[发明专利]一种基于LSTM的结构动力响应预测方法

权利要求书

1.一种基于LSTM的结构动力响应预测方法，其特征在于，包括以下步骤：

(1)首先通过有限元计算或现场实测得到极端荷载作用下结构的非线性动力响应，并进行分类、整理、排序，建立样本库。其中，得到结构在极端荷载作用下的非线性动力响应的方法具体为：

对于长期服役后的结构，通过布设应变片，测得结构在结构极端荷载作用下的动力响应；

对于全新的结构，知道其物理参数时，可以通过有限元弹塑性本构理论计算得到结构极端荷载作用下的结构响应。

(2)建立LSTM的结构动力响应预测模型，并进行训练；

(3)测试阶段，将现场实际加载条件，输入步骤(2)中训练好的LSTM网络，得到预测的结构非线性动力响应。

2.根据权利要求1所述的基于LSTM的极端荷载作用下的的结构动力响应预测方法，其预测的动力响应具体为：结构的位移、应力、应变、内力、结构反力中的任意一种或多种。其输入的加载条件具体具体为：位移加载、力加载、地震荷载、风荷载、潮汐荷载中的任意一种或多种。

3.根据权利要求1所述的基于LSTM的极端荷载作用下的的结构动力响应预测方法，其特征在于，所述的步骤(2)中，通过长短时记忆法网络根据结构加载条件预测结构的动力响应。LSTM网络结构如下：

①输入层：将提取出的裂纹扩展路径历史特征作为输入，经过一次权重和偏置的转化，再进入激活函数tanh，再将数据转化为一个三维数组，作为进入隐藏层的输入，x坐标为进入此批训练批次数batch_size，y坐标为一个batch的数据条数，也就是一次进入长短时记忆模型lstm训练的数据数量，z坐标为cell_size，即隐藏层单元数；

②隐藏层：将处理好的数据，以及上一次lstm单元得到的隐藏层状态输入lstm单元，如果第一次训练，需将隐藏层初始化为0，如果不是第一次训练，则沿用上一次的隐藏层的参数，然后经过输入门、遗忘门、输出门，得到隐藏层输出数据以及此时的隐藏层状态；

③输出层：将隐藏层得到的输出进行再变形，并经过输出层权重和偏置的转化，得到下一个时刻应力扩展路径的特征。

④其他：训练期间的反响传播中，权重、偏置、隐藏层状态的调整都由loss损失函数来确定，通过构造损失函数并进行梯度下降处理，反向传播修正各个参数。

4.根据权利要求1所述的基于LSTM的极端荷载作用下的的结构动力响应预测方法，其特征在于，所述的步骤(3)中，现场实际加载条件可以根据实际情况测得，或者通过灾害预报估算结构可能遭受到的荷载强度。