一种基于深度学习的激波风洞测力信号频域分析方法

摘要

本发明公开了一种基于深度学习的激波风洞测力信号频域分析方法，搭建激波风洞气动力测量系统，基于SVDC技术在时域内采集多个天平样本信号；采用小波变换将天平样本信号分解得到子信号，对子信号进行时频转换以得到有效特征信号；对时域内的有效特征信号进行快速傅里叶变换，得到转换至频谱图的频域信号，并对频域信号进行无量纲化处理；训练卷积神经网络模型，并应用卷积神经网络模型分别对频域信号进行智能建模，得到经过卷积循环后的有效输出信号；对所述有效输出信号进行量纲化处理以及快速傅里叶逆变换，得到时域内且完成过滤处理的气动力信号；本发明过滤惯性振动信号并获得真实气动力信号，提高脉冲风洞测力结果的可靠性和精度指标。