申请/专利权人：成都大学

申请日：2023-11-03

公开（公告）日：2024-01-26

公开（公告）号：CN117171934B

主分类号：G06F30/18

分类号：G06F30/18;G06F30/23;G06F30/27;G06N3/048;G06N3/084;G06F113/16

优先权：

专利状态码：有效-授权

法律状态：2024.01.26#授权;2023.12.22#实质审查的生效;2023.12.05#公开

摘要：本发明公开了一种基于POD‑ANNS的架空输电线路舞动响应预测方法，提取有限元法得到的不同节点舞动响应数据作为样本数据库，随机抽取数据库中响应作为快照矩阵；将快照矩阵进行POD降阶，得出各阶基模态能量占比情况以及基模态系数，通过分析基模态能量占比情况，确定模型所需的基模态数量；使用得到基模态系数作为训练集，通过神经网络预测全阶样本模型的基模态系数；将得出全阶基模态系数矩阵和正交基反演得出全阶响应，最后选取快照矩阵外的数据作为目标值，与反演得到的响应进行对比，实现目标响应的预测。本发明利用POD‑ANNS混合模型可以将运算效率提升，有效降低时间成本，对于重构预测的均方根误差精度高；具有推广应用的价值。

主权项：1.一种基于POD-ANNS的架空输电线路舞动响应预测方法，其特征在于，包括以下步骤：S1：提取有限元法得到的不同节点舞动响应数据作为样本数据库，随机抽取数据库中响应作为快照矩阵；快照矩阵为U：U＝[u1,u2,u3,…,un]1其中U∈Rm×n，m为全阶系统自由度数目；n为所选取的快照数量，n≤m；un为不同节点的系统位移响应；然后对快照矩阵U进行去中心化处理： 式中：为快照均值矩阵；V＝[V1,V2,...,Vn]为快照脉动矩阵；S2：将快照矩阵进行POD降阶，得出各阶基模态能量占比情况以及基模态系数，通过分析基模态能量占比情况，确定模型所需的基模态数量；POD方法的核心工作是寻找一组最优正交基Φ＝[φ1φ2…φn]，以及对应的基系数矩阵A＝[a1,a2,…an]，使得其中的元素满足：Vi＝aiφi3使用奇异值分解SVD求解该最优值问题，获取最优正交基Φ后，将各个快照分别映射到Φ上，得到与各个初始舞动响应解对应的基系数anS3：使用步骤S2得到基模态系数作为训练集，通过神经网络预测全阶样本模型的基模态系数；神经网络采用径向基函数神经网络RBF以及BP神经网络分别预测响应POD基模态系数，对比分析两种代理模型的预测精度；径向基函数神经网络是三层前向网络，第一层为输入层，第二层为隐藏层，第三层为输出层；隐藏层使用径向基函数作为激活函数的神经元；在模型中使用的BP神经网络，设置两层隐含层，每层包含20个神经元，每层神经元通过权重ω和偏置b连接；BPNN激活函数使用的是trainrp；S4：利用基模态能量的定义，将得出全阶基模态系数矩阵和正交基反演得出全阶响应，最后选取快照矩阵外的数据作为目标值，与反演得到的响应进行对比，实现目标响应的预测；某一阶基模态的能量的定义为：Ii＝λi∑λi4式中：λi为自相关矩阵R＝VTV的第i个特征值，求解得到最优正交基Φ之后，原始舞动响应可以根据系数矩阵A及式3精确重构，得到某非样本的舞动响应对应的系数向量，根据已知的正交基Φ对新的舞动响应进行预测，至此，POD-ANNS混合模型构建完成。

全文数据：

权利要求：

百度查询： 成都大学 一种基于POD-ANNS的架空输电线路舞动响应预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD