一种基于多任务交互PINN和全局振动模型的滚柱直线运动导轨振动分析方法

AITNT
正文
推荐专利
一种基于多任务交互PINN和全局振动模型的滚柱直线运动导轨振动分析方法
申请号:CN202411837034
申请日期:2024-12-13
公开号:CN119940080A
公开日期:2025-05-06
类型:发明专利
摘要
本发明公开了一种基于多任务交互PINN和全局振动模型的滚柱直线运动导轨振动分析方法,包括以下步骤:(1)设置全局笛卡尔坐标系,定义滑块的五个运动自由度;(2)使用拉格朗日方程描述RLMG系统,生成系统的矩阵形式振动方程;(3)将滚柱体、轨道和滑块间的接触简化为弹簧‑阻尼系统,建立局部接触坐标系;(4)基于刚体运动学计算滚柱体相对滑块的速度和位置变化;(5)通过缩放多自由度耦合方程并无量纲化,将无量纲化的RLMG振动方程引入PINN损失函数,应用软约束编码动力学约束;(6)基于无量纲化选择的时间尺度因子,对原始时间变量进行变换,并输入设计的交互网络进行预测,同时通过硬约束嵌入初值条件,使网络的预测严格满足初始条件;(7)使用梯度算法计算预测输出的导数输入无量纲方程,生成相应的子损失函数。利用行为增强黑翅鸢算法BE‑BKA计算各子损失的最优权重;(8)使用多梯度协同优化方法自适应调整网络权重;本发明以满足工业应用中对实时控制和振动响应预测的需求。
技术关键词
直线运动导轨 振动分析方法 拉格朗日方程 多任务 交互网络 协同优化方法 柱体 刚体运动学 矩阵 笛卡尔坐标系 阻尼系统 梯度算法 生成系统 滑块 轨道 振动分析系统 动能
系统为您推荐了相关专利信息
1
一种单级共源结构和电感负载输出级电路的预测补偿方法
预测补偿方法 输出级电路 多任务学习模型 联合损失函数 电感
2
多任务学习下的模型组件化优化方法
化优化方法 卷积神经网络提取特征 多模态 文本 跨模态
3
一种基于深度学习的运动员投掷动作分析与训练方法及设备
运动员 三维骨骼模型 深度神经网络模型 RANSAC算法 三维姿态信息
4
一种多任务肉品新鲜度监测方法和装置
新鲜度 卷积神经网络模型 机器学习模型 多任务 监测方法
5
基于医疗多模态数据的大模型训练方法、系统
大语言模型 模型训练方法 多模态 数据编码器 前馈神经网络
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号