买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工业大学申请的专利基于深度学习的地震模拟振动台三参量控制参数整定方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115793461B 。

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211544597.7，技术领域涉及：G05B13/04；该发明授权基于深度学习的地震模拟振动台三参量控制参数整定方法是由纪金豹;张文鹏;王东岳设计研发完成，并于2022-11-29向国家知识产权局提交的专利申请。

本基于深度学习的地震模拟振动台三参量控制参数整定方法在说明书摘要公布了：一种基于深度学习的地震模拟振动台三参量控制参数整定方法，属于地震模拟振动台控制领域。本发明包括：系统辨识环节，基于实际系统的响应信号和输入信号，通过系统辨识方法辨识出能正确反映真实输入输出关系的数值模型，作为系统闭环模型；离线整定环节，在系统闭环模型外加入三参量控制作为增量闭环控制系统，选择深度学习算法对仿真模型进行参数整定；实机测试环节，得到离线整定好的控制参数，输入实际振动台系统中验证，若满足性能指标要求则整定结束，否则执行离线整定环节重新进行参数整定。本发明结合深度学习算法，实现对振动台三参量控制参数的整定，能够提高参数整定效率和精度、提高参数整定的安全性，确保振动台系统的平稳运行。

本发明授权基于深度学习的地震模拟振动台三参量控制参数整定方法在权利要求书中公布了：1.一种基于深度学习的地震模拟振动台三参量控制参数整定方法，其特征在于：包含有系统辨识环节、参数离线整定环节、实机测试环节；先测试得到实际振动台的系统辨识模型，再针对系统辨识模型进行深度学习整定算法的离线参数整定，最后将整定得到的参数在实际振动台系统中进行测试； 整定方法包括以下步骤： 步骤一、将预处理后的地震波信号作为振动台的输入信号并确定三参量控制初始参数，运行振动台系统，得到振动台系统的实际响应信号； 步骤二、将振动台的输入信号作为神经网络的输入项，振动台的响应信号作为神经网络的标签信号，并构建深度多层神经网络模型进行训练； 步骤三、在深度多层神经网络模型上引入三参量控制作为闭环控制模型； 步骤四、对该闭环控制模型进行参数整定； 步骤五、将参数整定的结果在闭环模型系统中进行验证； 步骤六、判断参数整定结果在闭环模型中是否满足振动台控制性能指标δ[≥90％,≤10％]，当满足要求时，执行步骤七，当不满足性能要求时，重复步骤四； 步骤七、如步骤六中整定好的控制参数在测试模型中满足控制指标，且输入实际振动台系统仍满足控制指标δ[≥90％,≤10％]时，即为整定完成的控制参数； 所述步骤二中，将振动台的输入信号设置为神经网络的输入层，振动台的响应信号设置为神经网络的输出层，在输入层和输出层之间连接两个以上隐藏层，其中每个隐藏层设置K个神经元；神经网络具体为：双层LSTM网络，每层40个隐藏节点，学习率取0.01-0.0001，训练1000次，得到的LSTM网络模型运行测试数据时，相关系数ε大于97％峰值误差τ小于9％，满足训练要求； 所述步骤三中，在深度网络模型外加入三参量控制，并考虑伺服阀二阶效应和传感器的影响，推出一个七阶的闭环控制模型，表达是如下： 其中，x表示振动台的位移传感器测得的位移值，u为加速度输入信号，Ap为振动台作动器活塞的有效承压面积，Gs为深度网络闭环控制模型，Ad为位移前馈增益，A′ a为加速度反馈增益，A′ d为位移反馈增益，A′ V为速度反馈增益，Kd为位移反馈归一灵敏度，KA为加速度反馈归一灵敏度，KV为速度反馈归一灵敏度，Gq和Ga分别为伺服阀固有二阶特性和传感器固有二阶特性；推导得到的闭环控制模型中的AV，Ad，A′ a，A′ d，A′ V即为参数整定的对象。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。