Page 143 - 《爆炸与冲击》2026年第5期
P. 143
第 46 卷 罗瑶嘉，等： 基于变分模态分解处理的冲击波压力长短期记忆网络系统建模 第 5 期
训练集和测试集的 4 种仿真冲击波压力信号与响应曲线如图 3 所示，具体特征参数如表 1 所示。
4 组有色噪声的信噪比分别为 20.3、21.2、20.1 和 20.5 dB。
1.0 Response signal 1 1.0 Response signal 2
Pressure signal 1 Pressure signal 2
p/kPa 0.5 p/kPa 0.5
0 0
Impulse/(Pa·s) 3 2 1 0 Impulse/(Pa·s) 3 2 1 0
10
0
Time/ms 20 30 0 10 Time/ms 20 30
(a) Response signal 1 and pressure signal 1 (b) Response signal 2 and pressure signal 2
1.0 Response signal 3 1.0 Response signal 4
Pressure signal 3 Pressure signal 4
p/kPa 0.5 p/kPa 0.5
0 0
Impulse/(Pa·s) 4 2 0 Impulse/(Pa·s) 2 1 0
10
0
Time/ms 20 30 0 10 Time/ms 20 30
(c) Response signal 3 and pressure signal 3 (d) Response signal 4 and pressure signal 4
图 3 仿真冲击波压力信号与采集系统动态响应曲线
Fig. 3 Simulation of shock wave pressure signal and dynamic response curve of acquisition system
表 1 动态压力冲击信号及其响应特征参数
Table 1 Dynamic pressure impulse signal and its responses
信号 响应
组别
峰值超压/kPa 正压时间/ms 冲量/(Pa·s) 峰值超压/kPa 正压时间/ms 冲量/(Pa·s)
1 0.90 9.22 2.89 1.07 6.01 2.60
2 0.79 6.97 2.18 0.93 5.13 1.69
3 0.96 9.28 3.28 1.13 6.35 2.37
4 0.83 5.47 2.26 0.99 7.45 1.73
首先对训练集的响应信号 1、响应信号 2 分别进行模态分解。SSA-VMD 方法采用麻雀优化算法确
定 K 与 α 的最优解，初始种群数量设置为 20，最大迭代次数为 10 次，K 界限设置为 2～6，α 参数界限设
置为 100～3 500。由图 4 可知，随着迭代次数的增加，惩罚因子和预设模态数对各分解模态的约束程度
增强，优化算法适应度下降，当迭代次数增至 10 次时各指标趋势趋于平稳。
结合频谱图（图 5）与时域分解图（图 6），根据 2.2 节所述的成分判断定义，计算模态的 CC 如表 2 所
示。可以得知 VMD 分解所得 BLIMF1 为低频分量，BLIMF2 为高频分量，BLIMF3 为噪声分量。除此之
外，res 包含噪声分量，但根据跳变时长与图 5 判断，其中同样包含低频有效跳变信号，为了最大程度地保
留峰值超压准确数值，将 BLIMF1 与 res 的叠加量作为去除振荡后的信号。
051434-7
