第十届（2019）海峡两岸高校师生土木工程监测与控制研讨会

178 / 2019-07-24 20:48:19

基于长短时记忆网络的结构智能控制算法研究

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

Plenary track > 土木工程结构振动控制

为提高建筑结构智能控制的控制精度及稳定性，在长短时记忆网络（LSTM）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BP、RBF神经网络控制器进行对比。以Benchmark模型为对象，研究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H2范数评价指标。研究表明：BP、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H2范数评价指标均优于BP、RBF神经网络控制器，说明LSTM智能控制器具有良好的控制、泛化性能。