基于LSTM的地震模拟振动台闭环控制方法

为推动高性能的智能化抗震试验平台建设,实现振动台控制算法的智能升级和优化,文中以地震模拟振动台的智能控制为研究对象,提出了一种基于LSTM（长短时记忆网络）的振动台深度学习控制器框架,通过LSTM对三参量控制器的输入－输出关系进行学习和模拟,验证了该控制器的可行性和有效性。针对LSTM依赖于完整且连续轨迹才能保存记忆的局限性,提出了一种基于LSTM闭环控制的实时反馈信号处理方法,即通过单独保存隐层状态“h”和长期记忆状态“c”的方式,避免了LSTM控制器在接收实时反馈信号时会因不断重置而丢失过往记忆。仿真结果表明,通过监督学习的训练方式,深度学习控制器能够有效逼近三参量算法的控制性能,较好地再现地震波加速度时程曲线,这说明深度学习控制器在处理非线性控制问题上具备足够的潜能。