[发明专利]基于LSTM模型的振动传递系统

说明书

本发明公开基于LSTM模型的振动传递系统，包括若干递归连接的记忆区块，所述记忆区块包含细胞神经单元和乘法单元，所述乘法单元包括输入门、输出门和遗忘门，所述乘法单元对细胞神经单元进行连续的写、读和重置操作；本发明忽略信号传递路径，直接根据测点A和测点B的原始数据信号，在LSTM模型的基础上，改变输入输出格式，设立输入门、输出门和遗忘门来组合数据，决定哪些新信息被存放到单元状态中，决定当前时刻需要输出的信息，并确定上一时刻的单元状态中被添加至当前蚀刻单元状态中的信息量，同时，将细胞状态贯穿整个过程，使信息以固定不变的方式传递，建立测点A到测点B的黑匣子模型。

技术领域

本发明涉及信号研究技术领域，尤其涉及基于LSTM模型的振动传递系统。

背景技术

动力设备结构形式多样，测点布置位置不同，振动等级大小、振动信号特征等也会不同，但对于固定设备来说，装置的耦合特性及信号传递过程是相同的，常规的研究信号传递路径分析主要是通过根据模型的结构，分析测点的频响函数来研究测点A对测点B的振动信号传递过程，获得测点B的信号特征；

然而，现有技术需要根据设备的结构进行复杂的传递路径及特性的推导，并难以推广到不明信号的传递特性利用中去，因此，本发明提出基于LSTM模型的振动传递系统以解决现有技术中存在的问题。

发明内容

针对上述问题，本发明的目的在于提出基于LSTM模型的振动传递系统，该基于LSTM模型的振动传递系统有效建立了针对任何A数据到B数据的信号传递黑匣子模型，不用根据设备的结构进行复杂的传递路径及特性的推导，并能广泛的推广到不明信号的传递特性利用中去。

为实现本发明的目的，本发明通过以下技术方案实现：基于LSTM模型的振动传递系统，包括若干递归连接的记忆区块，所述记忆区块包含细胞神经单元和乘法单元，所述乘法单元包括输入门、输出门和遗忘门，所述乘法单元对细胞神经单元进行连续的写、读和重置操作；

所述输入门将当前时刻的输入χ_t中的信息保存到当前时刻的单元状态C_t，且通过tanh函数决定当前时刻的候选信息c_t，所述候选信息c_t与决策向量i_t相乘，用以确定候选信息c_t中被输入至单元状态C_t中的量；

所述输出门决定当前时刻的单元状态C_t中被输入到细胞神经单元的隐藏状态h_t中的信息量；

所述遗忘门决定上一时刻的单元状态C_t-1保存到当前时刻的状态C_t中的信息量，当前时刻的输入χ_t和上一时刻的隐藏状态h_t-1连接成一个新的特征向量，该特征向量与权重参数W_f相乘，输入sigmiod函数，利用决策向量f_t与上一时刻的单元状态C_t-1相乘，用以确定上一时刻的单元状态C_t-1中被添加至单元状态C_t中的信息量，即遗忘门与前一状态连接来控制是否遗忘之前的输入信号；

所述细胞神经单元中，细胞状态贯穿整个过程，使信息以固定不变的方式传递。

进一步改进在于：所述输入门中，所述候选信息c_t与决策向量i_t相乘，即输入门与输入信号相乘，输入到细胞神经单元中，决定哪些新信息被存放到单元状态C_t中，候选信息c_t与决策向量i_t的计算表达式为：

i_t＝σ(W_i[h_t-1,χ_t]+b_i) (1)