(jù)點(diǎn)與各均值向量的距離，并將每個(gè)樣本數(shù)據(jù)點(diǎn)劃入距離最近的均值向量對(duì)應(yīng)的簇，具體包括：
13、基于歐幾里得距離計(jì)算公式，計(jì)算所述樣本數(shù)據(jù)集中每個(gè)樣本數(shù)據(jù)點(diǎn)與各均值向量的距離：
14、
15、式中，xi表示樣本數(shù)據(jù)點(diǎn)，其中1≤i≤n；μj表示均值向量，其中1≤j≤k；d(xi,μj)表示樣本數(shù)據(jù)點(diǎn)xi與均值向量μj的距離；||xi-μj||2表示樣本數(shù)據(jù)點(diǎn)xi與均值向量μj之間的歐幾里得距離的平方；
16、對(duì)比所述樣本數(shù)據(jù)點(diǎn)xi與各均值向量μj的距離，確定與所述樣本數(shù)據(jù)點(diǎn)xi距離最近的均值向量μm，并將所述樣本數(shù)據(jù)點(diǎn)xi劃入均值向量μm對(duì)應(yīng)的簇cm。
17、本專利技術(shù)的進(jìn)一步改進(jìn)在于：所述更新所述均值向量，直至所述均值向量更新前后相同，否則重復(fù)上述步驟，具體包括：
18、更新后的均值向量的表達(dá)式為：
19、
20、式中，μ'i表示更新后的均值向量；ci表示簇；xi表示樣本數(shù)據(jù)點(diǎn)；∑表示求和符號(hào)；
21、更新所述均值向量，直至所述均值向量更新前后相同，即更新后的均值向量μ'i與更新前的均值向量μi相同，否則重復(fù)上述步驟。
22、本專利技術(shù)的進(jìn)一步改進(jìn)在于：所述基于手肘法計(jì)算每級(jí)誤差平方和與分級(jí)數(shù)k的關(guān)系，具體包括：
23、所述每級(jí)誤差平方和的計(jì)算公式為：
24、
25、式中，sse表示每級(jí)誤差平方和；k表示分級(jí)數(shù)；xi表示樣本數(shù)據(jù)點(diǎn)；μi表示與樣本數(shù)據(jù)點(diǎn)距離最近的均值向量；ci表示簇；‖xi-μi‖2表示樣本數(shù)據(jù)點(diǎn)xi與均值向量μi之間的歐幾里得距離的平方；∑表示求和符號(hào)。
26、本專利技術(shù)的進(jìn)一步改進(jìn)在于：所述基于輪廓系數(shù)法計(jì)算每級(jí)輪廓系數(shù)與分級(jí)數(shù)k的關(guān)系，具體包括：
27、所述樣本數(shù)據(jù)點(diǎn)的輪廓系數(shù)的計(jì)算公式為：
28、
29、式中，xi表示樣本數(shù)據(jù)點(diǎn)；s(xi)表示樣本數(shù)據(jù)點(diǎn)xi的輪廓系數(shù)；b(xi)表示樣本數(shù)據(jù)點(diǎn)xi與相鄰簇中的樣本數(shù)據(jù)點(diǎn)之間的平均距離的最小值；a(xi)表示樣本數(shù)據(jù)點(diǎn)xi在同一簇中到其它樣本數(shù)據(jù)點(diǎn)的平均距離；max{,}表示取最大值操作；
30、所述樣本數(shù)據(jù)點(diǎn)在同一簇中到其它樣本數(shù)據(jù)點(diǎn)的平均距離的計(jì)算公式為：
31、
32、式中，a(xi)表示樣本數(shù)據(jù)點(diǎn)xi在同一簇中到其它樣本數(shù)據(jù)點(diǎn)的平均距離；表示樣本數(shù)據(jù)點(diǎn)xi所在簇ci的樣本數(shù)量；xn表示簇ci內(nèi)與樣本數(shù)據(jù)點(diǎn)xi不同的其它樣本數(shù)據(jù)點(diǎn)；||xi-xn||表示樣本數(shù)據(jù)點(diǎn)xi與樣本數(shù)據(jù)點(diǎn)xn之間的歐幾里得距離；∑表示求和符號(hào)；
33、所述樣本數(shù)據(jù)點(diǎn)與相鄰簇中的樣本數(shù)據(jù)點(diǎn)之間的平均距離的最小值的計(jì)算公式為：
34、
35、式中，b(xi)表示樣本數(shù)據(jù)點(diǎn)xi與相鄰簇中的樣本數(shù)據(jù)點(diǎn)之間的平均距離的最小值；表示與樣本數(shù)據(jù)點(diǎn)xi相鄰的簇ck內(nèi)的樣本數(shù)量；||xi-xk||為樣本數(shù)據(jù)點(diǎn)xi與相鄰簇ck內(nèi)樣本數(shù)據(jù)點(diǎn)xk之間的歐幾里得距離；∑表示求和符號(hào)；min表示取最小值操作；
36、在得到每個(gè)樣本數(shù)據(jù)點(diǎn)的輪廓系數(shù)值后，計(jì)算所有樣本數(shù)據(jù)點(diǎn)的輪廓系數(shù)的平均值：
37、
38、式中，表示所有樣本數(shù)據(jù)點(diǎn)的輪廓系數(shù)的平均值；n表示樣本數(shù)據(jù)點(diǎn)的總數(shù)量；xi表示樣本數(shù)據(jù)點(diǎn)；s(xi)表示樣本數(shù)據(jù)點(diǎn)xi的輪廓系數(shù)；∑表示求和符號(hào)。
39、本專利技術(shù)的有益效果是：本專利技術(shù)提出了一種試驗(yàn)譜等級(jí)劃分方法，通過試驗(yàn)譜分級(jí)數(shù)，可以清晰反映不同本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種試驗(yàn)譜等級(jí)劃分方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種試驗(yàn)譜等級(jí)劃分方法，其特征在于，所述輸入樣本數(shù)據(jù)集，基于聚類算法確定分級(jí)數(shù)k，隨機(jī)選取k個(gè)樣本數(shù)據(jù)點(diǎn)作為k個(gè)初始聚類中心，即均值向量，具體包括：
3.根據(jù)權(quán)利要求1所述的一種試驗(yàn)譜等級(jí)劃分方法，其特征在于，所述計(jì)算所述樣本數(shù)據(jù)集中每個(gè)樣本數(shù)據(jù)點(diǎn)與各均值向量的距離，并將每個(gè)樣本數(shù)據(jù)點(diǎn)劃入距離最近的均值向量對(duì)應(yīng)的簇，具體包括：
4.根據(jù)權(quán)利要求1所述的一種試驗(yàn)譜等級(jí)劃分方法，其特征在于，所述更新所述均值向量，直至所述均值向量更新前后相同，否則重復(fù)上述步驟，具體包括：更新后的均值向量的表達(dá)式為：
5.根據(jù)權(quán)利要求1所述的一種試驗(yàn)譜等級(jí)劃分方法，其特征在于，所述基于手肘法計(jì)算每級(jí)誤差平方和與分級(jí)數(shù)k的關(guān)系，具體包括：
6.根據(jù)權(quán)利要求1所述的一種試驗(yàn)譜等級(jí)劃分方法，其特征在于，所述基于輪廓系數(shù)法計(jì)算每級(jí)輪廓系數(shù)與分級(jí)數(shù)k的關(guān)系，具體包括：
【技術(shù)特征摘要】
1.一種試驗(yàn)譜等級(jí)劃分方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種試驗(yàn)譜等級(jí)劃分方法，其特征在于，所述輸入樣本數(shù)據(jù)集，基于聚類算法確定分級(jí)數(shù)k，隨機(jī)選取k個(gè)樣本數(shù)據(jù)點(diǎn)作為k個(gè)初始聚類中心，即均值向量，具體包括：
3.根據(jù)權(quán)利要求1所述的一種試驗(yàn)譜等級(jí)劃分方法，其特征在于，所述計(jì)算所述樣本數(shù)據(jù)集中每個(gè)樣本數(shù)據(jù)點(diǎn)與各均值向量的距離，并將每個(gè)樣本數(shù)據(jù)點(diǎn)劃入距離最近的均值向量對(duì)應(yīng)的簇，具體包括：
...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：孫志剛，申向飛，江榮，牛序銘，宋迎東，
申請(qǐng)(專利權(quán))人：南京航空航天大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。