基于空洞卷积神经网络的随机动载荷识别

摘要

为解决随机动载荷识别精度低的问题，本文将空洞卷积神经网络（ACNN,atrous convolutional neural network）引入随机动载荷识别研究中，提出一种扩张率为2的基于一维ACNN的随机动载荷识别方法，该方法通过提高扩张率来增大信号感受野，进而提高载荷识别精度。以GARTEUR飞机模型为研究对象进行载荷识别验证实验，结果表明：无噪声干扰时，用本文方法识别的翼尖激励点上随机动载荷与真实载荷之间的均方根误差为0.990 1 N，相关系数为0.987 4，功率谱密度曲线（PSD,power spectral density）能够较好地吻合；在不同噪声水平干扰下，本文方法也能有效识别出随机动载荷时间序列。本文方法具有识别精度高、抗干扰能力强的优点。

关键词

载荷识别 / 空洞卷积神经网络 / 扩张率 / 随机动载荷