[發(fā)明專利]一種火箭橇軌道路譜用復(fù)現(xiàn)裝置及其方法

有效

• 申請?zhí)枺?/td>: 201810708438.3
• 申請日: 2018-07-02
• 公開（公告）號: CN108982140B
• 公開（公告）日: 2019-10-11
• 發(fā)明（設(shè)計）人: 董龍雷;李宇東;周嘉明;趙建平;劉振;官威
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 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(zé)任公司 61200
• 代理人: 高博

本發(fā)明公開了一種火箭橇軌道路譜用復(fù)現(xiàn)裝置及其方法，采用深度雙向循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)造機器學(xué)習(xí)模型，構(gòu)造若干組白噪聲激勵信號作模型為輸出，將激勵信號施加于支架?軌道系統(tǒng)上采集得到軌道上一點的加速度信號作為模型輸入，對模型進行訓(xùn)練并得到結(jié)構(gòu)響應(yīng)?激勵模型；根據(jù)基于功率譜密度函數(shù)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(zhuǎn)換為時域信號；將預(yù)期路譜信號轉(zhuǎn)化為加速度信號并輸入學(xué)習(xí)模型得到預(yù)測激勵信號，施加于支架?軌道系統(tǒng)采集得到響應(yīng)點加速度信號與預(yù)期波形進行比較用于實現(xiàn)路譜復(fù)現(xiàn)。本發(fā)明能夠通過設(shè)置算法的參數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)的層數(shù)，來更好地獲取結(jié)構(gòu)的特征，從而給出準(zhǔn)確度更高的激勵施加方案。

技術(shù)領(lǐng)域

本發(fā)明屬于運動模擬器控制技術(shù)領(lǐng)域，具體涉及一種火箭橇軌道路譜用復(fù)現(xiàn)裝置及其方法。

背景技術(shù)

高速火箭橇試驗滑軌是一種大型地面動態(tài)模擬設(shè)備，火箭橇試驗采用火箭推動安裝有關(guān)試驗件和相關(guān)附件以及測試設(shè)備的火箭橇在滑軌上高速運行。其運動狀態(tài)復(fù)雜，理論與仿真計算難以給出好的預(yù)示結(jié)果。在實驗室環(huán)境下使用路譜復(fù)現(xiàn)裝置進行模擬試驗，能更好地研究火箭橇運動中的橇軌耦合作用。路譜復(fù)現(xiàn)裝置包括激振系統(tǒng)，結(jié)構(gòu)系統(tǒng)以及控制系統(tǒng)。

目前的文獻中針對路譜復(fù)現(xiàn)控制技術(shù)，主要包括頻域控制技術(shù)和時域控制技術(shù)兩種。頻域控制方法主要以RPC(Remote Parameter Control，遠程參數(shù)控制)理論為主要代表，該技術(shù)由系統(tǒng)的輸入經(jīng)由系統(tǒng)的頻響函數(shù)來控制系統(tǒng)的輸出，該技術(shù)需假設(shè)系統(tǒng)為線性系統(tǒng)，通過迭代消除系統(tǒng)的非線性因素。時域控制方法則直接采用實際測量得到的時間歷程信號，利用控制器來控制受控系統(tǒng)跟蹤期望響應(yīng)信號，該方法計算量小，程序簡單，但會受噪聲影響導(dǎo)致模型有偏差，控制過程不穩(wěn)定。

此外，由于橇軌耦合的原因，結(jié)構(gòu)系統(tǒng)中普遍具有非線性特性，傳統(tǒng)控制方法頻響函數(shù)或時域信號控制方法，難以復(fù)現(xiàn)期望的路譜或波形，影響實驗效果。因此，必須采用新型的路譜復(fù)現(xiàn)裝置，目前還沒有相應(yīng)的技術(shù)來實現(xiàn)此目的。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于針對上述現(xiàn)有技術(shù)中的不足，提供一種火箭橇軌道路譜用復(fù)現(xiàn)裝置及其方法，在工作頻率范圍內(nèi)使實測波形與預(yù)期波形的相似度大于95％。

本發(fā)明采用以下技術(shù)方案：

一種火箭橇軌道路譜用復(fù)現(xiàn)裝置，包括軌道、支架和液壓缸，軌道固定在支架上，液壓缸作為激勵設(shè)置在軌道的下方中間位置，軌道依次通過扣件和墊板與支架固定連接組成支架-軌道系統(tǒng)。

一種復(fù)現(xiàn)火箭橇軌道路譜的方法，采用深度雙向循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)造機器學(xué)習(xí)模型，以采集到的加速度信號作為輸入，構(gòu)造若干組白噪聲激勵信號作為輸出，對模型進行訓(xùn)練并得到結(jié)構(gòu)響應(yīng)-激勵模型；根據(jù)基于功率譜密度函數(shù)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(zhuǎn)換為時域信號；最后根據(jù)將預(yù)期路譜信號轉(zhuǎn)化為加速度信號并輸入學(xué)習(xí)模型，得到預(yù)測激勵信號，將預(yù)測激勵信號施加于所述支架-軌道系統(tǒng)，采集得到響應(yīng)點加速度信號與預(yù)期波形進行比較用于實現(xiàn)路譜復(fù)現(xiàn)。

具體的，采用深度雙向循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)造機器學(xué)習(xí)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(jù)前向傳播預(yù)測得到一組激勵數(shù)據(jù)作為預(yù)測結(jié)果；

S102、將預(yù)測得到預(yù)測結(jié)果信號與最初構(gòu)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(yōu)化算法，對模型中參數(shù)進行更新并實現(xiàn)重新進行前向傳播的迭代過程；

S103、判斷是否連續(xù)三次迭代損失值都沒有得到優(yōu)化：若不是，則將損失值代入Adam優(yōu)化算法，更新深度循環(huán)神經(jīng)網(wǎng)絡(luò)中各個參數(shù)并返回步驟S101進行前向傳播計算；若是，則進入步驟S104；