科研之友
微信
新浪微博
Facebook
分享链接
摘要
铁路牵引变电站中，软导线-电气设备耦联体系具有较强几何非线性。为提升系统分析效率，提出了一种改进的软导线－电气设备耦联体系地震响应递归预测方法。基于长短时记忆（recursive long short-term memory，LSTM）神经网络与Dropout防止过拟合技术搭建了LSTM神经网络预测模型。建立了充分考虑软导线对相邻设备的耦联作用的软导线-电气设备耦联体系理论分析模型。为验证预测模型的泛化能力，筛选出了41条在峰值、频谱和持续时间上具有较大差异的地震波。并按照递归方案，将选取的地震波，以及软导线-电气设备耦联体系理论分析模型计算所得的位移响应，进行滑动切片处理，建立模型输入特征与输出响应标签的映射关系。在此基础上，利用该LSTM神经网络预测模型开展了软导线-电气设备耦联体系设备的地震位移响应预测，并采用多个评价指标进行较为全面的模型性能评估。研究结果表明：LSTM递归预测模型具有良好的地震响应预测性能，搭配Dropout技术能够有效防止模型训练过拟合，提高模型适应能力。对于差异较大的地震波数据，均能够快速预测出误差较小、相关度较高的地震响应，具有较好的准确性、高效性与泛化能力。所提方法能够较高效准确地预测任意时刻的软导线-电气设备耦联体系地震响应，为铁路牵引变电站抗震设计提供新的研究思路。
-
单位土木工程学院; 湖南省建筑设计院; 中南大学
