公开(公告)号：CN119337082A

公开(公告)日：2025-01-21

申请号：CN202411359827.1

申请日：2024-09-27

Applicant: 中北大学

Inventor： 亓雪 ,  赵美婷 ,  谭秋林 ,  樊磊

IPC: G06F18/20 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/0985 ,  G06F18/213

Abstract: 本发明提供了一种基于贝叶斯优化CNN‑LSTM的压电执行器温升预测方法，通过结合卷积神经网络和长短期记忆网络，再通过贝叶斯优化模型的预测结果，提高预测精度；使得卷积神经网络部分能够有效提取压电执行器数据的局部特征，而长短期记忆网络部分擅长捕捉时间序列数据的长期依赖关系，LSTM网络结构的设计加强了模型的抗噪声能力，通过贝叶斯优化对CNN‑LSTM模型的参数自动调优，贝叶斯优化通过构建代理模型来逼近目标函数，并利用采集函数指导搜索过程，减少了对目标函数的评估次数，从而提高计算效率，进一步提高对压电执行器温升现象的预测效果。本发明步骤包括采集温升数据、构建训练数据、CNN输入数据、LSTM输入数据和贝叶斯优化，最后得出最终预测结果。