基于长短时记忆网络的结构智能控制算法研究

作     者：涂建维 高经纬 李召 张家瑞 TU Jianwei;GAO Jingwei;LI Zhao;ZHANG Jiarui

作者机构：武汉理工大学道路桥梁与结构工程湖北省重点实验室 

基　　金：国家自然科学基金资助项目(51978550) 湖北省自然科学基金资助项目(2016CFA020) 中央高校基本科研业务费专项资金资助项目(2019-YB-024) 

出 版 物：《华中科技大学学报（自然科学版）》 (Journal of Huazhong University of Science and Technology(Natural Science Edition))

年 卷 期：2019年第47卷第12期

页      码：110-115页

摘      要：为提高建筑结构智能控制的控制精度及稳定性,在长短时记忆(LSTM)网络理论基础上,提出一种基于深度学习的智能控制算法.通过构建深度学习框架,设计LSTM智能控制器,并将其性能测试结果与反向传播(BP)和径向基函数(RBF)神经网络控制器进行对比.以Benchmark模型为对象,分析了不同外部激励工况下LSTM智能控制器的泛化能力,并提出了基于结构响应的H2范数评价指标.结果表明:BP和RBF神经网络框架的预测结果相比LSTM框架可能发生局部最优现象,且收敛精度较低;原输入工况下,LSTM控制器的误差为3.30X104,控制效果最高达65.0%;变激励工况下,LSTM控制器的响应峰值及H2范数评价指标均优于BP和RBF神经网络控制器,说明LSTM智能控制器具有良好的控制和泛化性能.

主 题 词：深度学习 长短时记忆网络 智能控制 时间序列预测 泛化能力 

学科分类：08[工学] 081402[081402] 081304[081304] 0813[工学-化工与制药类] 0814[工学-地质类] 

核心收录：

D　O　I：10.13245/j.hust.191219

馆 藏 号：203827870...