申请/专利权人：西南科技大学

申请日：2023-12-13

公开（公告）日：2024-06-14

公开（公告）号：CN117649903B

主分类号：G16C60/00

分类号：G16C60/00;G06F30/27

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明公开了一种用于智能材料器件的动态迟滞神经网络建模及预测方法，其包括以下步骤：根据智能材料器件的动态迟滞特性，构建Pan迟滞模型并根据采样时间进行离散化，得到离散化后的Pan迟滞模型；根据离散化后的Pan迟滞模型及其结构关系、智能材料器件的激励输入与离散化后的Pan迟滞模型的输出响应之间的信号传递关系，构建动态迟滞神经网络模型；对动态迟滞神经网络模型进行训练并利用训练后的模型对智能材料器件的动态迟滞特性进行预测。本发明构建的动态神经网络迟滞模型的规模和复杂度小，可快速训练网络且计算成本低；通过动态迟滞神经网络模型进行预测，快速且有效地描述智能材料器件的动态迟滞特性，并提高预测的精确度。

主权项：1.一种用于智能材料器件的动态迟滞神经网络建模方法，其特征在于：包括以下步骤：S1、根据智能材料器件的动态迟滞特性，构建Pan迟滞模型；根据采样时间对Pan迟滞模型进行离散化，得到离散化后的Pan迟滞模型；S2、根据离散化后的Pan迟滞模型及其结构关系、智能材料器件输入激励与离散化后的Pan迟滞模型输出响应之间的信号传递关系，构建对应的动态迟滞神经网络模型，完成建模；所述步骤S1中的Pan迟滞模型的公式如下： 其中，t表示时刻，ht表示时刻t的Pan迟滞模型的输出信号，D表示滞环饱和峰值因子，sin·表示正弦函数，C表示滞环形状因子，arctan·表示反正切函数，B表示滞环刚度因子，E表示滞环曲率因子，A表示滞环宽度因子，ut表示时刻t的Pan迟滞模型的输入信号，即智能材料器件的输入激励信号，|ut|表示时刻t的Pan迟滞模型的输入信号的绝对值，表示时刻t的Pan迟滞模型的输入信号的导数，c0表示粘性阻尼系数，k0表示输入刚度系数，f0表示输出偏置；所述步骤S1中的离散化后的Pan迟滞模型的公式如下： 其中，hk表示离散化后的时刻k的Pan迟滞模型的输出信号，uk表示离散化后的时刻k的Pan迟滞模型的输入信号，即对智能材料器件的输入激励信号，|uk|表示离散化后的时刻k的Pan迟滞模型的输入信号的绝对值，表示离散化后的时刻k的Pan迟滞模型的输入信号的导数；所述步骤S2中的动态迟滞神经网络模型包括1个输入层、23个隐含层以及1个输出层，且层与层之间的连接权重均设置为1，层与层之间无延迟；所述隐含层和输出层均包括一个神经元；所述输入层包括11个输入单元，分别为uk、C0、C1、C2、C3、C4、C5、C6、C7、C8；所述输出层为第24层；其中，智能材料器件的动态迟滞神经网络模型的具体设计过程如下：将输入电压序列uk、输入电压序列的导数九个由常数1构成的输入序列C0、C1、C2、C3、C4、C5、C6、C7、C8分别连接至11个输入单元；将输入单元C5的输出数据输入至隐含层1进行计算；将输入单元C1的输出数据输入至隐含层3进行计算；将输入单元C2的输出数据输入至隐含层4进行计算；将输入单元C3的输出数据输入至隐含层5进行计算；将输入单元C4的输出数据输入至隐含层6进行计算；将输入单元C6的输出数据输入至隐含层7进行计算；将输入单元C7的输出数据输入至隐含层8进行计算；将输入单元C8的输出数据输入至隐含层9进行计算；将隐含层1的输出数据、输入单元C0的输出数据输入至隐含层10进行计算；将输入单元uk的输出数据输入至隐含层2进行计算；将隐含层7的输出数据、输入单元uk的输出数据输入至隐含层21进行计算；将隐含层8的输出数据、输入单元的输出数据输入至隐含层22进行计算；将隐含层2的输出数据、隐含层3的输出数据输入至隐含层20进行计算；将输入单元的输出数据、隐含层20的输出数据输入至隐含层17进行计算；将隐含层17的输出数据、隐含层4的输出数据输入至隐含层18进行计算；将隐含层18的输出数据、隐含层10的输出数据输入至隐含层11进行计算；将隐含层18的输出数据输入至隐含层19进行计算；将隐含层19的输出数据、隐含层1的输出数据输入至隐含层12进行计算；将隐含层12的输出数据、隐含层11的输出数据输入至隐含层13进行计算；将隐含层13的输出数据输入至隐含层14进行计算；将隐含层14的输出数据、隐含层5的输出数据输入至隐含层15进行计算；将隐含层15的输出数据输入至隐含层16进行计算；将隐含层16的输出数据、隐含层6的输出数据输入至隐含层23进行计算；将隐含层23的输出数据、隐含层22的输出数据、隐含层21的输出数据、隐含层9的输出数据输入至输出层24进行计算并输出。

全文数据：

权利要求：

百度查询： 西南科技大学 用于智能材料器件的动态迟滞神经网络建模及预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD