【技术实现步骤摘要】
本专利技术属于振动反演与深度学习，具体涉及一种广义正交域下的基于长短时记忆的振动反演方法。
技术介绍
1、振动反演又称动载荷识别，是一种通过结构振动响应信息来反算出未知动载荷的识别技术。传统反演方法的本质是数学逆问题，通过测得的结构动响应与结构的动特性信息进行逆向运算反演出振动源。由于结构动特性信息组成的传递函数矩阵往往是病态的，会给振动反演带来很多问题，如计算不收敛、误差放大等，同时传统的方法对结构精准的动力学模型依赖很高，这些问题都阻碍着动载荷识别技术在工程中的具体应用。近些年基于深度学习的动载荷识别方法研究逐渐流行，一方面由于深度学习方法的建模能力很强，可以直接建立振动响应与动载荷之间的映射，从而避开数学反问题的运算；另一方面深度学习方法的抗干扰能力较强，识别的结果精度较高，抗噪能力较强。目前基于深度学习的振动反演方法研究处于起步阶段，识别对象是正弦、半正弦波这类形式较为简单的动载荷，无法识别形式更加复杂的动载荷。
技术实现思路
1、本专利技术的一个目的是提供一种广义正交域下的基于长短时记忆的振动反演方法，能够解决现有技术中振动反演方法无法识别形式更加复杂的动载荷的技术问题。
2、根据本专利技术的第一方面，提供了一种广义正交域下的基于长短时记忆的振动反演方法，所述方法包括：
3、获取用于训练长短时记忆模型的第一振动信号；
4、将所述第一振动信号转换至广义正交域，得到一组正交基函数系数以及对应的正交基函数组成的正交基函数矩阵；
5
6、根据所述长短时记忆模型的输入数据和所述正交基函数系数对长短时记忆模型进行正向传播训练以及动力学标定；
7、获取第二振动信号；
8、根据所述动力学标定后的长短时记忆模型计算出所述第二振动信号对应的正交基函数系数；
9、根据所述第二振动信号对应的正交基函数系数以及所述正交基函数矩阵，确定所述第二振动信号对应的动载荷。
10、可选地，所述将所述第一振动信号转换到广义正交域，得到一组正交基函数系数以及对应的正交基函数组成的正交基函数矩阵，包括：
11、基于正交基函数的频域特性确定所述第一振动信号转换至广义正交域下的展开阶次；
12、根据所述展开阶次将所述第一振动信号按照广义正交基函数的方式展开，得到一组正交基函数系数以及对应的正交基函数组成的正交基函数矩阵。
13、可选地，所述基于正交基函数的频域特性确定所述第一振动信号转换至广义正交域下的展开阶次，包括：
14、确定所述第一振动信号的最高频率；
15、按照正交基函数阶次次序寻找到主频首次大于所述第一振动信号的最高频率的目标正交基函数；
16、根据所述目标正交基函数的次序确定所述展开阶次。
17、可选地，所述根据所述目标正交基函数的次序确定所述展开阶次，包括：
18、将所述目标正交基函数的次序作为为所述展开阶次。
19、可选地，所述根据所述目标正交基函数的次序确定所述展开阶次，包括：
20、将所述目标正交基函数的次序提升预设幅度后作为所述展开阶次。
21、可选地，根据所述正交基函数系数以及所述正交基函数矩阵构建长短时记忆模型的输入数据，包括：
22、根据下述公式构建所述长短时记忆模型的输入数据，
23、；
24、其中，表示所述长短时记忆模型的输入数据，算子表示按元素乘，表示正交基函数矩阵，表示振动信号，表示正交基函数阶次。
25、可选地，所述广义正交基函数为勒让德广义正交基函数。
26、可选地，所述长短时记忆模型的正向传播过程如下：
27、；
28、；
29、；
30、；
31、；
32、；
33、其中，算子表示按元素乘，表示模型的长时信息，表示短时信息，表示sigmoid激活函数，表示遗忘门的传递信息，表示输入门的传递信息，表示模型短暂存储的长时信息，表示输出门的传递信息，表示长短时记忆的最终输出，遗忘门、输入门、单元状态、输出门的权重矩阵分别为、、、，偏置向量分别为、、、。
34、可选地，所述根据所述第二振动信号对应的正交基函数系数以及所述正交基函数矩阵，确定所述第二振动信号对应的动载荷，包括：
35、将所述第二振动信号对应的正交基函数系数与所述正交基函数矩阵进行拟合，反演出所述第二振动信号对应的动载荷，计算过程如下，
36、；
37、其中，为正交基函数拟合算子，为用于拟合的正交基函数矩阵，为第二振动信号对应的正交基函数系数，为动载荷。
38、可选地，所述长短时记忆模型包含一个双向lstm层、两个单向lstm层、一个包含3层感知机的全连接层、一个输出层，所述全连接层中每层神经元数量分别为128、64、32。
39、本专利技术的有益效果在于：本专利技术基于长短时记忆神经网络，引入正交基函数理论，在广义正交域下进行动载荷识别，与目前已有的方法相比，通过正交基函数展开提取了振动响应数据的特征，可以实现识别形式更加复杂的动载荷。本专利技术的方法将振动信号的数据特征提取到广义正交域下，降低了深度学习模型的拟合难度，从而提高了识别精度，提升了深度学习方法振动反演的能力。
本文档来自技高网...【技术保护点】
1.一种广义正交域下的基于长短时记忆的振动反演方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述第一振动信号转换到广义正交域，得到一组正交基函数系数以及对应的正交基函数组成的正交基函数矩阵，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于正交基函数的频域特性确定所述第一振动信号转换至广义正交域下的展开阶次，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述目标正交基函数的次序确定所述展开阶次，包括：
5.根据权利要求3所述的方法，其特征在于，所述根据所述目标正交基函数的次序确定所述展开阶次，包括：
6.根据权利要求3所述的方法，其特征在于，根据所述正交基函数矩阵构建长短时记忆模型的输入数据，包括：
7.根据权利要求3所述的方法，其特征在于，所述广义正交基函数为勒让德广义正交基函数。
8.根据权利要求1所述的方法，其特征在于，所述长短时记忆模型的正向传播过程如下：
9.根据权利要求1所述的方法，其特征在于，所述根据所述第二振动信号
10.根据权利要求1所述的方法，其特征在于，所述长短时记忆模型包含一个双向LSTM层、两个单向LSTM层、一个包含3层感知机的全连接层、一个输出层，所述全连接层中每层神经元数量分别为128、64、32。
...【技术特征摘要】
1.一种广义正交域下的基于长短时记忆的振动反演方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述第一振动信号转换到广义正交域，得到一组正交基函数系数以及对应的正交基函数组成的正交基函数矩阵，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于正交基函数的频域特性确定所述第一振动信号转换至广义正交域下的展开阶次，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述目标正交基函数的次序确定所述展开阶次，包括：
5.根据权利要求3所述的方法，其特征在于，所述根据所述目标正交基函数的次序确定所述展开阶次，包括：
6.根据权利要求3所述的方...
【专利技术属性】
技术研发人员：刘彦成，杨乐，杨泓基，
申请(专利权)人：中国航空工业集团公司金城南京机电液压工程研究中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。