高超声速风洞短时气动力智能辨识算法研究

简介

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.