基于双域监督深度学习的弓网高频接触力预测方法及装置

本申请提供一种基于双域监督深度学习的弓网高频接触力预测方法及装置，涉及弓网系统仿真技术领域，该方法通过在训练弓网仿真模型时构建包括时域损失函数、频域损失函数以及融合损失函数的目标损失函数，并分别对预测接触力序列和实际接触力序列进行快速傅里叶变换得到对应的频域特征，并将接触力序列和频域特征进行融合得到融合特征，通过频域特征和融合特征深层次提取仿真参数对弓网高频接触力的影响，并对弓网仿真模型进行训练，可以使训练完成的目标弓网仿真模型能够更为准确的对待仿真参数进行仿真，可以进一步提高仿真接触力序列的准确性。