噪声压力敏感油漆数据的三分量分解与稀疏表示

三分量分解是从波动量中提取平均值、有序相干运动和随机部分的有用分析方法。虽然压力敏感油漆 (PSP) 方法广泛用于测量表面上的压力分布，但近大气压下的 PSP 数据包含显著噪声。本文对噪声 PSP 数据进行三分量分解。为构建表示有序相干运动的相位平均数据，我们提出一种基于 PSP 每个数据点之间余弦相似性多维尺度图的相对简单方法。随后，通过选择基于测量数据与相位平均数据之间相似性的合适相位角来提取随机部分。作为一种数据驱动方法，我们还基于三分量分解和稀疏传感器位置处的压力数据重建压力分布。最优传感器位置作为组合优化问题确定，并使用 Fujitsu 计算即服务数字 annealer 估计。基于所得结果，即使在模式数和传感器点数较少的情况下，与压力传感器测量的压力与通过本方法重建的压力之间的均方根误差很小。PSP 测量的应用预计会进一步扩展，而基于分解的稀疏表示框架将对流分析有用。