基于LSTM模型的振动传递系统技术方案

本发明专利技术公开基于LSTM模型的振动传递系统，包括若干递归连接的记忆区块，所述记忆区块包含细胞神经单元和乘法单元，所述乘法单元包括输入门、输出门和遗忘门，所述乘法单元对细胞神经单元进行连续的写、读和重置操作；本发明专利技术忽略信号传递路径，直接根据测点A和测点B的原始数据信号，在LSTM模型的基础上，改变输入输出格式，设立输入门、输出门和遗忘门来组合数据，决定哪些新信息被存放到单元状态中，决定当前时刻需要输出的信息，并确定上一时刻的单元状态中被添加至当前蚀刻单元状态中的信息量，同时，将细胞状态贯穿整个过程，使信息以固定不变的方式传递，建立测点A到测点B的黑匣子模型。

【技术实现步骤摘要】
基于LSTM模型的振动传递系统
本专利技术涉及信号研究
，尤其涉及基于LSTM模型的振动传递系统。
技术介绍
动力设备结构形式多样，测点布置位置不同，振动等级大小、振动信号特征等也会不同，但对于固定设备来说，装置的耦合特性及信号传递过程是相同的，常规的研究信号传递路径分析主要是通过根据模型的结构，分析测点的频响函数来研究测点A对测点B的振动信号传递过程，获得测点B的信号特征；然而，现有技术需要根据设备的结构进行复杂的传递路径及特性的推导，并难以推广到不明信号的传递特性利用中去，因此，本专利技术提出基于LSTM模型的振动传递系统以解决现有技术中存在的问题。
技术实现思路
针对上述问题，本专利技术的目的在于提出基于LSTM模型的振动传递系统，该基于LSTM模型的振动传递系统有效建立了针对任何A数据到B数据的信号传递黑匣子模型，不用根据设备的结构进行复杂的传递路径及特性的推导，并能广泛的推广到不明信号的传递特性利用中去。为实现本专利技术的目的，本专利技术通过以下技术方案实现：基于LSTM模型的振动传递系统，包括若干递归连接的记忆区块，所述记忆区块包含细胞神经单元和乘法单元，所述乘法单元包括输入门、输出门和遗忘门，所述乘法单元对细胞神经单元进行连续的写、读和重置操作；所述输入门将当前时刻的输入χt中的信息保存到当前时刻的单元状态Ct，且通过tanh函数决定当前时刻的候选信息ct，所述候选信息ct与决策向量it相乘，用以确定候选信息ct中被输入至单元状态Ct中的量；所述输出门决定当前时刻的单元状态Ct中被输入到细胞神经单元的隐藏状态ht中的信息量；所述遗忘门决定上一时刻的单元状态Ct-1保存到当前时刻的状态Ct中的信息量，当前时刻的输入χt和上一时刻的隐藏状态ht-1连接成一个新的特征向量，该特征向量与权重参数Wf相乘，输入sigmiod函数，利用决策向量ft与上一时刻的单元状态Ct-1相乘，用以确定上一时刻的单元状态Ct-1中被添加至单元状态Ct中的信息量，即遗忘门与前一状态连接来控制是否遗忘之前的输入信号；所述细胞神经单元中，细胞状态贯穿整个过程，使信息以固定不变的方式传递。进一步改进在于：所述输入门中，所述候选信息ct与决策向量it相乘，即输入门与输入信号相乘，输入到细胞神经单元中，决定哪些新信息被存放到单元状态Ct中，候选信息ct与决策向量it的计算表达式为：it＝σ(Wi[ht-1,χt]+bi)(1)ct＝tanh(Wc[ht-1,χt]+bc)(2)其中，Wc为对应权重参数矩阵，bc为对应偏置，it为LSTM神经网络某节点在t时刻输入门的激活向量值；bi为对应的偏置项；χt为LSTM神经元在t时刻的输入数据；Wi为输入层与隐藏层细胞单元之间的参数矩阵；ht-1为LSTM神经元在t-1时刻的输出；σ为sigmoid激活函数；tanh为双曲正切函数。进一步改进在于：所述输出门中，输出门的决策向量Ot与输出信号相乘决定本时刻需要输出的信息，决策向量Ot和细胞神经单元的隐藏状态ht的计算表达式为Ot＝σ(W0[ht-1,χt]+b0)(3)ht＝ottanh(Ct)(4)其中，Ot为LSTM神经网络某节点在t时刻输出门的激活向量值；bo为对应的偏置项；χt为LSTM神经元在t时刻的输入数据；Wo为隐藏层细胞单元与输出层之间的参数矩阵；ht为LSTM神经元在t时刻的输出；ht-1为LSTM神经元在t-1时刻的输出；Ct为神经元细胞状态；σ为sigmoid激活函数；tanh为双曲正切函数。进一步改进在于：所述遗忘门中，ft的计算表达式为ft＝σ(Wf[ht-1,χt]+bf)(5)其中，ft为LSTM神经网络某节点在t时刻遗忘门的激活向量值；bf为对应的偏置项；χt为LSTM神经元在t时刻的输入数据；Wi为输入层与隐藏层细胞单元之间的参数矩阵；ht-1为LSTM神经元在t-1时刻的输出；σ为sigmoid激活函数。进一步改进在于：所述细胞神经单元中，当前时刻的单元状态Ct的计算式为其中，it、ft分别为LSTM神经网络某节点在t时刻输入门和遗忘门的激活向量值；Ct-1为t-1时刻记忆单元的向量值；Ct为神经元细胞状态。本专利技术的有益效果为：本专利技术忽略信号传递路径，直接根据测点A和测点B的原始数据信号，在LSTM模型的基础上，改变输入输出格式，设立输入门、输出门和遗忘门来组合数据，决定哪些新信息被存放到单元状态中，决定当前时刻需要输出的信息，并确定上一时刻的单元状态中被添加至当前蚀刻单元状态中的信息量，同时，将细胞状态贯穿整个过程，使信息以固定不变的方式传递，建立测点A到测点B的黑匣子模型，经验证，通过网络训练，研究A、B之间对应关系，获得固定的网络结构参数R，形成黑匣子路径传递模型，当再输入A时，直接可以获得B的原始信号，并利用其信号的频谱特征等来评价网络训练或获得信号的准确性，有效建立了针对任何A数据到B数据的信号传递黑匣子模型，不用根据设备的结构进行复杂的传递路径及特性的推导，并能广泛的推广到不明信号的传递特性利用中去。附图说明图1为本专利技术的LSTM模型结构图；图2为本专利技术的验证例中数据B实际时序图；图3为本专利技术的验证例中数据B实际频谱图；图4为本专利技术的验证例中数据C预测时序图；图5为本专利技术的验证例中数据C预测频谱图。具体实施方式为了加深对本专利技术的理解，下面将结合实施例对本专利技术做进一步详述，本实施例仅用于解释本专利技术，并不构成对本专利技术保护范围的限定。根据图1、2、3、4、5所示，本实施例提供了基于LSTM模型的振动传递系统，包括若干递归连接的记忆区块，所述记忆区块包含细胞神经单元和乘法单元，所述乘法单元包括输入门、输出门和遗忘门，所述乘法单元对细胞神经单元进行连续的写、读和重置操作；所述输入门将当前时刻的输入χt中的信息保存到当前时刻的单元状态Ct，且通过tanh函数决定当前时刻的候选信息ct，所述候选信息ct与决策向量it相乘，用以确定候选信息ct中被输入至单元状态Ct中的量；所述输出门决定当前时刻的单元状态Ct中被输入到细胞神经单元的隐藏状态ht中的信息量；所述遗忘门决定上一时刻的单元状态Ct-1保存到当前时刻的状态Ct中的信息量，当前时刻的输入χt和上一时刻的隐藏状态ht-1连接成一个新的特征向量，该特征向量与权重参数Wf相乘，输入sigmiod函数，利用决策向量ft与上一时刻的单元状态Ct-1相乘，用以确定上一时刻的单元状态Ct-1中被添加至单元状态Ct中的信息量，即遗忘门与前一状态连接来控制是否遗忘之前的输入信号；所述细胞神经单元中，细胞状态贯穿整个过程，使信息以固定不变的方式传递。所述输入门中，所述候选信息ct与决策向量it相乘，即输入门与输入信号相乘，输入到细胞神经单元中，决定哪些新信息被存放到单元状态Ct中，候选信息ct与决策向量it的计算表达本文档来自技高网...

【技术保护点】
1.基于LSTM模型的振动传递系统，包括若干递归连接的记忆区块，其特征在于：所述记忆区块包含细胞神经单元和乘法单元，所述乘法单元包括输入门、输出门和遗忘门，所述乘法单元对细胞神经单元进行连续的写、读和重置操作；/n所述输入门将当前时刻的输入χ

【技术特征摘要】
1.基于LSTM模型的振动传递系统，包括若干递归连接的记忆区块，其特征在于：所述记忆区块包含细胞神经单元和乘法单元，所述乘法单元包括输入门、输出门和遗忘门，所述乘法单元对细胞神经单元进行连续的写、读和重置操作；
所述输入门将当前时刻的输入χt中的信息保存到当前时刻的单元状态Ct，且通过tanh函数决定当前时刻的候选信息ct，所述候选信息ct与决策向量it相乘，用以确定候选信息ct中被输入至单元状态Ct中的量；
所述输出门决定当前时刻的单元状态Ct中被输入到细胞神经单元的隐藏状态ht中的信息量；
所述遗忘门决定上一时刻的单元状态Ct-1保存到当前时刻的状态Ct中的信息量，当前时刻的输入χt和上一时刻的隐藏状态ht-1连接成一个新的特征向量，该特征向量与权重参数Wf相乘，输入sigmiod函数，利用决策向量ft与上一时刻的单元状态Ct-1相乘，用以确定上一时刻的单元状态Ct-1中被添加至单元状态Ct中的信息量，即遗忘门与前一状态连接来控制是否遗忘之前的输入信号；
所述细胞神经单元中，细胞状态贯穿整个过程，使信息以固定不变的方式传递。


2.根据权利要求1所述的基于LSTM模型的振动传递系统，其特征在于：所述输入门中，所述候选信息ct与决策向量it相乘，即输入门与输入信号相乘，输入到细胞神经单元中，决定哪些新信息被存放到单元状态Ct中，候选信息ct与决策向量it的计算表达式为：
it＝σ(Wi[ht-1,χt]+bi)(1)
ct＝tanh(Wc[ht-1,χt]+bc)(2)
其中，Wc为对应权重参数矩阵，bc为对应偏置，it为LSTM神经网络某节点在t时刻输入门的激活向量值；bi为对应的偏置项；χt为LSTM神经元在t时刻的输入数据；W...

【专利技术属性】
技术研发人员：余又红，贺星，王强，刘永葆，李默，贾延，李俊，张鑫，邢芷恺，郭大志，李钰洁，夏舸，祝燕，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：湖北;42