一种基于深度学习的系统级整车振动预测方法

一种基于深度学习的系统级整车振动预测方法，使用深度学习方法，给出了通过LSTM模型构建适当关联模型的方法；通过加入dropout层，丢弃不重要的振动时刻，实现对时序振动特征的提取，构建的关联模型具有更高的泛化性，能适应各种复杂问题的预测。与现有技术相比，该方法所构建的关联模型相对于传统的多体动力学模型，具有更低的时间、空间成本；相对于同一领域的FNN方法，更能体现系统级振动特性，并最终得到更高的预测精度。