基于深度学习技术的激波风洞智能测力系统研究

	基于深度学习技术的激波风洞智能测力系统研究
	汪运鹏; 杨瑞鑫; 聂少军 ; 姜宗林
发表期刊	力学学报
	2020-07-28
卷号	52 期号:05 页码:1304-1313
摘要	高焓条件气动力测量试验对高超声速飞行器气动外形设计和优化起决定性作用.通常采用脉冲风洞(如激波风洞)产生高温、高压驱动气体以模拟高超声速高焓试验气流.在脉冲风洞对高超飞行器模型进行测力试验时,测力天平输出信号结果无法摆脱惯性载荷的干扰影响,其导致的测力模型低频振动问题基本无法通过滤波彻底解决,尤其对试验时间只有几毫秒的情况,六分量测力天平的结构设计研究受到了极大挑战.因此,对实现短试验时间条件高性能测力的深入研究发现,天平动态校准凸显重要性和必要性.本研究提出一种新的基于人工智能深度学习技术的单矢量动态自校准方法和智能测力系统概念,并应用于目前激波风洞测力试验中.该动校方法的最主要特点之一是对整体测力系统的校准,而非仅仅针对天平,并且保证校准的测力系统即为风洞试验对象,确保校准与应用的一致性.在测试评估中,测试样本和风洞试验验证均得到了较为理想的效果,大幅度低频振动干扰基本被消除,脉冲风洞测力的精度和可靠性得到了大幅提高.
关键词	激波风洞人工智能测力系统动态校准气动力测量应变天平
收录类别	EI ; CSCD
语种	中文
项目资助者	国家自然科学基金资助项目(11672357)
CSCD记录号	CSCD:6829047
论文分区	二类
力学所作者排名	1
引用统计	被引频次：9[CSCD] [CSCD记录]
文献类型	期刊论文
条目标识符	http://dspace.imech.ac.cn/handle/311007/85063
专题	高温气体动力学国家重点实验室
作者单位	1.中国科学院力学研究所高温气体动力学国家重点实验室 2.中国科学院大学工程科学学院
推荐引用方式 GB/T 7714	汪运鹏,杨瑞鑫,聂少军,等. 基于深度学习技术的激波风洞智能测力系统研究[J]. 力学学报,2020,52,05,:1304-1313.
APA	汪运鹏,杨瑞鑫,聂少军,&姜宗林.(2020).基于深度学习技术的激波风洞智能测力系统研究.力学学报,52(05),1304-1313.
MLA	汪运鹏,et al."基于深度学习技术的激波风洞智能测力系统研究".力学学报 52.05(2020):1304-1313.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
Jp2020318.pdf（1037KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览下载