一种基于分阶段多变量统计过程控制的机翼应变数据表征与异常识别方法

本发明公开了一种基于分阶段多变量统计过程控制的机翼应变数据表征与异常识别方法，采集机翼结构的应变信号，将飞行过程划分为起飞、平飞和降落阶段；提取各飞行阶段应变信号的峰值、均方根、标准差、峰峰值、峭度和偏度六项时域特征参数，构建六维特征向量；基于若干正常飞行架次的六维特征向量，分阶段建立Hotelling's T多变量统计控制模型并确定控制上限；计算待测飞行架次的T统计量并与控制上限比较，判定其应变状态是否异常；对异常架次，将T统计量分解为各项时域特征参数的贡献值，确定主导特征参数。本发明实现了机翼应变数据的多维度紧凑表征与异常架次自动识别，并可追溯异常原因，适用于机翼结构健康监测。