文章编号：1672-9897(2023)04-0059-07doi：10.11729/syltlx20230030等离子体电磁干扰下圆柱绕流壁面压力信号AI实时降噪陈杰1，宗豪华2,*，宋慧敏1,*，梁华1，刘诗敏1，方子淇21.空军工程大学航空动力系统与等离子体技术全国重点实验室，西安7100382.西安交通大学机械工程学院，西安710049摘要：面向闭环主动流动控制的可靠传感需求，提出采用人工神经网络模型对不同等离子体电磁干扰下受污染流场信号进行实时降噪处理。以安装在圆柱表面的动态压力传感器为研究对象，分别采集了正弦交流介质阻挡放电（AC–DBD）的“稠密峰”型干扰信号和纳秒脉冲介质阻挡放电（NS–DBD）的“稀疏突刺”型干扰信号，对人工合成含干扰的流场压力数据进行了监督学习训练，并对模型的泛化能力进行了测试验证。结果表明：基于人工神经网络模型的实时降噪方法可以有效抑制等离子体激励带来的电磁干扰影响，还原真实的压力信号，且对AC–DBD“稠密峰”型干扰信号的降噪效果更好，降噪后信号波形平滑，与真实信号拟合度高；将模型用于真实的流场压力测量中，通过对比降噪后信号与真实信号均值，验证了降噪神经网络的信号还原精度。关键词：等离子体激励；沿面介质阻挡放电；人工神经网络；降噪；压力信号；圆柱绕流中图分类号：V211.71文献标识码：AAI-basedreal-timenoisereductionofflowfieldpressuresignalsunderplasmaelectromagneticinterferenceCHENJie1，ZONGHaohua2,*，SONGHuimin1,*，LIANGHua1，LIUShimin1，FANGZiqi21.NationalKeyLabofAerospacePowerSystemandPlasmaTechnology,AirForceEngineeringUniversity,Xi’an710038,China2.SchoolofMechanicalEngineering,Xi’anJiaotongUniversity,Xi’an710049,ChinaAbstract:Forthereliablesensingrequirementsofclosed-loopactiveflowcontrol,areal-timenoisereductionmethodbasedontheartificialneuralnetworkwasproposedforsolvingtheplasmaactuationelectromagneticinterferenceonflowfieldsignals.Takingthedynamicpressuresensorinstalledonthecylindersurfaceastheexperimentalsubject,the“densepeak”typenoisesignalsofalternatingcurrentdielectricbarrierdischarge(AC–DBD)andthe“sparsespike”typenoisesignalsofnanosecondpulseddielectricbarrierdischarge(NS–DBD)werecollectedrespectively.Artificialsyntheticnoisesignalswereusedforsupervisedlearning,andthegeneralizationoftheartificialn...
