基于长短时记忆网络的结构智能控制算法研究

作者：涂建维; 高经纬; 李召; 张家瑞

来源：华中科技大学学报(自然科学版), 2019, (12): 110-115.

DOI：10.13245/j.hust.191219

• 深度学习
• 长短时记忆网络
• 智能控制
• 时间序列预测
• 泛化能力 deep learning
• long short-term memory(LSTM) networks
• intelligent control
• time series prediction
• generalization ability

为提高建筑结构智能控制的控制精度及稳定性,在长短时记忆(LSTM)网络理论基础上,提出一种基于深度学习的智能控制算法.通过构建深度学习框架,设计LSTM智能控制器,并将其性能测试结果与反向传播(BP)和径向基函数(RBF)神经网络控制器进行对比.以Benchmark模型为对象,分析了不同外部激励工况下LSTM智能控制器的泛化能力,并提出了基于结构响应的H_2范数评价指标.结果表明:BP和RBF神经网络框架的预测结果相比LSTM框架可能发生局部最优现象,且收敛精度较低;原输入工况下,LSTM控制器的误差为3.30×10~(-4),控制效果最高达65.0%;变激励工况下,LSTM控制器的响应峰值及...

• 单位
  武汉理工大学