基于深度学习技术的激波风洞智能测力系统研究

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

所属期刊栏目：52

分类号：V211.751(基础理论及试验)

资助基金：国家自然科学基金资助项目11672357

在线出版日期：2020-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1304-1313