基于卷积神经网络-长短时记忆(convolutional neural network and long short-term memory,CNN-LSTM)模型开展了曲线变量的假人伤害预测应用研究.分别使用标定后1D简化模型和约束系统CAE模型开展变量和响应采集,搭建训练和测试数据库,使...基于卷积神经网络-长短时记忆(convolutional neural network and long short-term memory,CNN-LSTM)模型开展了曲线变量的假人伤害预测应用研究.分别使用标定后1D简化模型和约束系统CAE模型开展变量和响应采集,搭建训练和测试数据库,使用Pytorch搭建假人头部加速度和胸部压缩量CNN-LSTM预测模型,研究了样本数量对训练后模型精度的影响.结果显示,当训练样本数量达到一定规模后,继续增加训练样本数量对模型泛化能力提升有限,然而,在本文应用场景中,当样本数量到50时,测试样本预测精度R均值超过0.85,满足工程开发的预测精度要求.展开更多
文摘基于卷积神经网络-长短时记忆(convolutional neural network and long short-term memory,CNN-LSTM)模型开展了曲线变量的假人伤害预测应用研究.分别使用标定后1D简化模型和约束系统CAE模型开展变量和响应采集,搭建训练和测试数据库,使用Pytorch搭建假人头部加速度和胸部压缩量CNN-LSTM预测模型,研究了样本数量对训练后模型精度的影响.结果显示,当训练样本数量达到一定规模后,继续增加训练样本数量对模型泛化能力提升有限,然而,在本文应用场景中,当样本数量到50时,测试样本预测精度R均值超过0.85,满足工程开发的预测精度要求.
