融合自注意力深度学习的时域动载荷识别方法OA
由于动载荷识别方法中传递矩阵的病态性,传统载荷识别方法在实际工程测量噪声中往往难以得到有效应用。深度学习方法具有强大的数据映射能力,可以有效建模结构振动响应与外载荷的映射关系,在载荷识别领域得到广泛的应用和研究。本文提出了一种基于深度学习的载荷识别方法,通过基于稀疏自注意力机制的神经网络算法实现对结构动态载荷的识别,网络由一个嵌入层、三层自注意力计算层以及一个全连接层搭建动载荷识别模型。将模型的载荷识别精度和抗噪性能与MLP、LSTM等神经网络进行对比,验证了该方法的有效性。
王博;杨小强;马祥涛;赵庚炎;王至乐;张沛然
大连理工大学工程力学系工业装备结构分析优化与CAE软件全国重点实验室,大连116024大连理工大学工程力学系工业装备结构分析优化与CAE软件全国重点实验室,大连116024大连理工大学工程力学系工业装备结构分析优化与CAE软件全国重点实验室,大连116024大连理工大学工程力学系工业装备结构分析优化与CAE软件全国重点实验室,大连116024大连理工大学工程力学系工业装备结构分析优化与CAE软件全国重点实验室,大连116024大连理工大学工程力学系工业装备结构分析优化与CAE软件全国重点实验室,大连116024
数理科学
载荷识别深度学习抗噪性
《计算力学学报》 2026 (4)
P.714-721,8
国防科工局技术基础科研计划(JSZL2023209A001-064)中国科协青年人才托举工程(YESS20240024)大连市中青年科技人才优秀青年科技人才项目(2024RY014)基本科研业务费(DUT24RC(3)045)资助项目。
评论