摘要
由于磁流变阻尼器(MR阻尼器)的双粘性和滞回特性,逆模型很难被准确获取.为此,基于卷积神经网络(Convolutional Neural Networks,CNN)提取特征的能力,双向长短期记忆(Bi-directional Long Short-Term Memory,BiLSTM)神经网络处理时间依赖问题的能力,磁流变阻尼器本身输入和输出存在时间依赖的特性,采用CNN-BiLSTM组合网络来预测模型.对比均方根误差和预测时间发现,相比于单纯的BiLSTM网络,所提的网络提高了模型的精度,在预测时间上也有了极大的提升.
基金项目
黑龙江省普通高校青年创新人才培养计划项目(UNPYSCT-2020034)
NETL
NSTL
维普
万方数据