申请/专利权人：华侨大学;福建三建工程有限公司

申请日：2024-03-22

公开（公告）日：2024-04-30

公开（公告）号：CN117952019A

主分类号：G06F30/27

分类号：G06F30/27;G06F18/22;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明提供的基于SRT的多点频域振动响应预测方法、装置、设备及介质，涉及多点频域振动响应预测领域，通过获取频率序列中每个频率下的振动响应频域数据样本集，用一频率下的振动响应频域数据训练一个多输入多输出的神经网络振动响应预测模型，并将训练好的预测模型作为源域，采用MMD及方差散度方法，得到不同频率的数据差异之后，使用SRT算法，得到最佳的迁移学习顺序；根据该顺序进行模型迁移学习，将上一个训练学习得到的模型参数作为下一个目标频率网络模型权值的初值并微调，达到模型迁移的目的。本发明考虑到源域和目标域之间的差异性和相似性，解决了在迁移过程中出现辅助域与目标域相差较大而出现负迁移的现象，响应预测的精度更高且速度快。

主权项：1.一种基于SRT的多点频域振动响应预测方法，其特征在于，包括：S1,获取频率序列中每个频率下的振动响应频域数据样本集，所述振动响应频域数据样本集包括作为输入的多个已知测点的自功率谱样本和作为输出的多个未知测点的自功率谱样本；S2,采用频率序列中第一个频率下的振动响应频域数据样本集训练多输入多输出的神经网络振动响应预测模型，得到训练好的第一个频率的神经网络振动响应预测模型和权值参数；S3,将训练好的第一个频率的神经网络振动响应预测模型作为源域，并给定一个目标域，所述源域和所述目标域是同构的,即所述源域和所述目标域具有相同的特征空间和不同的分布,采用最大均值差异距离MMD相似性度量方法来估计源域和目标域的边缘概率，以衡量每一个候选源域和目标域之间的相似程度，得到RKHS空间特征映射下目标域与源域的MMD距离；S4,根据所述MMD距离，采用方差散度方法得到不同频率的数据差异，以考虑不同域之间实例对距离的差异性，从不同维度衡量域间的差异；S5,根据所述不同频率的数据差异，得到不同频率的响应预测数据差异矩阵，采用模拟快速遍历树SRT算法，得到最佳的迁移顺序；S6,在第一次模型迁移时，将所述第一个频率的神经网络振动响应预测模型的权值参数迁移至下一个目标频率的多输入多输出的神经网络振动响应预测模型中，并利用下一个目标频率的振动响应频域数据样本集进行微调训练，获得下一个目标频率的神经网络振动响应预测模型和权值参数；S7,根据第一次模型迁移时的操作，按照所述最佳的迁移顺序对所述频率序列中余下频率数据进行模型迁移训练，直到获得频率序列中最后一个频率的神经网络振动响应预测模型，从而得到基于SRT的多点频域振动响应预测模型，将需要预测的振动响应频域数据输入训练好的基于SRT的多点频域振动响应预测模型中，输出预测值，实现基于SRT的多点频域振动响应预测。

全文数据：

权利要求：

百度查询： 华侨大学;福建三建工程有限公司 基于SRT的多点频域振动响应预测方法、装置、设备及介质

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