一种基于物理信息深度神经网络的气动支撑系统动态特性预测与调控方法

本发明公开了基于物理信息深度神经网络的气动支撑系统动态特性预测与调控方法，针对气动支撑系统中带附加气包空气弹簧动态特性预测与调控，包括以下步骤：将振幅X和频率f作为输入特征，刚度差ΔK和滞后角差Δφ作为输出目标，对DNN模型进行训练；计算训练后DNN模型的均方误差(MSE)，当MSE小于等于0.1保存完成训练的DNN模型；将需要预测的振幅X和频率f作为特征参数分别输入到训练好的DNN模型和物理模型中分别得到刚度差Kd、滞后角差φd和刚度Kp、滞后角φp；由物理模型和DNN模型的输出结果叠加得到带附加气包空气弹簧的刚度KA和滞后角φA。该方法的优越性在于DNN模型可以对简化的物理模型进行补偿，更为准确的预测带附加气包空气弹簧的动态特性变化。