买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学

摘要：一种基于自注意力集成学习的起落架性能预测方法，涉及起落架性能预测领域。本发明是为了解决现有起落架性能预测方法还存在计算效率和预测精度不高的问题。本发明包括：获取待预测的起落架性能数据的关键特征，将待预测的起落架性能数据的关键特征数据输入到起落架性能预测模型中获得起落架的重心垂直载荷、重心垂向位移；所述起落架性能预测模型通过以下方式获得：获取起落架性能数据；利用MCA模型剔除起落架性能数据特征中的无效特征和冗余特征，获得起落架性能数据中的关键特征数据；利用关键特征数据对AMLP进行训练获得训练好的AMLP模型；采用网格搜索法对训练好的AMLP模型的超参数进行调优，获得起落架性能预测模型。本发明用于预测起落架性能。

主权项：1.一种基于自注意力集成学习的起落架性能预测方法，其特征在于所述方法具体过程为：获取待预测的起落架性能数据的关键特征数据，将待预测的起落架性能数据的关键特征数据输入到起落架性能预测模型中获得起落架的重心垂直载荷、重心垂向位移；所述待预测的起落架性能数据的关键特征数据，通过以下方式获得：步骤一、获取起落架性能数据；所述起落架性能数据包括：输入参数X1～X15、输出参数Y1'～Y2'；所述输入参数X1～X15依次为：机轮垂向位移、机轮垂向速度、机轮航向位移、机轮航向速度、支柱行程速度、缓冲器轴向载荷、空气弹簧力、油液阻尼力、缓冲器摩擦力、结构限制力、支柱变形力、高压腔充压、低压腔冲压、轮胎气压、当量质量；所述输出参数Y1'～Y2'依次为：重心垂直载荷、重心垂向位移；步骤二、建立MCA模型，利用MCA模型剔除起落架性能数据特征中的无效特征和冗余特征，获得起落架性能数据中的关键特征数据；所述起落架性能预测模型通过以下方式获得：步骤三、建立AMLP模型，利用步骤二获得关键特征数据对AMLP进行训练获得训练好的AMLP模型；步骤三一、建立AMLP模型：所述AMLP模型包括：基学习器、权重分配网络；所述基学习器用于根据起落架性能数据关键特征数据获得起落架性能初始预测结果{Y1、Y2、Y3....Yn}；所述权重分配网络用于感知起落架初始预测结果分布状态，并调整起落架初始预测结果的权重分配，获得起落架性能最终预测结果，包括：Selfattention层、MLP网络；所述Selfattention层用于感知起落架性能初始预测结果分布状态；所述MLP网络用于根据起落架性能初始预测结果分布状态调整初始预测结果的权重分配，获得起落架性能最终预测结果；步骤三二、利用步骤二获得的关键特征数据对AMLP进行训练获得训练好的AMLP模型；步骤四、采用网格搜索法对训练好的AMLP模型的超参数进行调优，获得起落架性能预测模型。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于自注意力集成学习的起落架性能预测方法