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！

申请/专利权人：华侨大学;福建三建工程有限公司

摘要：本发明提供的基于SRT的多点频域振动响应预测方法、装置、设备及介质，涉及多点频域振动响应预测领域，通过获取频率序列中每个频率下的振动响应频域数据样本集，用一频率下的振动响应频域数据训练一个多输入多输出的神经网络振动响应预测模型，并将训练好的预测模型作为源域，采用MMD及方差散度方法，得到不同频率的数据差异之后，使用SRT算法，得到最佳的迁移学习顺序；根据该顺序进行模型迁移学习，将上一个训练学习得到的模型参数作为下一个目标频率网络模型权值的初值并微调，达到模型迁移的目的。本发明考虑到源域和目标域之间的差异性和相似性，解决了在迁移过程中出现辅助域与目标域相差较大而出现负迁移的现象，响应预测的精度更高且速度快。

主权项：1.一种基于SRT的多点频域振动响应预测方法，其特征在于，包括：S1,获取频率序列中每个频率下的振动响应频域数据样本集，所述振动响应频域数据样本集包括作为输入的多个已知测点的自功率谱样本和作为输出的多个未知测点的自功率谱样本；S2,采用频率序列中第一个频率下的振动响应频域数据样本集训练多输入多输出的神经网络振动响应预测模型，得到训练好的第一个频率的神经网络振动响应预测模型和权值参数；S3,将训练好的第一个频率的神经网络振动响应预测模型作为源域，并给定一个目标域，所述源域和所述目标域是同构的,即所述源域和所述目标域具有相同的特征空间和不同的分布,采用最大均值差异距离MMD相似性度量方法来估计源域和目标域的边缘概率，以衡量每一个候选源域和目标域之间的相似程度，得到RKHS空间特征映射下目标域与源域的MMD距离；其中，所述S3进一步具体为：将训练好的第一个频率的神经网络振动响应预测模型作为源域，所述源域包括一个或多个候选源域，则所有候选源域的集合为： 其中，表示个候选源域，第个候选源域表示为：；给定一个目标域，表达式为；其中，目标域和每个候选源域具有相同的特征空间和不同的边缘概率和分布；采用最大均值差异距离MMD相似性度量方法来估计目标域与源域的边缘概率，求出RKHS空间下目标域与源域的实例对距离，以衡量每一个候选源域和目标域之间的相似程度；通过计算目标域和第个候选源域之间的MMD距离的经验估计，从而得到目标域与源域的实例对距离，为了便于计算，计算MMD距离的平方，公式如下： 其中，Ж是特征的原始空间到RKHS空间的特征映射函数，是RKHS空间的参数化；S4,根据所述MMD距离，采用方差散度方法得到不同频率的数据差异，以考虑不同域之间实例对距离的差异性，从不同维度衡量域间的差异；S5,根据所述不同频率的数据差异，得到不同频率的响应预测数据差异矩阵，采用模拟快速遍历树SRT算法，得到最佳的迁移顺序；S6,在第一次模型迁移时，将所述第一个频率的神经网络振动响应预测模型的权值参数迁移至下一个目标频率的多输入多输出的神经网络振动响应预测模型中，并利用下一个目标频率的振动响应频域数据样本集进行微调训练，获得下一个目标频率的神经网络振动响应预测模型和权值参数；S7,根据第一次模型迁移时的操作，按照所述最佳的迁移顺序对所述频率序列中余下频率数据进行模型迁移训练，直到获得频率序列中最后一个频率的神经网络振动响应预测模型，从而得到基于SRT的多点频域振动响应预测模型，将需要预测的振动响应频域数据输入训练好的基于SRT的多点频域振动响应预测模型中，输出预测值，实现基于SRT的多点频域振动响应预测。

全文数据：

权利要求：

百度查询： 华侨大学 福建三建工程有限公司 基于SRT的多点频域振动响应预测方法、装置、设备及介质