[發(fā)明專利]基于深度學(xué)習(xí)的地震模擬振動(dòng)臺(tái)閉環(huán)控制方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110883227.5
• 申請(qǐng)日: 2021-08-02
• 公開（公告）號(hào): CN113705084A
• 公開（公告）日: 2021-11-26
• 發(fā)明（設(shè)計(jì)）人: 紀(jì)金豹;胡宗祥;楊森;張偉祺
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/04;G06N3/08;G01V13/00
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 劉萍

本發(fā)明提供了一種基于深度學(xué)習(xí)的地震模擬振動(dòng)臺(tái)閉環(huán)控制方法，所述方法包括基于深度學(xué)習(xí)的振動(dòng)臺(tái)閉環(huán)控制器和基于深度學(xué)習(xí)的振動(dòng)臺(tái)閉環(huán)控制器訓(xùn)練方法。所述方法包括以下步驟：構(gòu)建基于循環(huán)神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)控制器和基于三參量算法的振動(dòng)臺(tái)閉環(huán)控制仿真模型；采集三參量控制器的輸入輸出數(shù)據(jù)訓(xùn)練深度學(xué)習(xí)控制器；經(jīng)過監(jiān)督訓(xùn)練后的深度學(xué)習(xí)控制器接收地震波加速度信號(hào)和振動(dòng)臺(tái)反饋加速度信號(hào)，輸出控制信號(hào)進(jìn)入振動(dòng)臺(tái)開環(huán)模型以形成閉環(huán)控制。本發(fā)明可用于對(duì)地震模擬振動(dòng)臺(tái)進(jìn)行閉環(huán)控制，提升振動(dòng)臺(tái)對(duì)地震時(shí)程的再現(xiàn)精度。

技術(shù)領(lǐng)域

本發(fā)明涉及試驗(yàn)技術(shù)與控制領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的振動(dòng)臺(tái)閉環(huán)控制器和基于深度學(xué)習(xí)的振動(dòng)臺(tái)閉環(huán)控制器訓(xùn)練方法。

背景技術(shù)

地震模擬振動(dòng)臺(tái)試驗(yàn)是目前工程抗震領(lǐng)域中最方便、最直接的試驗(yàn)方法，但由于伺服閥等非線性影響以及臺(tái)體與試件的共同作用，振動(dòng)臺(tái)難以獲得高精度的地震波形再現(xiàn)能力，盡管三參量控制算法和前饋補(bǔ)償在一定程度上提高了地震時(shí)程的再現(xiàn)精度，但系統(tǒng)傳遞函數(shù)影響因素的復(fù)雜性尤其是試件特性的影響使得輸入、輸出波形的相關(guān)性仍然不高。

深度學(xué)習(xí)在本質(zhì)上是一種深層的神經(jīng)網(wǎng)絡(luò)，具備更優(yōu)秀的非線性處理能力，根據(jù)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)這類時(shí)間序列深度學(xué)習(xí)算法在語音識(shí)別、語言建模和機(jī)器翻譯等領(lǐng)域展現(xiàn)的優(yōu)越性，預(yù)期其在處理地震波再現(xiàn)這類時(shí)序問題時(shí)也具有較好的效果。為此，開展基于深度學(xué)習(xí)等人工智能算法在振動(dòng)臺(tái)控制領(lǐng)域的理論與應(yīng)用技術(shù)研究具有較高的可行性和必要性。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)存在的缺陷，本發(fā)明提供了一種基于深度學(xué)習(xí)的地震模擬振動(dòng)臺(tái)閉環(huán)控制方法和基于深度學(xué)習(xí)的振動(dòng)臺(tái)閉環(huán)控制器訓(xùn)練方法。

本發(fā)明采用的技術(shù)方案如下：

所述深度學(xué)習(xí)控制器是一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)搭建的深度網(wǎng)絡(luò)模型，深度學(xué)習(xí)控制器以地震波加速度信號(hào)和振動(dòng)臺(tái)反饋加速度信號(hào)作為輸入，輸出控制信號(hào)進(jìn)入振動(dòng)臺(tái)開環(huán)模型，從而提升振動(dòng)臺(tái)對(duì)地震時(shí)程的再現(xiàn)精度。

所述循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)依賴于完整且連續(xù)軌跡才能保存記憶，由于振動(dòng)臺(tái)系統(tǒng)輸出的加速度反饋信號(hào)是實(shí)時(shí)產(chǎn)生的，RNN在處理非完全觀測信號(hào)時(shí)難以建立前后信號(hào)之間的時(shí)序關(guān)聯(lián)，本發(fā)明提供一種非連續(xù)軌跡的輸入信號(hào)處理方法，使RNN能夠處理實(shí)時(shí)產(chǎn)生的反饋信號(hào)。

所述非連續(xù)軌跡的輸入信號(hào)處理方法，具體為：在RNN接收非連續(xù)反饋信號(hào)時(shí)，每處理一組輸入和反饋信號(hào)(a_t,a’_t)后，將RNN內(nèi)部的長期記憶單元c和隱藏狀態(tài)h保存下來，在處理下一組輸入和反饋信號(hào)(a_t+1,a’_t+1)時(shí)將c和h也作為輸入，從而避免RNN因多次循環(huán)迭代而觀測不到過往記憶。引入反饋信號(hào)后，深度學(xué)習(xí)控制器的輸入輸出關(guān)系為：

O_t，C1，h1＝LSTM((a_t,a’_t))

O_t+1，C2，h2＝LSTM((a_t+1,a’_t+1)，C1，h1)

O_t+2，C3，h3＝LSTM((a_t+2,a’_t+2)，C2，h2)

...........

所述基于深度學(xué)習(xí)的振動(dòng)臺(tái)閉環(huán)控制器訓(xùn)練方法，其步驟包括：

S1，基于循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)搭建深度網(wǎng)絡(luò)模型作為深度學(xué)習(xí)控制器；

S2，基于三參量控制算法搭建地震模擬振動(dòng)臺(tái)的閉環(huán)控制仿真模型，采集地震波加速度信號(hào)、振動(dòng)臺(tái)反饋加速度信號(hào)和三參量控制器的輸出信號(hào)作為深度網(wǎng)絡(luò)模型的訓(xùn)練數(shù)據(jù)；

S3，將訓(xùn)練數(shù)據(jù)劃分為訓(xùn)練集、驗(yàn)證集和測試集，通過監(jiān)督學(xué)習(xí)訓(xùn)練深度網(wǎng)絡(luò)模型直到其輸入-輸出關(guān)系能夠逼近三參量控制器的性能；