公开(公告)号：CN107729706B

公开(公告)日：2020-02-21

申请号：CN201711232197.1

申请日：2017-11-29

Applicant: 湖南科技大学

Inventor： 凌启辉 ,  赵前程 ,  郭德福 ,  王宪 ,  罗迎 ,  孟帅 ,  张维

IPC: G06F30/20 ,  G06F30/17 ,  G06N3/00

Abstract: 本发明公开了一种非线性机械系统的动力学模型构建方法，包括以下步骤：构建包含不确定参数的振动微分方程；实测振动数据形成数据样本；对数据样本进行重新采样；应用粒子群算法辨识不确定参数，得到不确定参数估计样本；应用机器学习算法对不确定参数进行训练，不断修正不确定参数；考查所建模型的精度和准确性。本发明首先建立非线性振动微分方程，然后应用改进的粒子群算法，基于实测数据辨识得到非线性机械系统不确定参数估计样本，再通过在线学习算法训练不确定参数估计样本，通过神经网络学习算法训练方程误差修正函数样本，极大地提高了不确定参数的准确性，克服了所建模型精度不足的缺陷。

公开(公告)号：CN107729706A

公开(公告)日：2018-02-23

申请号：CN201711232197.1

申请日：2017-11-29

Applicant: 湖南科技大学

Inventor： 凌启辉 ,  赵前程 ,  郭德福 ,  王宪 ,  罗迎 ,  孟帅 ,  张维

IPC: G06F17/50 ,  G06N3/00

Abstract: 本发明公开了一种非线性机械系统的动力学模型构建方法，包括以下步骤：构建包含不确定参数的振动微分方程；实测振动数据形成数据样本；对数据样本进行重新采样；应用粒子群算法辨识不确定参数，得到不确定参数估计样本；应用机器学习算法对不确定参数进行训练，不断修正不确定参数；考查所建模型的精度和准确性。本发明首先建立非线性振动微分方程，然后应用改进的粒子群算法，基于实测数据辨识得到非线性机械系统不确定参数估计样本，再通过在线学习算法训练不确定参数估计样本，通过神经网络学习算法训练方程误差修正函数样本，极大地提高了不确定参数的准确性，克服了所建模型精度不足的缺陷。