基于逆传感网络模型辨识的激波管动态压力重构

作者：李永生; 姚贞建^*; 刘臣; 丁义凡

来源：振动与冲击, 2023, 42(23): 223-324.

DOI：10.13465/j.cnki.jvs.2023.23.027

• 激波管
• 压力传感器
• 经验模态分解(EMD)
• 双向长短期记忆神经网络
• 动态压力

提出一种基于逆传感网络模型辨识的激波管动态压力重构方法。首先，基于经验模态分解，将压力传感器动态响应信号分解为一系列不同频带的分量；然后，采用相关系数和振铃幅值占比指标，实现振铃分量和趋势分量的识别，构建逆传感网络模型训练集和测试集；最后，基于双向长短期记忆神经网络训练及测试，建立压力传感器逆传感网络模型，实现激波管动态压力重构。分别通过仿真试验和激波管测量试验验证该方法对于动态压力重构的性能。仿真试验结果显示，重构的动态压力信号的RMSE(root mean square error)和MAPE(mean absolute percentage error)远小于传统趋势估计法，其值比长短时记忆(long short-term memory, LSTM)方法得到的结果分别减小了2倍和5倍，并且在不同阶数的压力传感器仿真试验中验证了该方法的鲁棒性，通过对比不同压力传感器系统下该方法的动态压力重构精度，验证了该方法的适用性；激波管测量试验结果显示，模型训练和测试输出的RMSE和MAPE分别为0.001 6 V、0.003 6%和0.002 5 V、0.062%,重构得到的激波管动态压力在平稳区间内的平均相对误差约为2.14%。

• 单位
  武汉工程大学