【技術實現步驟摘要】
本專利技術涉及深度學習。
技術介紹
1、巖土工程三軸試驗是研究土體和巖石力學特性的核心手段之一，其測試結果直接影響到巖土工程設計的可靠性和安全性。在三軸試驗中，試樣的端部摩擦效應是影響測試結果準確性的關鍵問題之一。傳統的加載方式通常會在試樣端部產生較大的滑動摩擦，從而導致試樣的應力和應變分布不均勻，影響試驗結果的真實性。
2、為了解決這一問題，cn118883231a提出了一種巖土工程三軸壓縮試驗主動展開式控制端頭裝置，如圖1、圖2、圖3、圖4所示，裝置結構包括：圓形承載基底，用于承載其他零部件裝置并設有相應的滑動部件；導軌系統，包含多組導軌塊和若干精密滾珠，導軌塊可在圓形承載基底上沿半徑方向運動；滑塊系統，包括圍繞基底圓心沿半徑方向設置的多圈滑塊，滑塊與導軌塊配合，滑塊之間設有耐壓弧形橡膠膜；滑塊主動控制系統，包括微型伺服電機、碳纖維傳力桿、傳感器、控制單元等。該裝置通過將試樣與加載頭之間的滑動摩擦轉化為滑塊與滾珠之間的滾動摩擦，并結合伺服控制實現對滑塊的主動控制，從而更好地貼合試樣在大變形過程中的運動規律。然而，伺服控制系統在實際應用中存在一定的局限性，尤其是在面對復雜、多變的加載條件時，難以實時、準確地響應試樣的動態變化，從而可能導致試樣應力應變狀態的偏差。
3、隨著深度學習技術的快速發展，其在模式識別、預測控制等領域展現出卓越的性能，并在諸多工程實踐中取得了顯著成效。深度學習模型能夠通過對海量歷史數據的學習，捕捉復雜系統中的潛在規律，從而在實時控制過程中做出更加精確的預測與響應。
4、
技術實現思路
1、為了解決巖土工程三軸壓縮試驗中端部摩擦效應導致試驗結果不準確的問題，本專利技術提供了一種基于深度學習模型的主動展開式端頭裝置優化控制方法，具體為一種基于卷積神經網絡（cnn）與長短期記憶網絡（lstm）混合模型的主動展開式端頭裝置優化控制方法。通過引入深度學習技術，特別是結合cnn和lstm的優勢，本專利技術突破了傳統伺服控制在復雜、非線性和多變的加載條件下響應不及時的限制，實現了對試驗中滑塊的實時高精度控制，實現對端部摩擦效應的更全面消除，從而大幅提升試驗結果的準確性和可靠性。
2、為實現上述技術目的，本專利技術通過以下技術方案實現：
3、一種基于深度學習模型的主動展開式端頭裝置優化控制方法，所述主動展開式端頭裝置包括：圓形承載基底，用于承載其他零部件裝置并設有相應的滑動部件；導軌系統，包含多組導軌塊和若干精密滾珠，導軌塊可在圓形承載基底上沿半徑方向運動；滑塊系統，包括圍繞基底圓心沿半徑方向設置的多圈滑塊，滑塊與導軌塊配合，滑塊之間設有耐壓弧形橡膠膜；滑塊主動控制系統，包括微型伺服電機、傳力桿、傳感器、控制單元；其特征在于，控制方法的實施步驟包括：
4、步驟1：傳感器布置與數據采集；
5、步驟2：數據預處理以及數據集建立；
6、步驟3：cnn-lstm混合模型的構建；
7、步驟4：cnn-lstm混合模型的訓練；
8、步驟5：cnn-lstm混合模型驗證與優化；
9、步驟6：模型部署與實時控制:?將經過驗證和優化的cnn-lstm混合模型部署在主動展開式端頭裝置的滑塊主動控制系統中，實現對滑塊運動的實時高精度控制。
10、本專利技術的優點和有益效果：
11、本專利技術通過引入cnn-lstm混合模型，對主動展開式端頭裝置的滑塊運動進行了精準的實時控制，有效解決了巖土工程三軸壓縮試驗中端部摩擦效應導致的試驗結果不準確問題。具體效果如下：
12、（1）滑塊控制精度顯著提升
13、本專利技術通過深度學習模型，實現對滑塊運動的實時高精度控制，顯著減少摩擦效應對試驗數據的影響。采用本專利技術的方法后，滑塊位移控制的標準偏差從原來的±5?μm降低到±2?μm，速度控制的誤差從±0.2?mm/s降低到±0.05?mm/s。這種高精度的控制確保了滑塊與試樣在大變形全過程中的同步性，顯著減少了端部摩擦效應對試驗結果的影響，試樣在大變形全過程中的應力應變分布均勻性提高了約15%至20%。
14、（2）系統自適應性和魯棒性增強
15、cnn-lstm混合模型具備強大的學習能力，能夠適應不同類型的巖土材料和多變的加載條件。在不同實驗條件下，cnn-lstm混合模型通過不斷的學習和更新，確保滑塊主動控制系統在各種加載條件下的優異控制效果。實際應用表明，系統響應時間縮短了約30%，控制精度提高了約25%。
16、（3）實驗效率的提升
17、由于滑塊主動控制系統能夠實時對滑塊進行精確控制，減少了因摩擦效應導致的實驗誤差，從而減少了重復實驗的需求，提高了實驗效率。具體表現為單次試驗時間縮短了約20%，試驗周期大大縮減，實驗人員能夠更快速地獲取高精度的實驗數據，優化整個實驗過程。
18、（4）適用范圍的擴展
19、本專利技術的方法不僅適用于傳統的巖土材料試驗，還能夠適應不同種類和形狀的試樣，以及不同的加載條件。這使得該方法在各種復雜工程試驗中具有廣泛的應用前景，拓展了巖土工程試驗的應用范圍。
20、（5）安全性和穩定性得到保障
21、滑塊主動控制系統內置異常檢測和故障保護機制，確保試驗過程的安全性和系統運行的穩定性。當cnn-lstm混合模型預測值超出安全范圍或系統發生異常時，系統能夠及時發出警報并停止滑塊運動，防止試樣損壞或設備故障。長時間運行測試表明，系統在連續運行48小時內無故障，滿足實際工程應用的需求。
22、（6）推動巖土工程試驗技術的發展
23、本專利技術將深度學習技術與巖土工程試驗相結合，開創了基于智能控制的試驗方法。通過精確的滑塊運動控制，能夠更深入地研究巖土材料在復雜應力狀態下的力學行為，為巖土工程的設計、分析和施工提供更加可靠的試驗數據和科學依據，推動了巖土工程試驗技術的發展。
本文檔來自技高網...【技術保護點】
1.一種基于深度學習模型的主動展開式端頭裝置優化控制方法，所述主動展開式端頭裝置包括：圓形承載基底，用于承載其他零部件裝置并設有相應的滑動部件；導軌系統，包含多組導軌塊和若干精密滾珠，導軌塊可在圓形承載基底上沿半徑方向運動；滑塊系統，包括圍繞基底圓心沿半徑方向設置的多圈滑塊，滑塊與導軌塊配合，滑塊之間設有耐壓弧形橡膠膜；滑塊主動控制系統，包括微型伺服電機、傳力桿、傳感器、控制單元；其特征在于，控制方法的實施步驟包括：
2.如權利要求1所述的一種基于深度學習模型的主動展開式端頭裝置優化控制方法，其特征在于，所述步驟1：
3.如權利要求1所述的一種基于深度學習模型的主動展開式端頭裝置優化控制方法，其特征在于，所述步驟2：
4.如權利要求1所述的一種基于深度學習模型的主動展開式端頭裝置優化控制方法，其特征在于，所述步驟3：
5.如權利要求1所述的一種基于深度學習模型的主動展開式端頭裝置優化控制方法，其特征在于，所述步驟4：
6.如權利要求1所述的一種基于深度學習模型的主動展開式端頭裝置優化控制方法，其特征在于，所述步驟5：p>
7.如權利要求1所述的一種基于深度學習模型的主動展開式端頭裝置優化控制方法，其特征在于，所述步驟6：
...【技術特征摘要】
1.一種基于深度學習模型的主動展開式端頭裝置優化控制方法，所述主動展開式端頭裝置包括：圓形承載基底，用于承載其他零部件裝置并設有相應的滑動部件；導軌系統，包含多組導軌塊和若干精密滾珠，導軌塊可在圓形承載基底上沿半徑方向運動；滑塊系統，包括圍繞基底圓心沿半徑方向設置的多圈滑塊，滑塊與導軌塊配合，滑塊之間設有耐壓弧形橡膠膜；滑塊主動控制系統，包括微型伺服電機、傳力桿、傳感器、控制單元；其特征在于，控制方法的實施步驟包括：
2.如權利要求1所述的一種基于深度學習模型的主動展開式端頭裝置優化控制方法，其特征在于，所述步驟1：
3....
【專利技術屬性】
技術研發人員：黃雨，劉侃侃，羅森林，王華進，張云秋，張鋒，葉斌，毛無衛，
申請(專利權)人：同濟大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。