-
公开(公告)号：CN115795282B
公开(公告)日：2023-05-09
申请号：CN202310045368.9
申请日：2023-01-30
Applicant: 武汉工程大学
IPC: G06F18/10 , G06N3/045 , G06N3/0442 , G06N3/0985 , G01L5/14 , G01H17/00
Abstract: 本发明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‑LSTM神经网络模型构建初始逆传感网络模型，基于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；采用目标逆传感网络模型重构激波管动态压力，得到目标激波管动态压力重构信号。本发明提供的激波管动态压力重构方法能够更合理准确的对激波管动态压力信号进行重构。
-
Patent Agency Ranking
公开(公告)号：CN115795282A
公开(公告)日：2023-03-14
申请号：CN202310045368.9
申请日：2023-01-30
Applicant: 武汉工程大学
IPC: G06F18/10 , G06N3/045 , G06N3/0442 , G06N3/0985 , G01L5/14 , G01H17/00
Abstract: 本发明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‑LSTM神经网络模型构建初始逆传感网络模型，基于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；采用目标逆传感网络模型重构激波管动态压力，得到目标激波管动态压力重构信号。本发明提供的激波管动态压力重构方法能够更合理准确的对激波管动态压力信号进行重构。
-
公开(公告)号：CN116127277B
公开(公告)日：2023-06-27
申请号：CN202310384568.7
申请日：2023-04-12
Applicant: 武汉工程大学
Abstract: 本发明公开了激波流场动态压力测量不确定度评定方法，包括步骤：S1、对激波流场动态压力测量信号进行分解，得到高频噪声分量、趋势分量、振铃分量和低频噪声分量；S2、进行样本量扩充，并计算各分量在每个时刻数据的最优估计值；S3、计算各分量最优估计值序列的统计均值和方差及其正态分布，根据共轭先验分布规律估计概率密度函数，进而得到每个时刻数据的联合先验概率密度函数，基于似然函数和贝叶斯方法，得到联合后验概率密度函数及其后验分布统计量，进而得到四个分量的不确定度；S4、将四个分量的不确定度进行合成计算，得到激波流场动态压力测量扩展不确定度。本发明可实现小样本、时变特性的激波流场动态压力测量的不确定度评定。
-
公开(公告)号：CN116089800B
公开(公告)日：2023-06-27
申请号：CN202310368863.3
申请日：2023-04-10
Applicant: 武汉工程大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , G01L23/00 , G01M10/00
Abstract: 本发明公开了一种激波流场动态压力测量信号振铃分量提取校正方法及系统，该方法包括以下步骤：采用经验模态分解方法对激波流场动态压力测量信号进行自适应分解，提取出激波流场动态压力测量信号的振铃分量；利用卷积神经网络来构建振铃分量畸变校正模型，数据集构建采用交错跨度式构建方法；对振铃分量中模态混叠段时间序列进行预测，实现对动态压力响应信号振铃分量的准确提取。本发明将自适应信号分解方法和卷积神经网络模型辨识方法的优点相结合，可有效减小激波流场动态压力响应信号振铃分量提取过程受频率混叠的影响，通过振铃分量的变化特征构建数据预测模型，实现激波流场动态压力响应信号振铃分量的准确提取与校正。
-
公开(公告)号：CN116127277A
公开(公告)日：2023-05-16
申请号：CN202310384568.7
申请日：2023-04-12
Applicant: 武汉工程大学
Abstract: 本发明公开了激波流场动态压力测量不确定度评定方法，包括步骤：S1、对激波流场动态压力测量信号进行分解，得到高频噪声分量、趋势分量、振铃分量和低频噪声分量；S2、进行样本量扩充，并计算各分量在每个时刻数据的最优估计值；S3、计算各分量最优估计值序列的统计均值和方差及其正态分布，根据共轭先验分布规律估计概率密度函数，进而得到每个时刻数据的联合先验概率密度函数，基于似然函数和贝叶斯方法，得到联合后验概率密度函数及其后验分布统计量，进而得到四个分量的不确定度；S4、将四个分量的不确定度进行合成计算，得到激波流场动态压力测量扩展不确定度。本发明可实现小样本、时变特性的激波流场动态压力测量的不确定度评定。
-
公开(公告)号：CN116089800A
公开(公告)日：2023-05-09
申请号：CN202310368863.3
申请日：2023-04-10
Applicant: 武汉工程大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , G01L23/00 , G01M10/00
Abstract: 本发明公开了一种激波流场动态压力测量信号振铃分量提取校正方法及系统，该方法包括以下步骤：采用经验模态分解方法对激波流场动态压力测量信号进行自适应分解，提取出激波流场动态压力测量信号的振铃分量；利用卷积神经网络来构建振铃分量畸变校正模型，数据集构建采用交错跨度式构建方法；对振铃分量中模态混叠段时间序列进行预测，实现对动态压力响应信号振铃分量的准确提取。本发明将自适应信号分解方法和卷积神经网络模型辨识方法的优点相结合，可有效减小激波流场动态压力响应信号振铃分量提取过程受频率混叠的影响，通过振铃分量的变化特征构建数据预测模型，实现激波流场动态压力响应信号振铃分量的准确提取与校正。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
