5. Заключение

В данной статье, новый метод, основанный на ИНС, был предложен для одновременной идентификации физических параметров, а также для разделения линейных и нелинейных физических параметров для нелинейных систем с несколькими степенями свободы. Это исследование началось с предложения общего метода для идентификации системы с одной степенью свободы, а затем расширен до разработки модели системы с несколькими степенями свободы. Сперва была исследована единичная степень свободы с нелинейным членом в жесткости, и полученные результаты идентификации показали надежность предлагаемого метода. Следует отметить, что учебные данные не должны быть нормализованы для достижения истинной идентификации. Вместо этого, были рассмотрены следующим образом три завершающих критерия, направленных на прекращение процедуры обучения: (а) когда число эпох превышает их предопределенное количество; (б), когда данные нейронной сети становятся меньше определенного значения; (в) когда изменения в градиенте данных недостаточно велики. Наконец, чтобы обобщить идентификацию до систем с несколькими степенями свободы, в данном исследовании мы шагнули дальше к перестройке общего уравнения колебаний, и получили возможность использовать обновленную версию уравнения для предыдущего метода. Было исследовано еще два примера для более подробного представления метода. Как и ожидалось, примеры показывают, что оценочные значения физических параметров находятся в практически полном соответствии с фактическими значениями и отделение линейной жесткости системы от нелинейной осуществляется достаточно точно.

Благодарность

Авторы хотели бы признать и выразить особую благодарность анонимным рецензентам за конструктивный совет, который улучшил рукопись.