激波管动态压力重构方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种激波管动态压力重构方法、装置、电子设备及存储介质，其方法包括：获取初始动态压力响应信号，包括振动信号和响应信号；基于变分模态分解方法和经验模态分解方法对振动信号和响应信号进行预处理，得到预处理信号以及该信号在不同频段分量信号；再依据相关系数得到的各分量信号分别与预处理信号和去噪振动信号之间的关系构建训练集；基于Bi

【技术实现步骤摘要】
激波管动态压力重构方法、装置、电子设备及存储介质


[0001]本专利技术涉及计量测试
，具体涉及一种激波管动态压力重构方法、装置、电子设备及存储介质。

技术介绍

[0002]激波管动态压力广泛地存在于爆炸测试、医学仪器、材料冲击测试、航空发动机等领域。在实际测量中，动态压力的稳定持续时间一般为几毫秒到十几毫秒。激波管动态压力的产生是一种瞬变的动态过程，不仅测试环境复杂，而且很难控制，从而导致动态压力信号难以准确估计，严重地影响动态压力信号的测量精度。
[0003]现有方法都是将激波管产生的动态压力看作理想的阶跃压力，即动态压力的幅值恒定。然而实际激波管产生的动态压力的幅值随时间波动，用恒定的幅值来表征激波管动态压力存在一定的理想化假设，必然导致表征的结果不合理。并且激波管工作过程中，入射激波到达低压室端面时会产生冲击振动，安装在端面上的压力传感器会同时受到动态压力信号和振动信号的激励，采集到的压力传感器输出信号为动态压力响应和振动响应的混合信号，现有方法没有考虑振动响应的影响，导致得到的动态压力幅值估计结果不准确。
[0004]综上，现有技术对激波管动态压力进行重构时未考虑激波管动态压力信号的波动特征以及冲击振动对动态压力重构结果的影响，导致动态压力幅值估计结果缺乏合理性和准确性。

技术实现思路

[0005]有鉴于此，有必要提供一种激波管动态压力重构方法、装置、电子设备及存储介质，解决现有技术中对激波管动态压力进行重构时由于未考虑激波管动态压力信号的波动特征以及冲击振动对动态压力重构结果的影响，导致动态压力幅值估计结果缺乏合理性和准确性的技术问题。
[0006]为了解决上述技术问题，一方面，本专利技术提供了一种激波管动态压力重构方法，包括：
[0007]获取初始动态压力响应信号，所述初始动态压力响应信号包括振动信号和响应信号；
[0008]基于变分模态分解方法和经验模态分解方法对所述振动信号和响应信号进行预处理操作，得到去噪振动信号、预处理响应信号以及所述预处理响应信号在不同频段的分量信号；
[0009]根据所述不同频段的分量信号分别与所述去噪振动信号和预处理响应信号之间的相关性构建训练集；
[0010]基于Bi
‑
LSTM神经网络模型构建初始逆传感网络模型，基于所述训练集迭代训练初始逆传感网络模型，得到目标逆传感网络模型；
[0011]获取实时动态压力响应信号并进行所述预处理操作后输入所述目标逆传感网络
模型，得到目标激波管动态压力重构信号。
[0012]在一些可能实现的方式中，所述基于变分模态分解方法和经验模态分解方法对所述振动信号和响应信号进行预处理操作，得到去噪振动信号、预处理响应信号以及所述预处理响应信号在不同频段的分量信号，包括:
[0013]基于变分模态分解方法对所述振动信号进行分解，得到多个振动模态分量，分别计算所述多个振动模态分量与振动信号的相关系数，去掉高频噪声分量，得到所述去噪振动信号；
[0014]基于变分模态分解方法对所述响应信号进行分解，得到多个响应模态分量，基于传感器振铃频率对所述多个响应模态分量进行重构，得到多个重构信号；
[0015]基于经验模态分解方法对所述多个重构信号进行分解，得到多个重构信号本征模态函数分量；
[0016]分别计算所述多个重构信号本征模态函数分量与去噪振动信号的相关系数，其中与去噪振动信号的相关系数最大的重构信号本征模态函数分量对应的重构信号为所述预处理响应信号；
[0017]基于经验模态分解方法对所述预处理响应信号进行分解，得到所述预处理响应信号在不同频段的分量信号。
[0018]在一些可能实现的方式中，所述根据所述不同频段的分量信号分别与所述去噪振动信号和预处理响应信号之间的相关性构建训练集，包括：
[0019]分别计算所述不同频段的分量信号与预处理响应信号和去噪振动信号之间的相关系数，将所述不同频段的分量信号中与所述预处理响应信号的相关系数最大的分量信号作为振铃分量信号；
[0020]将所述不同频段的分量信号中除振铃频率分量外与去噪振动信号相关系数数值小于设定阈值的分量信号作为噪声分量信号，对所述噪声分量信号予以剔除，得到去噪响应信号、重构响应信号、振动相关分量信号和趋势信号；
[0021]基于所述重构响应信号、振动相关分量信号和趋势分量信号构建所述训练集。
[0022]在一些可能实现的方式中，所述趋势分量信号与所述目标激波管动态压力重构信号幅值相对应，能够体现所述目标激波管动态压力重构信号的幅值特征。
[0023]在一些可能实现的方式中，所述基于所述训练集迭代训练初始逆传感网络模型，得到目标逆传感网络模型，包括：
[0024]基于所述重构响应信号构建初始逆传感网络模型第一训练集输入，基于所述振动相关分量构建初始逆传感网络模型第二训练集输入，基于所述趋势分量信号初始逆传感网络模型训练集输出；
[0025]设置所述初始逆传感网络模型的隐含层层数及超参数后，基于构建的训练集对所述初始逆传感网络模型进行迭代训练；
[0026]当所述初始逆传感网络模型输出损失率低于设定的损失阈值时，得到所述目标逆传感网络模型。
[0027]在一些可能实现的方式中，所述设置所述初始逆传感网络模型的隐含层层数及超参数后，基于构建的训练集对所述初始逆传感网络模型进行迭代训练，包括：
[0028]设置所述初始逆传感网络模型的初始隐含层层数，所述隐含层包括若干神经元单
元；
[0029]设置所述初始逆传感网络模型的超参数，所述超参数包括：优化器参数、学习率、序列长度和训练轮次；
[0030]迭代训练过程中通调节所述初始逆传感网络模型的初始隐含层层数、优化器参数、学习率、序列长度和训练轮次，并确定所述隐含层内部各个神经元单元节点的权值和偏置，使所述初始逆传感网络模型的输出使输出均方根误差最小，并达到设定的损失阈值，完成所述初始逆传感网络模型的迭代训练过程。
[0031]在一些可能实现的方式中，所述实时动态压力响应信号并进行所述预处理操作后输入所述目标逆传感网络模型，得到目标激波管动态压力重构信号，包括：
[0032]获取激波管传感器实时动态压力响应信号，对所述实时响应信号进行所述预处理操作得到实时动态压力响应信号对应的所述去噪振动信号和去噪响应信号；
[0033]将所述实时动态压力响应信号对应的去噪振动信号和去噪响应信号输入所述目标逆传感网络模型，得到目标逆传感网络模型输出，将所述输出除以压力传感器放大倍数和灵敏度，得到所述目标激波管动态压力重构信号。
[0034]另一方面，本专利技术还提供了一种激波管动态压力重构装置，包括：
[0035]信号获取模块，用于获取初始动态压力响应信号，所述初始动态压力响应信号包括振动信号和响应信号；
[0036]信号处理模块，用于基于变分模态分解方法和经验模态分解方法对所述振动信号和响应信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种激波管动态压力重构方法，其特征在于，包括：获取初始动态压力响应信号，所述初始动态压力响应信号包括振动信号和响应信号；基于变分模态分解方法和经验模态分解方法对所述振动信号和响应信号进行预处理操作，得到去噪振动信号、预处理响应信号以及所述预处理响应信号在不同频段的分量信号；根据所述不同频段的分量信号分别与所述去噪振动信号和预处理响应信号之间的相关性构建训练集；基于Bi
‑
LSTM神经网络模型构建初始逆传感网络模型，基于所述训练集迭代训练初始逆传感网络模型，得到目标逆传感网络模型；获取实时动态压力响应信号并进行所述预处理操作后输入所述目标逆传感网络模型，得到目标激波管动态压力重构信号。2.根据权利要求1所述的激波管动态压力重构方法，其特征在于，所述基于变分模态分解方法和经验模态分解方法对所述振动信号和响应信号进行预处理操作，得到去噪振动信号、预处理响应信号以及所述预处理响应信号在不同频段的分量信号，包括:基于变分模态分解方法对所述振动信号进行分解，得到多个振动模态分量，分别计算所述多个振动模态分量与振动信号的相关系数，去掉高频噪声分量，得到所述去噪振动信号；基于变分模态分解方法对所述响应信号进行分解，得到多个响应模态分量，基于传感器振铃频率对所述多个响应模态分量进行重构，得到多个重构信号；基于经验模态分解方法对所述多个重构信号进行分解，得到多个重构信号本征模态函数分量；分别计算所述多个重构信号本征模态函数分量与去噪振动信号的相关系数，其中与去噪振动信号的相关系数最大的重构信号本征模态函数分量对应的重构信号为所述预处理响应信号；基于经验模态分解方法对所述预处理响应信号进行分解，得到所述预处理响应信号在不同频段的分量信号。3.根据权利要求2所述的激波管动态压力重构方法，其特征在于，所述根据所述不同频段的分量信号分别与所述去噪振动信号和预处理响应信号之间的相关性构建训练集，包括：分别计算所述不同频段的分量信号与预处理响应信号和去噪振动信号之间的相关系数，将所述不同频段的分量信号中与所述预处理响应信号的相关系数最大的分量信号作为振铃分量信号；将所述不同频段的分量信号中除振铃频率分量外与去噪振动信号相关系数数值小于设定阈值的分量信号作为噪声分量信号，对所述噪声分量信号予以剔除，得到去噪响应信号、重构响应信号、振动相关分量信号和趋势信号；基于所述重构响应信号、振动相关分量信号和趋势分量信号构建所述训练集。4.根据权利要求3所述的激波管动态压力重构方法，其特征在于，所述趋势分量信号与所述目标激波管动态压力重构信号幅值相对应。5.根据权利要求3所述的激波管动态压力重构方法，其特征在于，所述基于所述训练集
迭代训练初始逆传感网络模型，得到目标逆传感网络模型，包括：基于所述重构响应信号构建初始逆传感网络模型第一训练集输入，基于所述振动相关分量构建初始逆传感网络...

【专利技术属性】
技术研发人员：姚贞建，李永生，丁义凡，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：