[發明專利]基于卷積神經網絡振動識別的線性二次型控制改進方法

有效

• 申請號: 202010169860.3
• 申請日: 2020-03-12
• 公開（公告）號: CN111367174B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 陸新征;廖文杰;徐永嘉
• 申請（專利權）人: 清華大學
• 主分類號: G05B13/04
• 分類號: G05B13/04;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 王艷斌

1.一種基于卷積神經網絡振動識別的線性二次型控制改進方法，其特征在于，包括以下步驟：

步驟S1，采集振動數據與被控裝置數據；

步驟S2，根據所述被控裝置數據建立被控系統的力學模型，將所述振動數據輸入所述力學模型，采用線性二次型控制LQR算法控制被控系統的振動，并采用優化算法求解每種類型振動作用下的線性二次型控制LQR算法對應最優的控制參數；

步驟S3，采用小波變換對所述振動數據進行初步特征提取，得到小波系數矩陣及小波圖像，將生成的所述小波系數矩陣或所述小波圖像作為數據采樣，將振動類型作為數據標簽，構建數據-標簽數據組，并將所述數據-標簽數據組作為輸入對卷積神經網絡分類器進行分類訓練；以及

步驟S4，選取并利用最優卷積神經網絡分類器對振動輸入進行實時分類，判斷振動類型，根據所述振動類型識別結果選擇步驟S2中所述線性二次型控制LQR算法對應最優的控制參數。

2.根據權利要求1所述的基于卷積神經網絡振動識別的線性二次型控制改進方法，其特征在于，根據所述被控系統的動力特性和周圍振動源的頻譜特性選取振動數據采集儀器。

3.根據權利要求1所述的基于卷積神經網絡振動識別的線性二次型控制改進方法，其特征在于，所述步驟S1中采集完所述振動數據后，采用振動源類型作為所述振動數據的數據標記，并對被控系統開展參數測定，保證所述力學模型的參數準確，其中，所述參數包括系統的質量、阻尼與剛度特性。

4.根據權利要求1所述的基于卷積神經網絡振動識別的線性二次型控制改進方法，其特征在于，在所述步驟S2中，采用優化算法求解時，優化目標函數與被控系統的控制效果存在直接關聯，其中，所述控制效果的衡量指標包括最大位移、速度和加速度以及相關的動力響應。

5.根據權利要求1所述的基于卷積神經網絡振動識別的線性二次型控制改進方法，其特征在于，所述步驟S3還包括：

確定用于識別振動類型的最短信號時長，其中，所述最短信號時長為通過參數分析確定的對振動控制效果影響較小的最大允許延時時長，以避免由于振動識別時間過長導致控制延時。

6.根據權利要求1所述的基于卷積神經網絡振動識別的線性二次型控制改進方法，其特征在于，選取所述最優卷積神經網絡分類器的衡量指標為訓練集分類準確率、測試集分類準確率、訓練集損失和測試集損失。

7.根據權利要求6所述的基于卷積神經網絡振動識別的線性二次型控制改進方法，其特征在于，根據所述衡量指標選取當前最優卷積神經網絡分類器后，并將未用于訓練的振動信號作為輸入，進行分類器效果的驗證，確定所述當前最優卷積神經網絡分類器是否為所述最優卷積神經網絡分類器。