Hawk T1A飞机右翼模态测试数据集

Hawk T1A飞机右翼模态测试数据集是由谢菲尔德大学动力学研究组开发的，旨在为结构动力学提供一个全面的基准数据集。该数据集通过在谢菲尔德的验证与验证实验室对退役的BAE系统Hawk T1A飞机进行广泛测试而创建。数据集包括频率和时域两个测试阶段的详细信息，旨在为全尺度结构动力学中的挑战提供基准数据。数据集的应用领域包括系统识别和结构健康监测，旨在通过提供挑战性的基准来推动先进方法的发展。

The Hawk T1A aircraft right-wing modal test dataset was developed by the Dynamics Research Group of the University of Sheffield, serving as a comprehensive benchmark dataset for structural dynamics. This dataset was constructed via extensive testing of a retired BAE Systems Hawk T1A aircraft at the University of Sheffield's Verification and Validation Laboratory. It includes detailed records from two test phases: frequency-domain and time-domain, aiming to offer benchmark data for addressing challenges in full-scale structural dynamics. Its application areas cover system identification and structural health monitoring, with the objective of promoting the advancement of cutting-edge methods by providing challenging benchmark cases.

搜集汇总

数据集介绍

构建方式

该数据集基于一架退役的BAE系统Hawk T1A飞机右翼，在谢菲尔德验证与验证实验室（LVV）开展全尺寸模态测试。实验分为两阶段：第一阶段采用开环控制，使用西门子LMS SCADAS系统生成突发随机激励和正弦扫频信号，在机翼表面布设54个加速度计，测量健康与模拟损伤（在特定位置附加不同质量块）状态下的响应；第二阶段引入定制闭环控制系统，通过频域迭代算法生成随机相位和奇次多正弦信号，精确控制激振力谱。所有数据以开放的.hd5格式存储，并附带Python API接口，便于访问与复现。

特点

数据集最显著的特点是真实性与挑战性：它基于全尺寸飞机结构，边界条件复杂（含起落架、液压减震器等非线性连接），且激励类型丰富（涵盖突发随机、正/反向对数/线性扫频、闭环随机相位与奇次多正弦），覆盖0.4V至2.0V多级幅值。模拟损伤通过三处位置（翼尖前缘、根前缘、中央后缘）与三种附加质量实现，形成多层次损伤场景。数据包含频域（FRF、相干谱）与时域（加速度时程）两种形式，并保留10次重复以量化实验误差，为系统辨识与结构健康监测提供了严苛的基准测试平台。

使用方法

数据集适用于结构动力学三大任务：系统辨识、预测与健康监测。在辨识中，用户可基于频域FRF应用有理分式多项式法（RFP）或时域随机子空间法（SSI）提取模态参数，论文提供了基线结果作为对比基准。预测任务可探索虚拟传感（从稀疏传感器重构全场响应）或载荷估计（在未知输入条件下反演激励力）。健康监测方面，支持监督学习（如高斯混合模型对自然频率主成分分类）与无监督学习（基于马氏距离的奇异值检测），可验证从损伤检测到定位、分类等不同层级方法的鲁棒性。数据通过.hd5层级路径（/SBW/试验阶段/试验系列/重复次数/传感器/信号）访问，元数据包含传感器位置、灵敏度与测试参数，便于自动化批处理。

背景与挑战

背景概述

全尺寸结构动力学测试是验证和提升振动分析方法可靠性的关键环节，然而，真实复杂结构在运行环境中的模态参数辨识与损伤评估仍面临诸多挑战。为填补这一空白，英国谢菲尔德大学动力学研究团队联合苏黎世联邦理工学院与艾伦·图灵研究所，于2023年以一架退役的BAE系统公司Hawk T1A教练机为对象，开展了系统的右翼模态测试。该数据集聚焦于全尺寸飞机结构在多种激励条件下的动力学响应，涵盖开环与闭环控制下的频域及时域数据，并引入了模拟损伤工况。其核心研究问题在于为系统辨识与结构健康监测提供具有挑战性的基准，以推动先进算法从实验室走向工程实践。该数据集因其实物尺度、多工况配置及公开可访问性，已在结构动力学领域产生重要影响力，成为评估非线性建模、不确定性量化及损伤检测方法的标准测试平台。

当前挑战

该数据集面临的挑战首先源于领域问题本身：全尺寸结构通常呈现显著的非线性特征，如激励幅值依赖的频响变化，这使得基于线性模态叠加的传统辨识方法难以精确建模。此外，结构在长时间测试中可能存在时变性，而传感器布局的稀疏性进一步增加了虚拟传感与载荷估计的难度。在构建过程中，团队需克服复杂边界条件（如起落架液压减震器）带来的建模不确定性，以及模拟损伤时附加质量位置与重力值对模态参数的微妙影响。同时，开环与闭环两阶段实验需协调不同硬件系统（LMS与NI设备）的数据一致性，并设计控制算法以稳定激振力频谱。这些挑战共同构成了一个层次化的难题体系，从模态参数自动提取到损伤定位与程度评估，均需超越现有基线方法的能力。

常用场景

经典使用场景

该数据集的核心应用在于为全尺寸结构动力学提供基准验证平台。研究人员可基于Hawk T1A飞机右翼的加速度响应数据，开展模态参数识别任务，包括频域内的有理分式多项式法和时域内的随机子空间辨识。通过对比不同激励类型（如猝发随机、正弦扫频）及损伤模拟工况下的模态特性，该数据集为评估线性与非线性系统辨识算法的鲁棒性提供了真实且具有挑战性的实验依据，尤其适用于验证复杂结构在多种边界条件下的动力学建模精度。

衍生相关工作

该数据集催生了一系列衍生研究，涵盖非线性系统辨识、数据驱动建模与数字孪生技术。经典工作包括将深度学习应用于模态参数自动提取，以及基于物理信息神经网络的混合建模方法。此外，研究者利用该数据探索了不确定性量化框架，如贝叶斯随机子空间辨识，以提升损伤诊断的置信度。在数字孪生领域，该数据集成为验证模型更新与在线状态预测算法的标杆，推动了从离线分析到实时运维决策的技术演进，为航空航天领域的高价值资产全生命周期管理奠定了方法基础。

数据集最近研究

最新研究方向

Hawk T1A飞机右翼模态测试数据集为结构动力学领域提供了一个极具价值的全尺寸基准平台，其最新研究方向聚焦于利用该数据集验证和推动基于振动的先进方法，特别是在系统识别与结构健康监测方面。该数据集通过模拟真实飞机在多种激励条件下的动力学响应，并引入附加质量模拟损伤场景，为机器学习驱动的非线性系统建模、损伤检测及虚拟传感技术提供了严苛的测试环境。当前热点研究包括基于随机子空间识别和有理分式多项式方法的模态参数提取，以及利用高斯混合模型和马氏距离进行损伤分类与异常检测。该数据集的开放共享显著促进了数据驱动方法与物理模型的融合，为构建高保真数字孪生体、提升航空结构全寿命管理的智能化水平提供了关键支撑，其意义在于弥合实验室研究与工程实践之间的鸿沟，推动结构动力学向更可靠、更鲁棒的方向演进。

相关研究论文

• Full-scale modal testing of a Hawk T1A aircraft for benchmarking vibration-based methods

  谢菲尔德大学动力学研究组 · 2023年