考虑噪声抑制的高超声速风洞气动力识别方法

对于风洞试验中全尺寸模型试验的非平稳信号进行载荷辨识仍存在诸多问题。针对全尺度模型试验的非平稳信号载荷辨识提出了一种基于深度残差收缩网络（DRSN）深度学习技术的智能载荷辨识方法，该方法通过深度学习提取测力系统输出数据中的气动力、惯性力和噪声等特征，通过注意力机制对每组数据进行获取阈值，再通过软阈值函数对特征进行滤波降噪，有效辨识出测力系统响应信号中的惯性力分量并进行剔除，实现气动力载荷辨识。在测试验证中，均值法的辨识精度为85%以上，DRSN模型的辨识精度为94%以上，证明DRSN模型能有效降低噪声和惯性力对于载荷辨识的干扰，用于非平稳信号的载荷辨识具有精度高、可靠性好等特点。