[发明专利]一种基于神经网络技术的颤振预测方法

说明书

本发明涉及气动弹性力学领域，特别涉及一种基于神经网络技术的颤振预测方法，可以包括如下步骤：提取颤振实测数据中颤振发生前的最后两个风速或速压稳定台阶中的预定数据，作为特征数据；建立神经网络结构，根据特征数据确定人工神经网络的节点数；将已经完成风洞试验时实际发生颤振的实测数据中的一部分作为神经网络结构的训练样本进行训练，得到期望输出；将实测数据的另一部分作为神经网络结构验证样本，进行验证；如果验证合格，则完成神经网络结构的构建；如果验证不合格，增加新的实测数据，并重复步骤三和步骤四，直至验证合格。本发明的基于神经网络技术的颤振预测方法，能够充分利用前期试验数据，从而提高预测准确性和及时性。

技术领域

本发明涉及气动弹性力学领域，特别涉及一种基于神经网络技术的颤振预测方法。

背景技术

颤振是一种自激振动，属于气动弹性动稳定性问题，主要涉及航空航天、建筑、机械等领域。如在航空航天领域，飞行器飞行过程中达到或超过颤振边界速度时将发生等幅或发散振动，大多数会在几秒甚至更短的时间内造成解体的灾难性后果，为了保证人员和飞行器安全，必须开展相关工作，如相似模型进行风洞试验，颤振试飞等。

在颤振风洞试验和颤振试飞时，也同样面临破坏的风险，出于安全性考虑，在亚临界状态能准确预测出颤振边界是最理想的。目前的预测方法主要有以下几种：一是速度-阻尼法，该方法比较传统，主要是识别出亚临界状态的固有频率及阻尼，拟合出曲线进行外推，当阻尼为零时对应的速度为预测的颤振边界，缺点是对试验数据质量要求高，以及由于阻尼是速度的非线性函数，外插有可能造成较大误差；二是颤振裕度法，缺点是准确性依赖于模态参数识别的准确性，并需提前确定是哪两阶模态发生耦合；三是鲁棒颤振裕度法，将颤振理论计算与试验数据相结合，缺点是结果偏保守。

发明内容

本发明的目的是提供了一种基于神经网络技术的颤振预测方法，以解决现有颤振预测方法存在的至少一个问题。

本发明的技术方案是：

一种基于神经网络技术的颤振预测方法，包括如下步骤：

步骤一、在颤振实测数据中，提取颤振发生前的最后两个风速或速压稳定台阶中的预定数据，作为特征数据；

步骤二、建立神经网络结构，根据所述特征数据确定人工神经网络的节点数；

步骤三、将已经完成风洞试验时实际发生颤振的实测数据中的一部分作为所述神经网络结构的训练样本，进行训练，得到期望输出；

步骤四、将步骤三所述实测数据的另一部分作为所述神经网络结构验证样本，进行验证；如果验证合格，则完成所述神经网络结构的构建；如果验证不合格，增加新的实测数据，并重复步骤三和步骤四，直至验证合格。

可选的，所述预定数据选自如下数据中的至少7种：

表达速度的参数、均值、方差、卓越周期指数、振幅衰减时间系数、振幅增加时间系数、振幅衰减系数、振幅增加系数、振幅衰减最大周期数、振幅增加最大周期数、振幅持续衰减最大幅值以及振幅持续增加最大幅值。

可选的，所述步骤二中，所述神经网络中的输入节点数为所述预定数据种类的2倍，输出节点数为2个，隐藏层为至少2层。

可选的，所述步骤三包括：

步骤3.1、给定神经网络的输入所述特征数据和期望输出；

其中，期望输出未步骤三中所述实测数据中的输出数据；

步骤3.2、计算所述神经网络的隐藏层和输出层；

步骤3.3、计算所述神经网络的实际输出与期望输出的偏差；

步骤3.4、根据所述实际输出与期望输出的偏差，对所述神经网络的权值进行调整，直至实际输出收敛。