# 基于机器学习的稀疏传感器重构

该研究将相位-幅值约简与非线性机器学习稀疏传感器重构结合，仅用三个翼面传感器估计相位与幅值敏感度场，并据此解析导出最优激励波形，用于快速同步后失速翼型尾迹脱落频率；所得最优强迫使尾迹频率改变速度比标准正弦激励快八倍，且带幅值惩罚的波形相比无幅值惩罚的最优波形抑制了升力系数波动。

该研究将相位-幅值约简与非线性机器学习稀疏传感器重构结合，仅用三个翼面传感器估计相位与幅值敏感度场，并据此解析导出最优激励波形，用于快速同步后失速翼型尾迹脱落频率；所得最优强迫使尾迹频率改变速度比标准正弦激励快八倍，且带幅值惩罚的波形相比无幅值惩罚的最优波形抑制了升力系数波动。