典型文献
高超声速风洞短时气动力智能辨识算法研究
文献摘要：
风洞测力试验是高超声速飞行器研发的重要环节,随着这项技术的发展,试验模型的大尺度化成为高超声速风洞试验的趋势.在几百毫秒的有效测试时间内,大尺度测力系统刚度减弱等问题会严重导致气动力辨识精度变差,试验模型大尺度化对短时脉冲燃烧风洞精确气动力辨识带来了挑战.对此本文提出了一种新的基于传统信号处理结合深度学习的智能气动力辨识算法,该框架分解两个主要阶段:(1)信号分解,(2)数据训练.其中信号分解阶段通过变分模态分解将原始数据分解为不同模态子信号,随后通过Pearson相关性分析筛除干扰子信号;在训练阶段通过深度学习模型提取训练数据集中含有有效特征的子信号,最终得到真实气动力信号.此外,为增强算法的鲁棒性,在算法框架不同阶段通过不同方法对算法中的超参数进行优化得出最优参数组合.此算法在气动力辨识精度以及抗干扰等方面都得到了比较理想的结果.通过悬挂测力实验台进行验证,结果表明该算法可以有效滤除由大尺度模型带来的传统方法难以消除的干扰分量.最后应用于脉冲燃烧风洞的大尺度模型测力系统,气动力辨识精度得到有效提高.
文献关键词：
脉冲风洞;深度学习;气动力辨识;应变天平;测力系统
中图分类号：
作者姓名：
王钦超;李世超;高宏力;马贵林;伍广;段志琴
作者机构：
西南交通大学机械工程学院, 成都 610031
文献出处：
引用格式：
[1]王钦超;李世超;高宏力;马贵林;伍广;段志琴-.高超声速风洞短时气动力智能辨识算法研究)[J].力学学报,2022(03):688-696
A类：
气动力辨识
B类：
高超声速风洞,时气,智能辨识,算法研究,高超声速飞行器,试验模型,超声速风洞试验,几百,毫秒,有效测试,测试时间,测力系统,系统刚度,辨识精度,信号处理,信号分解,数据训练,中信,分解阶段,变分模态分解,原始数据,数据分解,筛除,训练阶段,深度学习模型,训练数据集,有效特征,增强算法,不同方法,超参数,最优参数,数组,较理想,悬挂,实验台,滤除,大尺度模型,脉冲风洞,应变天平
AB值：
0.297074
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
