[发明专利]一种非线性动态质量系统预测方法

说明书

本发明属于控制工程技术领域，具体为一种非线性动态质量系统预测方法。本发明方法包括：获取非线性动态质量系统的控制系统关键参数和响应关键指标；对所述关键参数和响应关键指标进行预处理；根据非线性动态质量系统的控制特性，建立机器学习模型初始参数；选取非线性动态质量系统响应指标作为适应度函数，采用遗传算法对机器学习模型的初始参数进行迭代优化；然后利用非线性动态质量系统的控制系统关键参数和响应关键指标进行机器学习模型训练，得到响应参数与控制系统关键参数之间的对应关系；采用该对应关系对具有不同控制参数的非线性动态质量系统进行响应预测。本发明避免了该控制系统复杂的动力计算，有助于推动动态质量系统的工程应用。

技术领域

本发明属于控制工程技术领域，具体涉及一种非线性动态质量系统预测方法。

背景技术

在机械工程、结构工程以及航空航天等领域，系统振动控制技术已经是一项解决结构振动和环境噪音等问题的有效手段。动态质量系统具有“质量放大”和“增效减振”的控制优势，现有研究针对这一热点技术提出了基于动态质量元件的新型振动控制解决方案，并发展了相关的优化设计算法。然而，面临实际工程的复杂问题，既有研究中被广泛采用的线性系统假设，不能合理有效地考虑实际减振对象的非线性力学行为。基于线性系统假设而获得的动态质量系统优化设计参数不能满足实际非线性结构在复杂工况下的减振控制需求，限制了研究成果的适用范围，进而降低了其应用价值。在非线性系统的控制研究方面，系统本身的非线性力学特性使得系统的振动问题呈现强非线性特性，不便于工程技术人员的理解和控制工程的研究。

人工智能技术，特别是机器学习的兴起和发展为非线性系统的模拟、控制和优化设计提供了不依赖明确物理概念的解决方案。如何实现对非线性动态质量系统的预测和设计，成为本领域技术人员亟待解决的技术问题。

发明内容

本发明的目的在于提供一种预测速度快、预测精度高的非线性动态质量系统预测方法。

本发明提供的非线性动态质量系统预测方法， 具体步骤如下：

（1）获取非线性动态质量系统的控制系统关键参数和响应关键指标，并将所述的控制系统关键参数和响应关键指标存储于计算机存储器；所述控制系统的关键参数为设计预先设定，对应的系统响应关键参数指标可通过试验测试和系统非线性动力分析获取；这里，所述控制系统关键参数包含但不限于动态质量系统的质量系数、阻尼系数、刚度系数、非线性系统的频率参数和阻尼参数等，所述响应关键指标包含但不限于控制系统的输出响应和控制成本力等；

（2）对所述的关键控制参数和非线性系统响应指标进行预处理，以满足机器学习模型对训练数据标准化要求；

（3）采用遗传算法对机器学习模型中的初始参数进行迭代优化，并在此基础上利用所述的非线性动态质量系统的控制系统关键参数和响应关键指标进行机器学习模型训练，得到响应参数与控制系统关键参数之间的对应关系；所述的机器学习模型采用人工神经网络模型，初始参数包括：人工神经网络权值、偏置及其阶数、人工神经网络隐藏层数；

（4）根据得到的响应参数与控制系统关键参数之间的对应关系，对具有不同控制参数的非线性动态质量系统进行响应预测。

本发明中，所述的关键控制参数和非线性系统响应指标需要满足数据的鲁棒性要求。

本发明步骤（2）中，所述对关键控制参数和非线性系统响应指标进行预处理，包含对数据的清洗以消除错误、冗余和数据噪音，格式化以统一数据格式，并实现其标准化。所述数据的标准化指通过数据预处理以使其满足机器学习模型内部激活函数的可行域。

本发明步骤（3）中，所述采用遗传算法对机器学习模型的所述的初始参数进行迭代优化，包括：

根据非线性动态质量系统的控制特性，建立机器学习模型初始参数；