[發明專利]一種火箭橇軌道路譜用復現裝置及其方法

有效

• 申請號: 201810708438.3
• 申請日: 2018-07-02
• 公開（公告）號: CN108982140B
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 董龍雷;李宇東;周嘉明;趙建平;劉振;官威
• 申請（專利權）人: 西安交通大學
• 主分類號: G01M99/00
• 分類號: G01M99/00;G06N3/04
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

1.一種火箭橇軌道路譜復現方法，其特征在于，所述方法采用火箭橇軌道路譜用復現裝置實現，火箭橇軌道路譜用復現裝置包括軌道(1)、支架(2)和液壓缸(3)，軌道(1)固定在支架(2)上，液壓缸(3)作為激勵設置在軌道(1)的下方中間位置，軌道(1)依次通過扣件(5)和墊板(6)與支架(2)固定連接組成支架-軌道系統，采用深度雙向循環神經網絡構造機器學習模型，以采集到的加速度信號作為輸入，構造若干組白噪聲激勵信號作為輸出，對模型進行訓練并得到結構響應-激勵模型；根據基于功率譜密度函數進行軌道隨機不平順仿真，利用離散傅里葉逆變換法將空間功率譜密度轉換為時域信號；最后根據將預期路譜信號轉化為加速度信號并輸入學習模型，得到預測激勵信號，將預測激勵信號施加于所述支架-軌道系統，采集得到響應點加速度信號與預期波形進行比較用于實現路譜復現，采用深度雙向循環神經網絡構造機器學習模型的步驟如下：

S101、將采集到的加速度信號作為模型輸入，根據前向傳播預測得到一組激勵數據作為預測結果；

S102、將預測得到預測結果信號與最初構建的信號進行對比，計算其損失值，之后將損失值反向傳播，代入Adam優化算法，對模型中參數進行更新并實現重新進行前向傳播的迭代過程；

S103、判斷是否連續三次迭代損失值都沒有得到優化：若不是，則將損失值代入Adam優化算法，更新深度循環神經網絡中各個參數并返回步驟S101進行前向傳播計算；若是，則進入步驟S104；

S104、判斷是否連續十次損失值沒有得到優化或已迭代達到指定步數：若不是，則更新學習率，并根據將損失值代入Adam優化算法，更新深度循環神經網絡中各個參數后返回步驟S101進行前向傳播計算；若是，則結束迭代；

S105、保存模型。

2.根據權利要求1所述的一種火箭橇軌道路譜復現方法，其特征在于，步驟S102中，Adam優化算法的參數改變量Δθ_t計算如下：

其中，ε用來保證分母非0，η為學習率，為調整后的梯度一階矩估計，為調整后的梯度二階矩估計。

3.根據權利要求1所述的一種火箭橇軌道路譜復現方法，其特征在于，步驟S103中，設置2層隱藏層，每層包含200個核，最小批量20，初始學習率0.001，當3步迭代損失值不下降，則更新學習率。

4.根據權利要求1所述的一種火箭橇軌道路譜復現方法，其特征在于，步驟S104中，迭代步數1000步，達到迭代步數或連續10步損失值不下降則停止學習，需要學習的參數共1285201個。

5.根據權利要求1所述的一種火箭橇軌道路譜復現方法，其特征在于，利用離散傅里葉逆變換法將空間功率譜密度轉換為時域信號具體為：

S201、對功率譜密度曲線進行B樣條插值平均，得到的曲線橫坐標尺度為空間頻率，縱坐標尺度為功率譜密度，采用粒子群優化算法，對軌道頂部PSD曲線按指數函數進行非線性擬合，得到功率譜密度函數Log₁₀S(Ω)；

S202、假設與長度為L軌道不平度信號q_L(l)對應的空間域的連續頻譜為Q(n,L)，根據帕塞瓦爾定理得到軌道不平順度信號的平均功率確定空間域的單邊功率譜密度G_q(n)，以L為周期進行周期延拓得到周期信號q(l)；

S203、將延拓好的周期信號在空間域進行N點采樣得到離散空間周期信號，此時信號的空間域與頻率域均為離散值，利用DFT求得軌道不平度信號的幅值譜Q(k)，得到軌道不平度幅值譜與功率譜密度的轉換關系，最后得到預期的波形圖。

6.根據權利要求5所述的一種火箭橇軌道路譜復現方法，其特征在于，步驟S201中，功率譜密度函數Log₁₀S(Ω)計算如下：

Log₁₀S(Ω)＝a+b·ρ^Ω

其中，Ω為空間角頻率，Ω_L為頻域下限，Ω_C為頻域上限，Ω_L≤Ω≤Ω_C。