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
申请日:2023-12-25
公开(公告)日:2024-04-05
公开(公告)号:CN117828294A
主分类号:G06F18/20
分类号:G06F18/20;G06F18/213;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本发明涉及基于集成经验模式分解及卷积神经网络策略的动载荷识别方法。首先在全时域段内将动载荷与动响应数据进行集成经验模式分解,分别得到动载荷与动响应分解后的固有模态函数与残差,分别将动载荷与动响应的特征分量进行拼接,作为模型的训练数据;随后搭建卷积神经网络,布置卷积层、池化层与全连接层,卷积神经网络接收上个步骤的特征分量,对这些分量进一步进行特征提取;而后进行神经网络训练,进行模型动标定,使得模型具备识别动载荷特征分量的能力;最后将待识别的动响应特征分量输入至训练好的模型,识别出对应的动载荷特征分量,对动载荷特征分量进行重构,识别出动载荷。本发明从振动信号特征提取的角度入手,建立了新的基于卷积神经网络的动载荷识别模型,推动了动载荷识别与深度学习这一交叉领域的发展。
主权项:1.基于集成经验模式分解及卷积神经网络策略的动载荷识别方法,其特征在于,包括如下步骤:步骤1:利用分段集成经验模式分解对动载荷及动响应进行特征提取,并构建数据集;步骤2:构建卷积神经网络,动响应的特征分量进行正向传播,通过训练进行卷积神经网络的动标定过程;步骤3:利用所述步骤2训练的得到的卷积神经网络识别出动载荷特征分量,并通过重构反算得到动载荷。
全文数据:
权利要求:
百度查询: 中国航空工业集团公司金城南京机电液压工程研究中心 基于集成经验模式分解及卷积神经网络的动载荷识别方法
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。