平稳随机载荷的信号特征提取与深度神经网络识别

针对线性时不变结构的平稳随机载荷识别问题,从结构的动力学响应求解原理出发,利用小波变换对于信号特征的提取能力与长短期记忆神经网络（LSTM）对于序列问题的强大建模与映射能力,提出了一种针对平稳随机载荷的特征信号识别方法,通过对作用于三自由度振动系统数值模型上的平稳随机动载荷识别,证明了方法的可行性。对一个受2点平稳随机载荷作用的加筋壁板结构模型进行动载荷识别实验,结果表明,用提出的方法识别的动载荷均方根相对误差均小于5%,该动载荷识别方法具有良好的识别能力。     

利用时延神经网络的动载荷倒序识别

将时延神经网络引入动载荷识别研究中,结合时延神经网络的"记忆"特性、因果有限长冲激响应（FIR）系统理论与振动响应的求解原理,提出一种利用时延神经网络的时域动载荷倒序识别方法。对一个受两点随机动载荷作用的舵面模型结构进行载荷识别验证实验,结果表明,用本文方法识别的两个激励点上识别载荷样本的时间序列与真实载荷样本的时间序列之间的均方根误差分别为0.635 4和2.543 7,识别载荷样本时间序列与真实载荷样本时间序列的相关系数分别为0.965 7和0.826 2,功率谱密度曲线也能够较好吻合。本文提出的方法具有不需要结构动力学模型、识别精度高的优点。