申请/专利权人:北京工业大学
申请日:2022-11-29
公开(公告)日:2023-03-14
公开(公告)号:CN115793461A
主分类号:G05B13/04
分类号:G05B13/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.03.31#实质审查的生效;2023.03.14#公开
摘要:一种基于深度学习的地震模拟振动台三参量控制参数整定方法,属于地震模拟振动台控制领域。本发明包括:系统辨识环节,基于实际系统的响应信号和输入信号,通过系统辨识方法辨识出能正确反映真实输入输出关系的数值模型,作为系统闭环模型;离线整定环节,在系统闭环模型外加入三参量控制作为增量闭环控制系统,选择深度学习算法对仿真模型进行参数整定;实机测试环节,得到离线整定好的控制参数,输入实际振动台系统中验证,若满足性能指标要求则整定结束,否则执行离线整定环节重新进行参数整定。本发明结合深度学习算法,实现对振动台三参量控制参数的整定,能够提高参数整定效率和精度、提高参数整定的安全性,确保振动台系统的平稳运行。
主权项:1.一种基于深度学习的地震模拟振动台三参量控制参数整定方法,其特征在于:包含有系统辨识环节、参数离线整定环节、实机测试环节;先测试得到实际振动台的系统辨识模型,再针对系统辨识模型进行深度学习整定算法的离线参数整定,最后将整定得到的参数在实际振动台系统中进行测试;整定方法包括以下步骤:步骤一、将预处理后的地震波信号作为振动台的输入信号并确定三参量控制初始参数,运行振动台系统,得到振动台系统的实际响应信号;步骤二、将振动台的输入信号作为神经网络的输入项,振动台的响应信号作为神经网络的标签信号,并构建深度多层神经网络模型进行训练;步骤三、在深度多层神经网络模型上引入三参量控制作为闭环控制模型;步骤四、对该闭环模型进行参数整定;步骤五、将参数整定的结果在闭环模型系统中进行验证;步骤六、判断参数整定结果在闭环模型中是否满足振动台控制性能指标δ[≥90%,≤10%],当满足要求时,执行步骤七,当不满足性能要求时,重复步骤四;步骤七、如步骤六中整定好的控制参数在测试模型中满足控制指标,且输入实际振动台系统仍满足控制指标δ[≥90%,≤10%]时,即为整定完成的控制参数。
全文数据:
权利要求:
百度查询: 北京工业大学 基于深度学习的地震模拟振动台三参量控制参数整定方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。