一种基于深度学习模型的主动展开式端头装置优化控制方法

本发明公开了一种基于深度学习模型的主动展开式端头装置优化控制方法。首先，在主动展开式端头装置的每一个滑块上安装高精度传感器，通过高速数据采集卡实时采集试验过程中关键数据，包括滑块位移和速度、剪切力、摩擦力等；随后对采集到的数据进行预处理；构建CNN‑LSTM混合模型，并采用处理后的数据进行训练；训练完成后，进一步对模型进行验证和优化；最后，将优化后的CNN‑LSTM模型应用于滑块主动控制系统，实时预测并调整滑块的位移和速度，确保滑块与试样在大变形过程中高度匹配，从而有效消除摩擦效应。本发明通过深度学习模型实现对滑块的高精度控制，大幅提升了试验数据的准确性与系统的适应能力，在复杂的实验条件下表现出优异的控制效果。