10.11823/j.issn.1674-5795.2022.02.07
基于深度学习的爆炸冲击波信号重构模型
针对爆炸冲击波信号重构问题,引入深度卷积神经网络(DCNN)捕捉冲击波信号的局部信息和高阶特征,引入双向长短期记忆网络(Bi-LSTM)捕捉冲击波超压数据时序依赖关系,进而构建了基于深度学习的爆炸冲击波信号重构模型.相关实验研究表明,本文构建的爆炸冲击波信号重构模型,综合考量了信号的时序关系、频谱特征、数据变化规律等特征信息;在基于有限测点数据的冲击波场压力分布重构实验中,模拟和实测超压峰值平均误差分别为3.53%和13.71%,正压作用时间平均误差分别为7.35%和14.26%,比冲量平均误差分别为4.02%和11.92%;在基于残缺数据的冲击波压力曲线重构实验中,模拟和实测信号重构的缺失值与原始值基本吻合,且偏差均在0附近;均满足爆炸冲击波压力重构指标要求.研究结果对爆炸冲击波信号重构有重要指导意义.
动态测试、冲击波超压、信号重构、深度学习
42
TB9;O384(计量学)
山西省应用基础研究计划青年科技研究基金资助项目;山西省高等学校科技创新资助项目
2022-05-30(万方平台首次上网日期,不代表论文的发表时间)
共11页
57-67