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：2024-04-12

公开（公告）号：CN117874571A

主分类号：G06F18/24

分类号：G06F18/24;G06F18/15;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及动载荷识别与深度学习领域，是一种集成测点选取的卷积神经网络动载荷识别方法。利用皮尔逊相关性系数与最大信息系数结合的分析方法，对结构动载荷识别问题中，各测点的动载荷与动响应进行相关性分析，寻找到与动载荷相关性最高的测点组合，从而在识别精度与识别效率两个层面提升卷积神经网络识别动载荷的性能。相比目前已有的基于卷积神经网络的动载荷识别方法，本发明在此基础上对识别过程中动响应测点的选取方法进行了完善，通过预先分析结构各测点与载荷点之间的相关性，采取与动载荷相关性高的动响应数据进行载荷识别，从数据关联性的角度提升了动载荷识别模型的拟合能力，从而提升动载荷识别精度，并且降低了达到需求精度的模型训练时间。

主权项：1.一种集成测点选取的卷积神经网络动载荷识别方法，其特征在于，包括如下步骤：步骤1：利用皮尔逊相关性系数与最大信息系数分析动载荷-动响应的关系相关性，确定测点数据；步骤2：将步骤1确定得到的测点数据输入至卷积神经网络进行训练，通过数据的正向传播与反向传播来进行模型动力学标定；步骤3：利用经过步骤2训练好的卷积神经网络识别出动载荷。

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 一种集成测点选取的卷积神经网络动载荷识别方法

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。

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