[發(fā)明專利]基于RNN序列模型的轉(zhuǎn)向管柱螺母調(diào)節(jié)角度預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911304044.2
• 申請(qǐng)日: 2019-12-17
• 公開（公告）號(hào): CN111008503B
• 公開（公告）日: 2022-05-17
• 發(fā)明（設(shè)計(jì)）人: 趙穎;羅鳳;徐雅琦;謝慧萱;周芳芳
• 申請(qǐng)（專利權(quán)）人: 中南大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06F30/15;G06N3/04
• 代理公司: 長(zhǎng)沙新裕知識(shí)產(chǎn)權(quán)代理有限公司 43210
• 代理人: 劉熙

1.一種基于RNN序列模型的轉(zhuǎn)向管柱螺母調(diào)節(jié)角度預(yù)測(cè)方法，其特征在于，包括以下步驟：

步驟1：從數(shù)據(jù)庫(kù)中提取并構(gòu)建汽車轉(zhuǎn)向管柱螺母調(diào)節(jié)測(cè)試數(shù)據(jù)的樣本集合S；

步驟2：根據(jù)所述樣本集合S中的每個(gè)樣本集進(jìn)行異常值和冗余值的清洗和過(guò)濾，得到清洗后的新樣本集合S_n；

步驟3：對(duì)所述新樣本集合S_n進(jìn)行格式化預(yù)處理，得到不同結(jié)構(gòu)的樣本數(shù)據(jù)集合S_n1，S_n2，S_n3；

步驟4：從所述樣本數(shù)據(jù)集合S_n1，S_n2，S_n3中進(jìn)行特征的提取與選擇，得到兩種特征方案，將所述兩種特征方案輸入方案input₁，input₂；

步驟5：設(shè)定序列化窗口值，利用所述窗口值對(duì)所述樣本數(shù)據(jù)集合S_n1，S_n2，S_n3的數(shù)據(jù)進(jìn)行序列化處理，得到序列化后的樣本數(shù)據(jù)集合SS_n1，SS_n2，SS_n3；

步驟6：對(duì)所述樣本數(shù)據(jù)集合SS_n1，SS_n2，SS_n3分別進(jìn)行訓(xùn)練集與測(cè)試集的拆分，利用最大最小值歸一化方法對(duì)拆分后的訓(xùn)練集與測(cè)試集進(jìn)行處理；

步驟7：將所述方案input₁與所述方案input₂應(yīng)用到基于RNN序列模型的神經(jīng)網(wǎng)絡(luò)模型；

步驟8：根據(jù)所述訓(xùn)練集的螺母真實(shí)調(diào)節(jié)角度與模型預(yù)測(cè)的調(diào)節(jié)角度計(jì)算損失函數(shù)值，根據(jù)所述損失函數(shù)值的結(jié)果更新所述神經(jīng)網(wǎng)絡(luò)模型的參數(shù)；

步驟9：重復(fù)步驟8，直到滿足訓(xùn)練結(jié)束條件，得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型參數(shù)；

步驟10：將預(yù)測(cè)的測(cè)試集，應(yīng)用于優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型，預(yù)測(cè)螺母調(diào)節(jié)角度；

步驟11：基于實(shí)驗(yàn)結(jié)果，計(jì)算測(cè)試集的所述損失函數(shù)值，得到更優(yōu)的訓(xùn)練樣本數(shù)據(jù)結(jié)構(gòu)和特征輸入方案。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟1中，構(gòu)建樣本的調(diào)節(jié)測(cè)試數(shù)據(jù)，包括以下步驟：

步驟1.1：提取上曲線峰值上限、上曲線峰值下限；

步驟1.2：提取下曲線峰值上限、下曲線峰值下限；

步驟1.3：提取螺母調(diào)節(jié)前的初始上曲線峰值、初始下曲線峰值；

步驟1.4：提取第i次調(diào)節(jié)角度、第i次調(diào)節(jié)后上曲線峰值、第i次調(diào)節(jié)后下曲線峰值,其中0i≤4。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟2中，包括以下步驟：

步驟2.1：清洗調(diào)節(jié)角度全為空的異常數(shù)據(jù)；

步驟2.2：對(duì)每個(gè)樣本集進(jìn)行冗余過(guò)濾處理，過(guò)濾掉初始上曲線峰值、第i次調(diào)節(jié)后上曲線峰值、上曲線峰值上限、上曲線峰值下限的信息，其中0i≤4，得到所述新樣本集合S_n。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟3中的所述格式化預(yù)處理包括：順序化、隨機(jī)化、順序化且固定調(diào)節(jié)次數(shù)的三種處理方式。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟3中，包括以下步驟：

步驟3.1：根據(jù)所述順序化的方式處理所述新樣本集合S_n，將每個(gè)樣本拆分成m個(gè)新樣本，其中1≤m≤4，構(gòu)建數(shù)據(jù)結(jié)構(gòu)F，并按每個(gè)產(chǎn)品的調(diào)節(jié)順序排列，得到樣本數(shù)據(jù)集合S_n1；

步驟3.2：根據(jù)所述隨機(jī)化的方式處理所述新樣本集合S_n，將每個(gè)樣本拆分成m個(gè)新樣本，其中1≤m≤4，構(gòu)建所述數(shù)據(jù)結(jié)構(gòu)F，并隨機(jī)排列每個(gè)產(chǎn)品的調(diào)節(jié)順序，得到樣本數(shù)據(jù)集合S_n2；

步驟3.3：根據(jù)所述順序化且固定調(diào)節(jié)次數(shù)的方式處理所述新樣本集合S_n，將每個(gè)樣本拆分成m個(gè)新樣本，其中m＝4，構(gòu)建所述數(shù)據(jù)結(jié)構(gòu)F，并按每個(gè)產(chǎn)品的調(diào)節(jié)順序排列，得到樣本數(shù)據(jù)集合S_n3。