何釗

摘要：文章通過研究面向飛機(jī)機(jī)翼強(qiáng)度可靠性設(shè)計(jì)與驗(yàn)證數(shù)據(jù)的收集、管理、分析、挖掘技術(shù)，構(gòu)建相應(yīng)強(qiáng)度數(shù)據(jù)新的處理模式，從微觀至宏觀對(duì)強(qiáng)度數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分析、綜合和預(yù)測(cè)，掌握飛機(jī)典型結(jié)構(gòu)的剛度變化規(guī)律及強(qiáng)度計(jì)算方法。突破強(qiáng)度大數(shù)據(jù)的處理、挖掘、可視化等關(guān)鍵技術(shù)，挖掘強(qiáng)度數(shù)據(jù)之間的相互關(guān)聯(lián)關(guān)系，為飛機(jī)研制全生命周期的各個(gè)階段提供技術(shù)支撐。

關(guān)鍵詞：數(shù)據(jù)挖掘；大數(shù)據(jù)；強(qiáng)度試驗(yàn)

中圖分類號(hào)：TP273文獻(xiàn)標(biāo)志碼：A

0引言

本論文通過研究面向機(jī)翼強(qiáng)度可靠性設(shè)計(jì)與驗(yàn)證數(shù)據(jù)的收集、管理、分析、挖掘技術(shù)，構(gòu)建相應(yīng)強(qiáng)度數(shù)據(jù)新的處理模式，從微觀至宏觀對(duì)強(qiáng)度數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分析、綜合和預(yù)測(cè)，掌握飛機(jī)典型結(jié)構(gòu)的剛度變化規(guī)律及強(qiáng)度計(jì)算方法，形成飛機(jī)強(qiáng)度分布式數(shù)據(jù)倉(cāng)庫(kù)；突破強(qiáng)度大數(shù)據(jù)的處理、挖掘、可視化等關(guān)鍵技術(shù)，挖掘強(qiáng)度數(shù)據(jù)之間的相互關(guān)聯(lián)關(guān)系，為飛機(jī)研制全生命周期的各個(gè)階段提供技術(shù)支撐。

1背景

1.1強(qiáng)度試驗(yàn)大數(shù)據(jù)現(xiàn)狀

中國(guó)飛機(jī)強(qiáng)度研究所（以下簡(jiǎn)稱“強(qiáng)度所”）作為我國(guó)航空工業(yè)唯一的飛機(jī)強(qiáng)度研究、驗(yàn)證與鑒定中心，掌握了幾乎全部的飛機(jī)強(qiáng)度試驗(yàn)數(shù)據(jù)以及強(qiáng)度試驗(yàn)所產(chǎn)生的相關(guān)數(shù)據(jù)。這些圍繞著飛機(jī)強(qiáng)度試驗(yàn)所產(chǎn)生的數(shù)據(jù)除了具備了基本的大數(shù)據(jù)4V特征之外，還具有其特有的強(qiáng)度數(shù)據(jù)特征。

1.1.1結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)并存

在強(qiáng)度試驗(yàn)研究中，對(duì)于強(qiáng)度試驗(yàn)數(shù)據(jù)的精確性要求是十分高的，在任何階段產(chǎn)生的數(shù)據(jù)都需要真實(shí)、完整、可靠。這就需要強(qiáng)度結(jié)構(gòu)化數(shù)據(jù)對(duì)飛機(jī)強(qiáng)度試驗(yàn)的全生命周期無障礙互通，對(duì)強(qiáng)度試驗(yàn)進(jìn)行科學(xué)、理論、可度量的數(shù)據(jù)管理［1］。在強(qiáng)度試驗(yàn)過程中又包含了大量的非結(jié)構(gòu)化數(shù)據(jù)，根據(jù)現(xiàn)有強(qiáng)度所數(shù)據(jù)類型分析可得，大約有75%的強(qiáng)度試驗(yàn)產(chǎn)生的數(shù)據(jù)為非結(jié)構(gòu)化數(shù)據(jù)。這些非結(jié)構(gòu)化數(shù)據(jù)無法利用傳統(tǒng)數(shù)據(jù)庫(kù)管理的方法進(jìn)行分析處理，只有利用大數(shù)據(jù)思想的新型數(shù)據(jù)倉(cāng)庫(kù)才能對(duì)其進(jìn)行科學(xué)可靠完整的數(shù)據(jù)管理。

1.1.2強(qiáng)度數(shù)據(jù)的復(fù)雜性

飛機(jī)強(qiáng)度試驗(yàn)是一項(xiàng)復(fù)雜的系統(tǒng)工程，其中蘊(yùn)含了靜強(qiáng)度試驗(yàn)、動(dòng)強(qiáng)度試驗(yàn)、疲勞試驗(yàn)、熱強(qiáng)度試驗(yàn)、噪聲試驗(yàn)、氣候環(huán)境試驗(yàn)等多專業(yè)工程試驗(yàn)方法，復(fù)雜多變的現(xiàn)場(chǎng)試驗(yàn)環(huán)境以及強(qiáng)度試驗(yàn)的復(fù)雜功能工程模型。其復(fù)雜性決定了傳統(tǒng)數(shù)據(jù)庫(kù)管理方法遠(yuǎn)遠(yuǎn)不能滿足對(duì)強(qiáng)度數(shù)據(jù)的管理［2-3］。因此，構(gòu)建滿足強(qiáng)度試驗(yàn)數(shù)據(jù)管理要求的，利用大數(shù)據(jù)管理思路的分布式數(shù)據(jù)倉(cāng)庫(kù)是飛機(jī)強(qiáng)度大數(shù)據(jù)挖掘與應(yīng)用平臺(tái)的基礎(chǔ)組成部分。

1.2強(qiáng)度試驗(yàn)大數(shù)據(jù)需求

強(qiáng)度試驗(yàn)大數(shù)據(jù)應(yīng)針對(duì)包含歷史數(shù)據(jù)在內(nèi)的強(qiáng)度數(shù)據(jù)的綜合管理，并為平臺(tái)的大數(shù)據(jù)分析以及數(shù)據(jù)挖掘作基礎(chǔ)，滿足強(qiáng)度大數(shù)據(jù)的綜合分析、挖掘、處理的要求，實(shí)現(xiàn)強(qiáng)度試驗(yàn)數(shù)據(jù)的持久積累與智能管理。本次強(qiáng)度試驗(yàn)大數(shù)據(jù)需求如下：

1.2.1基于模型的強(qiáng)度數(shù)據(jù)管理

基于強(qiáng)度所各專業(yè)方向、各試驗(yàn)類型相融合的分布式數(shù)據(jù)倉(cāng)庫(kù)，利用模型統(tǒng)一管理策劃階段、設(shè)計(jì)階段、試驗(yàn)階段、分析階段和試驗(yàn)總結(jié)階段所產(chǎn)生的數(shù)據(jù)，本平臺(tái)數(shù)據(jù)倉(cāng)庫(kù)主要構(gòu)建了3個(gè)模型，實(shí)現(xiàn)強(qiáng)度試驗(yàn)數(shù)據(jù)的全收集。

強(qiáng)度數(shù)據(jù)模型：強(qiáng)度數(shù)據(jù)模型是強(qiáng)度數(shù)據(jù)倉(cāng)庫(kù)的核心模型，管理以試驗(yàn)件數(shù)據(jù)、物理試驗(yàn)數(shù)據(jù)、虛擬試驗(yàn)數(shù)據(jù)以及輔助試驗(yàn)進(jìn)行的音視頻數(shù)據(jù)為主體的試驗(yàn)核心數(shù)據(jù)，其數(shù)據(jù)特點(diǎn)為包含大量圍繞強(qiáng)度試驗(yàn)三維可視化展現(xiàn)的三維模型；設(shè)計(jì)試驗(yàn)階段物理虛擬試驗(yàn)數(shù)據(jù)多為標(biāo)準(zhǔn)化與結(jié)構(gòu)化數(shù)據(jù)；輔助試驗(yàn)數(shù)據(jù)多為非結(jié)構(gòu)化數(shù)據(jù)。

試驗(yàn)環(huán)境模型：試驗(yàn)環(huán)境模型主要管理強(qiáng)度試驗(yàn)條件數(shù)據(jù)、位置數(shù)據(jù)、試驗(yàn)準(zhǔn)備數(shù)據(jù)、試驗(yàn)設(shè)備數(shù)據(jù)和試驗(yàn)人員數(shù)據(jù)等?？勺鳛橹笤囼?yàn)場(chǎng)景可視化的數(shù)據(jù)基礎(chǔ)。其特點(diǎn)為圍繞強(qiáng)度試驗(yàn)的環(huán)境要素構(gòu)建的環(huán)境模型，包含大量的環(huán)境三維數(shù)據(jù)，用于三維可視化應(yīng)用。

試驗(yàn)現(xiàn)場(chǎng)監(jiān)測(cè)模型：試驗(yàn)過程模型依照試驗(yàn)現(xiàn)場(chǎng)監(jiān)測(cè)體系要求，描述強(qiáng)度試驗(yàn)過程中所產(chǎn)生的質(zhì)量控制數(shù)據(jù)以及現(xiàn)場(chǎng)采集監(jiān)控?cái)?shù)據(jù)。其特點(diǎn)是多為非機(jī)構(gòu)化數(shù)據(jù)，但是檢測(cè)過程均需遵循試驗(yàn)標(biāo)準(zhǔn)化規(guī)范要求；健康監(jiān)測(cè)數(shù)據(jù)主要為試驗(yàn)現(xiàn)場(chǎng)故障檢測(cè)作基礎(chǔ)。

1.2.2分布式存儲(chǔ)管理

強(qiáng)度分布式數(shù)據(jù)倉(cāng)庫(kù)借用Hadoop大數(shù)據(jù)技術(shù)思想中MapReduce計(jì)算框架，實(shí)現(xiàn)并行分片、并行存取。以Hadoop的分布式文件系統(tǒng)HDFS作為系統(tǒng)基礎(chǔ)［4-5］。建立元數(shù)據(jù)接口，對(duì)強(qiáng)度數(shù)據(jù)進(jìn)行結(jié)構(gòu)化的描述，規(guī)定強(qiáng)度數(shù)據(jù)的組織特征與屬性，覆蓋強(qiáng)度大數(shù)據(jù)全生命周期。設(shè)計(jì)標(biāo)準(zhǔn)化的元數(shù)據(jù)接口，將強(qiáng)度大數(shù)據(jù)關(guān)聯(lián)起來，形成強(qiáng)度分布式數(shù)據(jù)倉(cāng)庫(kù)，實(shí)現(xiàn)強(qiáng)度試驗(yàn)結(jié)構(gòu)化數(shù)據(jù)以及非結(jié)構(gòu)化數(shù)據(jù)的高效存儲(chǔ)、管理以及備份功能，滿足強(qiáng)度大數(shù)據(jù)的通用化數(shù)據(jù)訪問、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份以及管理的應(yīng)用需求。

1.2.3強(qiáng)度大數(shù)據(jù)全生命周期管理

強(qiáng)度試驗(yàn)數(shù)據(jù)管理一方面需要強(qiáng)度試驗(yàn)的全過程數(shù)據(jù)管理一體化，即完成強(qiáng)度試驗(yàn)的全生命周期，確保強(qiáng)度試驗(yàn)數(shù)據(jù)信息的可追溯性。另一方面，強(qiáng)度試驗(yàn)數(shù)據(jù)需要覆蓋強(qiáng)度試驗(yàn)的全過程之外，還要與飛機(jī)設(shè)計(jì)數(shù)據(jù)、制造數(shù)據(jù)以及試飛數(shù)據(jù)進(jìn)行對(duì)接，形成完整的、一致的飛機(jī)研制全生命周期數(shù)據(jù)倉(cāng)庫(kù)。建立飛機(jī)研制的全生命周期數(shù)據(jù)管理，保證飛機(jī)研制全過程的試驗(yàn)數(shù)據(jù)流轉(zhuǎn)、一致性以及完整性，為未來的飛機(jī)研制全過程大數(shù)據(jù)分析與挖掘作基礎(chǔ)。

1.2.4支持大數(shù)據(jù)分析與挖掘應(yīng)用與云計(jì)算

強(qiáng)度分布式數(shù)據(jù)倉(cāng)庫(kù)具備分析效率高、數(shù)據(jù)質(zhì)量高、拓展性高的特點(diǎn)，不僅可以提供高效的海量數(shù)據(jù)保存，也為之后的大數(shù)據(jù)分析與挖掘甚至未來的云計(jì)算提供保障。

2研究方法

2.1強(qiáng)度數(shù)據(jù)表征技術(shù)研究

航空結(jié)構(gòu)的飛機(jī)強(qiáng)度大數(shù)據(jù)是一個(gè)系統(tǒng)工程，涉及航空結(jié)構(gòu)的設(shè)計(jì)、制造、試驗(yàn)、試飛等眾多部門。對(duì)于飛機(jī)強(qiáng)度大數(shù)據(jù)來說，具有其自己的屬性。第一，數(shù)據(jù)處理時(shí)的高時(shí)效性，在強(qiáng)度試驗(yàn)現(xiàn)場(chǎng)，需要對(duì)大量的測(cè)量數(shù)據(jù)進(jìn)行實(shí)時(shí)處理和判斷，保證試驗(yàn)的正常順利進(jìn)行，不使飛機(jī)結(jié)構(gòu)出現(xiàn)意外損傷或破壞，保證了經(jīng)濟(jì)性。第二，非結(jié)構(gòu)化數(shù)據(jù)的量遠(yuǎn)大于結(jié)構(gòu)化的數(shù)據(jù)，結(jié)構(gòu)化數(shù)據(jù)為飛機(jī)強(qiáng)度試驗(yàn)測(cè)量得到的數(shù)據(jù)，其數(shù)量并不大，但研究?jī)r(jià)值和意義深遠(yuǎn)［2-3］，其他為大量的非結(jié)構(gòu)化數(shù)據(jù)，需要將其與結(jié)構(gòu)化的數(shù)據(jù)一起進(jìn)行挖掘，發(fā)現(xiàn)規(guī)律，為未來預(yù)測(cè)提供支持。第三，結(jié)構(gòu)強(qiáng)度面臨的專業(yè)較多，即使是結(jié)構(gòu)化的數(shù)據(jù)，其特征和意義也需要分別對(duì)應(yīng)研究。第四，強(qiáng)度試驗(yàn)數(shù)據(jù)一般具有明顯的正常和異常表征形式，一旦結(jié)構(gòu)發(fā)生屈曲或共振，對(duì)應(yīng)的應(yīng)變曲線出現(xiàn)明顯拐折或者對(duì)應(yīng)的振幅突變；試驗(yàn)現(xiàn)場(chǎng)中的異常聲響、裂紋擴(kuò)展等，都可以利用基本的數(shù)據(jù)特征進(jìn)行表征。這些特征為關(guān)聯(lián)規(guī)則的挖掘提供了豐富的數(shù)據(jù)。

目前，試驗(yàn)現(xiàn)場(chǎng)的狀態(tài)監(jiān)控?cái)?shù)據(jù)來源主要為試驗(yàn)件上應(yīng)變片、傳感器等測(cè)量設(shè)備的測(cè)量參數(shù)，而這些測(cè)量參數(shù)隨著現(xiàn)有試驗(yàn)規(guī)模的不斷增大以及試驗(yàn)設(shè)備、測(cè)量手段的不斷更新，現(xiàn)場(chǎng)狀態(tài)數(shù)據(jù)的類型與數(shù)據(jù)量呈現(xiàn)越發(fā)龐大的趨勢(shì)，具備大數(shù)據(jù)分析的條件。本部分將構(gòu)建試驗(yàn)現(xiàn)場(chǎng)大數(shù)據(jù)源，以多來源多種類數(shù)據(jù)為基礎(chǔ)，通過歷史事件匹配、失效模式判斷、故障現(xiàn)象，形成試驗(yàn)異常監(jiān)控的前兆信息，用ARMA時(shí)序模型對(duì)試驗(yàn)前兆數(shù)據(jù)進(jìn)行擬合及預(yù)測(cè)；利用變量R聚類的數(shù)據(jù)挖掘方法對(duì)前兆子數(shù)據(jù)之間的相似性進(jìn)行度量，為試驗(yàn)異常判別提供依據(jù)［4-5］。

2.1.1試驗(yàn)件多來源現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù)關(guān)聯(lián)

對(duì)試驗(yàn)件現(xiàn)場(chǎng)監(jiān)測(cè)相關(guān)數(shù)據(jù)建立大數(shù)據(jù)模型。將設(shè)計(jì)載荷、試驗(yàn)載荷等數(shù)據(jù)關(guān)聯(lián)至現(xiàn)場(chǎng)監(jiān)測(cè)大數(shù)據(jù)模型中，對(duì)于現(xiàn)場(chǎng)測(cè)量設(shè)備數(shù)據(jù)源進(jìn)行大數(shù)據(jù)模型歸納分析，作為實(shí)時(shí)監(jiān)測(cè)的數(shù)據(jù)依據(jù)。?2.1.2試驗(yàn)數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)、評(píng)估

試驗(yàn)過程中對(duì)現(xiàn)場(chǎng)測(cè)量數(shù)據(jù)，實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)與評(píng)估。對(duì)現(xiàn)場(chǎng)狀態(tài)進(jìn)行實(shí)時(shí)的監(jiān)測(cè)與評(píng)估，對(duì)可能出現(xiàn)的問題實(shí)現(xiàn)提前預(yù)判與診斷分析。實(shí)現(xiàn)試驗(yàn)狀態(tài)識(shí)別科學(xué)化、理論化，形成強(qiáng)度知識(shí)體系。

2.1.3聲響定位與診斷

飛機(jī)結(jié)構(gòu)在加載過程中，會(huì)出現(xiàn)各種各樣的聲響異常。常規(guī)方法基本屬于事后檢測(cè)，對(duì)試驗(yàn)過程中出現(xiàn)的各種聲響，無法完全判斷其來自何處、是否由結(jié)構(gòu)損傷引起。因此，常規(guī)檢測(cè)具有一定局限性和盲目性，極易忽略結(jié)構(gòu)中非薄弱部位的損傷。聲發(fā)射作為一種動(dòng)態(tài)、被動(dòng)損傷監(jiān)測(cè)技術(shù)可全程對(duì)結(jié)構(gòu)實(shí)時(shí)監(jiān)測(cè)，可及時(shí)發(fā)現(xiàn)損傷并定位，了解結(jié)構(gòu)損傷的產(chǎn)生和擴(kuò)展，為判定飛機(jī)結(jié)構(gòu)安全性和準(zhǔn)確定壽提供科學(xué)依據(jù)。通過數(shù)據(jù)挖掘技術(shù)，對(duì)聲發(fā)射所獲得的各類信號(hào)進(jìn)行分析挖掘，及時(shí)有效的判斷損傷發(fā)生部位和損傷形式。根據(jù)監(jiān)控的信號(hào)，預(yù)測(cè)可能發(fā)生結(jié)構(gòu)損傷情況，提前預(yù)警顯示。

2.2強(qiáng)度大數(shù)據(jù)處理及挖掘技術(shù)

地面強(qiáng)度試驗(yàn)作為飛機(jī)研制全生命周期的第三階段，利用各類試驗(yàn)技術(shù)，模擬真實(shí)的飛行狀態(tài)，而強(qiáng)度大數(shù)據(jù)是首飛前飛機(jī)強(qiáng)度最全面、最真實(shí)的評(píng)價(jià)指標(biāo)。這些數(shù)據(jù)信息不僅直接為首飛試驗(yàn)提供鑒定、定型依據(jù)，而且對(duì)飛機(jī)及其系統(tǒng)的改進(jìn)、改型或科學(xué)研究具有較大研究?jī)r(jià)值。強(qiáng)度大數(shù)據(jù)處理與挖掘應(yīng)結(jié)合強(qiáng)度所各專業(yè)發(fā)展，提升強(qiáng)度試驗(yàn)數(shù)據(jù)的挖掘分析處理能力。

數(shù)據(jù)挖掘技術(shù)是多學(xué)科交叉的新興技術(shù)，對(duì)強(qiáng)度大數(shù)據(jù)進(jìn)行科學(xué)、理論的探索與分析，解釋強(qiáng)度大數(shù)據(jù)中的隱藏的、未知的規(guī)律性，將其進(jìn)一步模型化、知識(shí)化。強(qiáng)度大數(shù)據(jù)挖掘處理及技術(shù)主要包含以下大類：關(guān)聯(lián)規(guī)則技術(shù)、分類技術(shù)、聚類技術(shù)、模式分析技術(shù)。強(qiáng)度大數(shù)據(jù)挖掘?qū)?shí)現(xiàn)對(duì)強(qiáng)度數(shù)據(jù)的低層次存儲(chǔ)、查詢的應(yīng)用，提升為從強(qiáng)度數(shù)據(jù)到強(qiáng)度知識(shí)的轉(zhuǎn)化。

就試驗(yàn)數(shù)據(jù)和仿真數(shù)據(jù)的挖掘而言，其基本任務(wù)是對(duì)元件級(jí)、部件級(jí)、全機(jī)級(jí)數(shù)據(jù)進(jìn)行整理，利用數(shù)據(jù)挖掘及分析手段，實(shí)現(xiàn)數(shù)據(jù)與知識(shí)的智能篩選、層級(jí)之間的數(shù)據(jù)關(guān)聯(lián)、價(jià)值分析、趨勢(shì)預(yù)測(cè)等，最后將這些分析結(jié)果提供給仿真設(shè)計(jì)人員，指導(dǎo)仿真及設(shè)計(jì)過程，為仿真設(shè)計(jì)人員降低時(shí)間成本、提高仿真精度等提供智能化支持。

2.2.1關(guān)聯(lián)規(guī)則技術(shù)應(yīng)用

根據(jù)數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則的分類，對(duì)強(qiáng)度大數(shù)據(jù)所需進(jìn)行的關(guān)聯(lián)挖掘進(jìn)行分類，根據(jù)關(guān)聯(lián)規(guī)則方法中經(jīng)典的Apriori算法，針對(duì)強(qiáng)度試驗(yàn)過程中產(chǎn)生的不同類別結(jié)構(gòu)化與非結(jié)構(gòu)化強(qiáng)度數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理及提取之后，形成數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則標(biāo)準(zhǔn)下的項(xiàng)集。通過強(qiáng)度大數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系構(gòu)建，尤其是其中強(qiáng)關(guān)聯(lián)關(guān)系的發(fā)掘，對(duì)強(qiáng)度試驗(yàn)過程中的時(shí)序或因果關(guān)聯(lián)判定，具有極大的參考價(jià)值。

本平臺(tái)在利用經(jīng)典Apriori算法之外，還將根據(jù)強(qiáng)度試驗(yàn)過程中的特點(diǎn)，進(jìn)行關(guān)聯(lián)規(guī)則算法改進(jìn)的相關(guān)研究，適應(yīng)未來發(fā)展的新大數(shù)據(jù)應(yīng)用與場(chǎng)景，主要在以下幾個(gè)方面進(jìn)行提升：關(guān)聯(lián)規(guī)則算法效率；非結(jié)構(gòu)化數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘；強(qiáng)度多專業(yè)數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘；關(guān)聯(lián)規(guī)則可視化。

2.2.2分類技術(shù)應(yīng)用

針對(duì)強(qiáng)度大數(shù)據(jù)的特點(diǎn)，在分類技術(shù)上，平臺(tái)主要研究的算法包含決策樹方法、神經(jīng)網(wǎng)絡(luò)方法、KNN分類方法、貝葉斯分類方法以及支持向量機(jī)分類方法。通過這幾類分類算法與方法的模塊化應(yīng)用，結(jié)合機(jī)器學(xué)習(xí)與模式識(shí)別的相關(guān)知識(shí)，實(shí)現(xiàn)強(qiáng)度大數(shù)據(jù)不同層次、不同類別、多專業(yè)融合的數(shù)據(jù)分類。

構(gòu)建強(qiáng)度分類體系時(shí)，對(duì)于強(qiáng)度大數(shù)據(jù)的策劃階段、設(shè)計(jì)階段、試驗(yàn)階段與分析階段；靜強(qiáng)度、動(dòng)強(qiáng)度、疲勞強(qiáng)度、熱強(qiáng)度、航空聲學(xué)、氣候環(huán)境適應(yīng)性等14個(gè)研究方向；試驗(yàn)類別區(qū)分物理試驗(yàn)與虛擬試驗(yàn)等不同條件的已知強(qiáng)度大數(shù)據(jù)，發(fā)掘分類規(guī)則，實(shí)現(xiàn)預(yù)測(cè)新數(shù)據(jù)類型的愿景。

2.2.3聚類分析技術(shù)應(yīng)用

強(qiáng)度大數(shù)據(jù)包含了海量多種類、多層次、多維的數(shù)據(jù)。聚類分析利用數(shù)學(xué)工具、多元分析理論，通過衡量不同數(shù)據(jù)間的相似性，將數(shù)據(jù)分至不同的簇中，描述數(shù)據(jù)的固有結(jié)構(gòu)與特征。平臺(tái)將根據(jù)數(shù)據(jù)間的距離與相似系數(shù)對(duì)強(qiáng)度數(shù)據(jù)進(jìn)行度量，通過自定義度量參數(shù)，對(duì)強(qiáng)度數(shù)據(jù)進(jìn)行進(jìn)一步細(xì)分，定量的細(xì)分與劃分預(yù)設(shè)數(shù)據(jù)。平臺(tái)主要聚類算法包含Kmeans、層次聚類、神經(jīng)網(wǎng)絡(luò)聚類、高斯聚類等幾種經(jīng)典算法應(yīng)用。

3結(jié)語(yǔ)

本文通過梳理一種面向機(jī)翼可靠性試驗(yàn)的數(shù)據(jù)挖掘方法研究，分析試驗(yàn)數(shù)據(jù)需求，給出試驗(yàn)表征與數(shù)據(jù)挖掘方法，對(duì)試驗(yàn)數(shù)據(jù)挖掘技術(shù)進(jìn)行探索并取得成效，未來需進(jìn)一步圍繞機(jī)翼負(fù)責(zé)試驗(yàn)數(shù)據(jù)體系開展數(shù)字化研究，推動(dòng)強(qiáng)度數(shù)據(jù)應(yīng)用與挖掘?qū)I(yè)的發(fā)展。

參考文獻(xiàn)

［1］陳玉斌，劉娜，趙志剛.基于數(shù)據(jù)挖掘的試驗(yàn)數(shù)據(jù)關(guān)系挖掘方法研究［J］.測(cè)繪與空間地理信息， 2020（43）：173-176.

［2］鐘宇，陳歡，黃嘉偉.基于數(shù)據(jù)挖掘的試驗(yàn)數(shù)據(jù)異常值檢測(cè)方法研究［J］.現(xiàn)代電子技術(shù)，2020（43）： 158-162.

［3］高彬，黃艷紅.基于數(shù)據(jù)挖掘的試驗(yàn)數(shù)據(jù)預(yù)處理方法研究［J］.現(xiàn)代計(jì)算機(jī)，2021（2）：107-111.

［4］朱曉軍，楊曉芳，張賀.基于數(shù)據(jù)挖掘的試驗(yàn)數(shù)據(jù)分析方法綜述［J］.電子測(cè)量與儀器學(xué)報(bào)， 2021（35）：1-9.

［5］馬曉娜，楊旭，趙明.基于數(shù)據(jù)挖掘的試驗(yàn)數(shù)據(jù)分類與聚類方法研究［J］.計(jì)算機(jī)工程與應(yīng)用，2021（57）：142-148.

（編輯何琳）

Data mining method for reliability design and test of aircraft wings

He ?Zhao

（National Key Laboratory of Strength and Structural Integrity， Aircraft Strength Research Institute

of China， Xian 710065，China）

Abstract： ?This paper studies the collection， management， analysis， and mining techniques for the design and verification of aircraft wing strength reliability data， and constructs a new processing mode for corresponding strength data. From micro to macro， the strength data is statistically analyzed， synthesized， and predicted， and the stiffness change laws and strength calculation methods of typical aircraft structures are mastered. Breaking through key technologies such as processing， mining， and visualization of strength big data， exploring the interrelationships between strength data， and providing technical support for various stages of the entire life cycle of aircraft development.

Key words： data mining; big data; strength test

作者簡(jiǎn)介：何釗（1991—），男，工程師，碩士;研究方向：信息化規(guī)劃與數(shù)據(jù)管理。