[发明专利]一种基于深度学习的结构频响动力学模型修正方法

权利要求书

1.一种基于深度学习的结构频响动力学模型修正方法，其特征包括以下步骤：

1)生成深度学习网络的训练集；

确定待修正参数样本生成数量及范围，进行动力学分析或从实验数据库中得到结构多频点、多测点、多观测方向的频率响应数据；

对于结构多频点、多测点、多观测方向的动力学响应值进行图像化处理，将多维复杂数值矩阵转化为多通道图像进行储存并利用深度神经网络提取；

将不同频点*观察点的动力学响应信息转化为图像的长*宽，不同方向的响应信息转化为图像的多条色彩通道；

将所述频率响应数据进行归一化处理，并转化为多通道图像，作为训练集的图像；

将生成的待修正参数样本进行归一化，作为深度学习训练集的标签；训练集图像与训练集标签一起作为深度神经网络的输入；

2)构建深度学习网络；

对网格参数及结构进行初始化，选择适当的网络层深、卷积核大小、全连接方式；

将训练集输入构建好的深度神经网络进行训练直至训练结束，并在测试集上对训练好的网络进行精度测试；

由于输入图像尺寸畸形需要对原始图像进行预处理，方法为将原始图像用11*1的卷积核进行卷积，从而转化为易于计算机处理的尺寸；

3)结构动力学模型修正；

将待修正结构的测量频响数据用来转化为图像后输入训练好的网络，网络输出即为待修正参数的修正结果。

2.根据权利要求1所述一种基于深度学习的结构频响动力学模型修正方法，其特征在于：在网络的训练集中，动力学响应图作为训练输入图像，待修正参数值作为训练标签；将训练集图像及标签输入网络中，利用网络来提取图像中的特征，建立输入图像与标签之间的快速映射。

3.根据权利要求1所述一种基于深度学习的结构频响动力学模型修正方法，其特征在于：将实验测量数据进行图像化处理后作为训练好以后网络的输入图像，网络输出即为模型修正的结果。