[发明专利]一种空气动力数据集异常数据检测方法

说明书

本发明公开了一种空气动力数据集异常数据检测方法，包括S1、根据界定的自变量、因变量关系对，得到三组自变量和因变量；S2、基于鲁棒最小二乘回归方法，同时对所述三组自变量和因变量进行回归，得到三个β_i，i＝1,2,3，其中β_i为系数；S3、分别计算三组因变量的标准化预测值与标准化残差，得到三组新的二维数据集；S4、分别对S3中所得三组新的二维数据集进行单链接层次聚类，以最大类为纯净数据集进行异常数据集检测，合并三次聚类的异常数据作为整个数据的异常数据。

技术领域

本发明属于气动数据集的技术领域，具体涉及一种空气动力数据集异常数据检测方法。

背景技术

空气动力(简称气动)数据集/数据库(Aerodynamic database)，是指在飞行器气动设计过程中有组织有计划地生产的飞行包线范围的气动数据集，一般通过CFD计算、风洞试验、飞行试验等手段获得。比如文献“Pamadi B N,Brauckmann G J,Ruth M J,etal.Aerodynamic Characteristics,Database Development,and Flight Simulation ofthe X-34Vehicle[J].Journal of Spacecraft and Rockets,2001,38(3):334-344.”中介绍了通过风洞试验、工程计算等多种方法融合建立X-34飞行器的气动数据集；文献“Engelund W C,Holland S D,Cockrell C E,et al.Aerodynamic Database Developmentfor the Hyper-X Airframe-Integrated Scramjet Propulsion Experiments[J].Journal of Spacecraft and Rockets,2001,38(6):803-810.”中介绍了飞行试验获得的气动数据集的过程。无论那种方法获得数据集，因为试验或计算条件设置不正确、传感器异常、人工统计误操作等原因，往往会产生异常数据。异常数据的存在可能对飞行器的设计、建模、控制等各环节产生不利影响，每一个数据集的生产与收集过程将耗费较大的人力排除这些异常数据。

气动数据本质上是一种物理数据，体现物理规律。正常数据分布，在各维度上总能体现较好的分布曲线，异常数据则不符合正常数据的分布规律。为鉴别异常气动数据的难点主要体现在以下几个方面：

1、数据集大、且单条数据维度高，数据计算量呈指数增长。

2、数据项之间存在耦合关系、行数据之间存在共线性，回归模型。

3、数据来源复杂，数据中可能出现重复、非函数映射关系。

目前尚无针对气动数据集专有的异常数据检测分析工具，主要是人工方法，将数据分组拷贝到Excel电子表格，再人工作图、人眼观察，特别依赖专业人员的经验与细心。

发明内容

本发明的目的在于针对现有技术中的上述不足，提供一种空气动力数据集异常数据检测方法，以解决或改善上述的问题。

为达到上述目的，本发明采取的技术方案是：

一种空气动力数据集异常数据检测方法，其包括：

S1、根据界定的自变量、因变量关系对，得到三组自变量和因变量；

S2、基于鲁棒最小二乘回归方法，同时对所述三组自变量和因变量进行回归，得到三个β_i，i＝1,2,3，其中β_i为系数向量；

S3、分别计算三组因变量的标准化预测值与标准化残差，得到三组新的二维数据集；

S4、分别对S3中所得三组新的二维数据集进行单链接层次聚类，以最大类为纯净数据集进行异常数据集检测，合并三次聚类的异常数据作为整个数据的异常数据。