[发明专利]一种基于长短期记忆网络的载荷谱外推方法

说明书

本发明涉及载荷谱处理技术领域，具体为一种基于长短期记忆网络的载荷谱外推方法，包括以下步骤：S100：获取载荷谱数据；S200：将载荷谱数据进行数据处理，划分训练集和测试集；S300：基于LSTM算法，使用训练集进行训练，得到输入样本数据模型；S400：通过得到的输入样本数据模型使用测试集对载荷谱数据进行外推计算。本发明提供的一种基于长短期记忆网络的载荷谱外推方法，能够使得外推载荷谱更好的表达原载荷谱的信息，可以解决现有技术中人为因素影响大、载荷谱数据表达不完整的问题。

技术领域

本发明涉及载荷谱处理技术领域，具体为一种基于长短期记忆网络的载荷谱外推方法。

背景技术

在汽车或零部件的开发过程中，可靠性均需要进行道路试验进行检验。根据损伤等效原理，在已知用户使用环境下汽车载荷输入，理论上可通过在试验场里按照一定比例混合各种强化路面，复现出用户工况下的载荷输入。通过试验场的强化路面，可以在较短的时间内完成可靠性验证试验，达到减少试验时间、缩短研发周期的目的。出于研发成本和时间的考虑，一般用户使用环境的汽车载荷输入，不会以目标里程为基准进行载荷谱采集，而是根据用户道路比例分布情况，按类型进行采集，在样本量足够的前提下，进行载荷谱外推，实现目标里程下的载荷谱获取。

目前较为典型的外推方法包含：参数外推法、按里程分位点外推法、峰值(PeakOver Threshold，POT)外推法、雨流矩阵外推法[1-3]等。其中参数外推法的原理是获取载荷谱均、幅值的二维概率分布函数，基于概率密度分布函数以及外推目标里程，将相应的累积频次进行外推。POT外推法认为载荷谱时间序列中超过阈值的峰值服从峰值分布，通过对超过阈值的峰值的概率密度函数的拟合，基于概率密度函数对峰值进行外推。雨流矩阵外推法先将载荷谱通过雨流计数得到雨流矩阵，从雨流矩阵中选择外推的阈值计算穿越等级密度，然后通过累积雨流矩阵获取极限进行雨流矩阵估计外推。上述方法可根据载荷谱的特点或应用目的来进行选择，但往往在用分布函数进行拟合或设置阈值时引入了人为因素，且简单的分布函数不能表达高度复杂的载荷谱信息，外推载荷谱较原始载荷谱会产生较多信息丢失，外推结果需要再转化为时域程序谱作为下一步的输入。

发明内容

本发明意在提供一种基于长短期记忆网络的载荷谱外推方法，能够使得外推载荷谱更好的表达原载荷谱的信息，可以解决现有技术中人为因素影响大、载荷谱数据表达不完整的问题。

为了解决上述技术问题，本申请提供如下技术方案：

一种基于长短期记忆网络的载荷谱外推方法，包括以下步骤：

S100：获取载荷谱数据；

S200：将载荷谱数据进行数据处理，划分训练集和测试集；

S300：基于LSTM算法，使用训练集进行训练，得到输入样本数据模型；

S400：通过得到的输入样本数据模型使用测试集对载荷谱数据进行外推计算。

本发明技术方案中，采用LSTM长短期记忆网络算法模型，利用计算机学习技术进行样本数据模型的构建和载荷谱数据进行外推计算，不需要人为设置参数，外推后的载荷谱在频域图和雨流图上均能更好的保留原载荷谱的信息，可以解决现有技术中人为因素影响大、载荷谱数据保留不完整的问题。

进一步，所述LSTM算法的单元包括输入层、输出层、遗忘层和状态更新层。

通过遗忘层来对上一单元传输的内容进行选择性的处理，通过状态更新层来更新上一单元传输的记忆状态，通过输入层对输入的数据进行处理，输出层根据输入层的输入、状态更新层更新的记忆状态来生成当前单元的输出。