发明专利 | 基于CNN振动识别的线性二次型控制改进方法

发明名称：基于卷积神经网络振动识别的线性二次型控制改进方法

发明人：陆新征；廖文杰；徐永嘉

专利号：ZL 202010169860.3

1

专利概述

经典的LQR（线性二次型控制器）振动控制方法在面对较为复杂的环境振动作用时，容易出现按下葫芦起了瓢的问题。原因在于LQR控制器的参数固定，该参数对某一类的振动控制效果最优。比如对地铁振动的控制效果不错，但是对于施工振动的控制效果相对就不那么理想了。如果能对不同的振动类型进行快速准确识别，并根据每个振动的特点选取对应的LQR控制器参数，就可以实现更好、更全面的振动控制效果。而这其中涉及到的关键问题，就是振动类型的识别。

因此，我们基于CNN（卷积神经网络）进行振动类型识别，然后根据振动类型选择预先优化好的LQR控制器参数，这样就能使得LQR在面对不同类型的环境振动作用时都能有较好的振动控制效果。图1所示为改进LQR振动控制装置，图2为改进LQR振动控制方法，图3为改进LQR振动控制效果。可以看出，改进LQR振动控制装置的效果，显著优于经典LQR振动控制方法。

图1 改进LQR振动控制装置

图2 改进LQR振动控制方法

图3 改进LQR振动控制效果

关于本专利的更多算法方面的讨论可见此前发表的相关论文：

【新论文：给振动信号拍个照，可以提升振动控制效果！】【新论文：为提升AI振动识别效果，小波、HHT、MFCC、CNN、LSTM我们都试一试】

2

专利使用步骤

专利的主要使用步骤如图4所示，后续将以一个具体实施例进行使用展示。

图4 改进LQR振动控制的使用步骤

2.1 步骤S1

获取被控装置所在工作空间的振动数据，以及被控装置的参数数据

采用加速度传感仪对工作环境中的典型振动进行采集，采集器精度约为10^-4g，频率范围为0.17Hz~100Hz，满足振动干扰频率需求。各类型振动数据总共采集约1200条，后续将这几种振动分别称为：施工振动、地铁振动、汽车流振动、风致振动，其数据数量比值约为2.5：1：3.5：5。

典型振动数据的时域特征如图5所示。

图5 典型振动信号的时程对比

采集的被控装置的参数数据如表1所示。

表1 控制系统参数

2.2 步骤S2

基于遗传算法对LQR算法在不同振动输入下的最优控制参数求解

LQR算法控制效果由其关键参数Q，R系数矩阵决定。经过参数缩减研究可以确定最终控制效果与q/r值直接相关，本研究采用遗传算法对不同类型振动输入下的LQR控制算法参数进行优化。控制对象案例选用一单自由度结构，系统力学模型如图1所示（不包括CNN装置），整个优化算法流程如图6所示。最终优化结果如图7所示为：地铁振动、施工振动、汽车流振动、风致振动的最优q/r值分别为1.83 × 10^2, 3.79 × 10^5, 6.81 × 10^4, 3.0 × 10^6。

图6 不同类型振动作用下q/r值优化流程

图7 不同类型振动作用下q/r值优化结果

2.3 步骤S3

振动时频域特征提取与CNN训练

在有了前述的工作基础后，我们开展CNN训练的数据和标签都已得到。数据为经过小波变换后的振动时频域特征（图8所示），通过分析我们认为采用小波系数矩阵作为输入效果最优；标签为振动的类型（地铁振动、施工振动、汽车流振动、风致振动），同时每个振动类型对应了一个最优的q/r值。

图8 典型振动信号的时频域特征对比

随后需要搭建一个简单的CNN网络开展训练即可，架构基本如图9所示。搭建了CNN模型后便开始了炼丹环节，不停调整CNN模型的超参数，最后寻求一个最好的结果。参数讨论和模型训练之后得到了有效的CNN网络继续开展下一步振动控制的应用。

图9 CNN模型特征提取与分类

2.4 步骤S4

训练好的CNN分类器用起来！

针对图1所示的装置，输入了三个案例的环境振动。案例一输入的振动为地铁、汽车、施工、风致振动四种振动的随机拼接；案例二输入的同样为四种振动的随机拼接，不过一些部分的振动为两种类型振动叠加后构造的新耦合振动；案例三输入的则是没有经过训练的高铁产生的振动。采用训练完成的CNN模型对案例一和二的振动类型进行识别，采用小波系数矩阵（WCM）作为输入，识别准确率可达100%，采用小波图（WI）作为输入则结果稍差；对案例三的高铁振动进行识别，WCM输入时，CNN识别为风致振动，WI输入时，CNN则认为其是施工振动。

表2 CNN对振动的识别效果

根据振动识别的结果，改进LQR控制方法可以针对不同振动类型调整其LQR控制参数。最终的振动控制结果如图10，图11，图12所示。案例一和案例二振动输入时，在适当的作动器工作状态下，能够保证相当不错的控制效果，图10(a)、10(c)、11(a)和11(c)表明改进LQR方法在不同振动下均表现良好。而传统的控制器要么像图10和图11中的蓝线一样，很多振动控制不好；要么像黄线一样，一直让作动器处于满输出的工作状态，容易导致作动器的损坏，并且出力太大，作动器的频率也会变慢。案例三的振动控制结果如图12所示，即使是一种没有经过训练的环境振动，CNN依旧可以通过其时频域特征进行分类，并选择最接近的LQR控制参数，实现相对良好的振动控制。

图10 案例1振动控制结果

图11 案例2振动控制结果

图12 案例3振动控制结果

3

总结

本专利将基于CNN的图像分类技术，振动特征提取技术，联合应用于振动识别中，实现了良好的振动识别功能。基于该振动识别，对经典的LQR振动控制方法进行了改进，改进后的LQR振动控制在面对多种环境振动作用时，其振动控制性能与经典LQR控制算法相比更加优异。

4

本课题组相关专利

[1]   陆新征, 廖文杰, 徐永嘉, 基于卷积神经网络振动识别的线性二次型控制改进方法，发明专利，专利号：ZL 202010169860.3

[3]   陆新征，许镇，曾翔，杨哲飚，一种城市建筑地震次生火灾模拟方法，发明专利，授权号：ZL 201810255576.0

[4]   陆新征，曾翔，许镇，田源，一种基于震后航拍影像的近实时震损评估方法，发明专利，授权号：ZL 2018 1 0119671.8

联络邮箱: 

[e-mail]

[e-mail]

---End--

相关研究

1. 英文版《工程地震灾变模拟：从高层建筑到城市区域(第2版)》出版

2. 他山之石可以攻玉 | 新论文：基于深度迁移学习的结构地震响应识别

3. 新论文丨不同冲剪方向下板柱节点抗倒塌性能研究

4. 新论文：基于实测地震动的近实时地震滑坡预测方法(并附源程序)
   

5. 新论文：为提升AI振动识别效果，小波、HHT、MFCC、CNN、LSTM我们都试一试
   

6. 新论文：基于实测地震记录的区域地震动场模拟方法
   

7. 新论文：基于数字孪生的强震下大跨斜拉桥倒塌易损性评估
   

8. 新论文 | 卷积神经网络 + 小波时频图：基于地震动时频域特征的震害评估新方法
   

9. 新论文：城市尺度树木风灾破坏近实时评估：方法框架及清华园案例应用
   

10. 如何将地震破坏力评估加速1500倍？| 新论文：基于LSTM的地震破坏力实时评估
    

11. 新论文：大跨斜拉桥的非线性模型更新及倒塌预测
    

12. 新论文：“场地－城市”效应对区域震害评估的定量影响分析
    

13. 新论文：基于机器学习方法的多元地震动强度指标比选与实时震害预测
    

14. 新论文：新一代地震-连续倒塌综合防御组合框架——综合韧性防御组合框架

15. 新论文：给振动信号拍个照，可以提升振动控制效果！

16. 新论文：基于城市信息模型、并同时适用于城市建筑群和单体重要建筑的多灾害模拟框架
    

17. 新论文：台风风灾对港口运营的经济影响：以中国港口为例
    

18. 新论文：中柱失效后混凝土板柱结构承载性能影响因素研究

19. 新论文：不同冲剪方向下板柱节点抗倒塌性能研究
    

20. 新论文：基于BIM与虚拟现实的建筑震后火灾救援场景模拟
    

21. 新论文：社区地震安全韧性评估系统及社区应用示范
    

22. 这栋楼是什么结构的，元芳，你怎么看？——大人，时代变了！|新论文：使用机器学习方法预测城市建筑结构类型
    

23. 新论文：次边缘柱失效后钢筋混凝土平面框架连续倒塌承载力的试验分析和计算评估

24. 新论文：基于集群计算的大跨斜拉桥精细有限元模型更新
    

25. 新论文：钢筋混凝土板柱节点冲切及冲切破坏后行为的数值模拟
    

26. 新论文：边柱以及边中柱失效后平板结构连续倒塌行为试验研究
    

27. 新论文：武汉火神山医院病房有害气体的高空排放设计和分析
    

28. 新论文：主余震作用下区域建筑震害预测方法

29. 新论文：城市抗震弹塑性分析的开源框架

30. 新论文：考虑劳动力资源约束的城市尺度建筑抗震韧性模拟和震后维修规划
    

31. 新论文：基于无人机与深度学习的建筑震害评估方法
    

32. 新论文：抗震&防连续倒塌：一种新型构造措施
    

长按识别二维码，关注我们的科研动态