激波风洞测力信号的频域数据深度学习建模分析方法

简介

高精准度气动力测量是激波风洞试验中的关键技术。在开展测力试验时,测力系统在风洞流场起动瞬间的冲击激励下产生振动,但振动信号无法在较短的有效试验时间内快速衰减,导致天平输出信号中耦合了惯性干扰。基于深度学习技术,对激波风洞天平信号在频域内开展数据处理,并针对动态信号的频域特征进行卷积神经网络建模分析,旨在消除测力信号中的惯性干扰。在频域模型训练样本和验证样本的结果分析中,天平信号的大幅惯性振动干扰被消除,达到预期的结果,验证频域建模分析方法的有效性和可靠性。此外,对处理结果进行误差分析,进一步验证该方法在激波风洞天平数据处理中具有较好的工程应用价值。