基于LSTM-CNN的结构固有频率激励下正弦载荷识别方法研究

当外载荷频率达到或接近结构固有频率时,传统载荷识别方法(比如截断奇异值分解法)的识别精度会降低。为此,通过卷积网络的特征提取和长短期记忆网络的长时记忆功能建立LSTM-CNN载荷识别模型,提出一种基于LSTM-CNN模型的载荷识别方法,对GARTEUR飞机模型开展载荷时域波形识别研究。通过采集结构的响应数据和激励数据进行模型训练和载荷识别,并与截断奇异值分解(TSVD)方法、长短期记忆网络(LSTM)方法和深度卷积神经网络(DCNN)方法的识别结果进行对比分析。结果表明:基于LSTM-CNN模型的载荷识别方法可以有效应用于结构固有频率激励下正弦载荷识别问题,具有较高的识别精度和抗噪能力。