基于U-Net的磁浮飞行风洞气动力干扰剥离算法OA

运动模型加速阶段的气动力测量技术是磁浮飞行风洞中的关键技术难题之一。气动力测量天平在加速段受到惯性力等各种强干扰,致使被测气动力值被掩盖。为在强干扰、低信噪比的严苛条件下还原气动力信号,提出了一种基于深度学习的气动力干扰剥离算法。首先针对天平信号作短时傅里叶变换以确定各干扰频谱特征,从而作为算法模型输入;然后构建“编码器-解码器”架构模型对天平所测复杂信号进行特征提取并精准重建所期望的气动力信号。经过在测试集上的全面评估,该算法在气动力干扰剥离方面表现优秀,在阻力、升力、俯仰力矩三分量上的气动力信号重建精度达到了92.7%。本研究提出的方法为磁浮飞行风洞加速段的气动力测量问题提供了一种可行的技术途径。