실제 공정에서 감쇠기가 장착된 사장 케이블의 인장력 시험이 어렵고 정확도가 낮은 문제를 해결하기 위해 IWPA-LKCNN-LSTM 기반의 감쇠기 장착 사장 케이블 인장력 지능형 인식 방법을 제안하였다. 실제 공정에서 감쇠기 장착 사장 케이블의 동적 응답 시험을 수행하였으며, 시험 데이터를 기반으로 감쇠기 장착 사장 케이블 인장력을 지능적으로 인식할 수 있는 딥러닝 모델을 개발하였다. 모델은 인장력, 길이, 선밀도, 주파수, 차수를 특성 입력으로 하며, 먼저 개선된 늑대 무리 알고리즘(improved solf pack algorithm, IWPA)을 사용해 LSTM 신경망의 하이퍼파라미터를 적응적으로 최적화하고, 이후 LKCNN-LSTM(대형 합성곱 커널 신경망-장단기 기억)을 이용해 학습하여 감쇠기 장착 사장 케이블 인장력을 지능적으로 인식한다. 학습된 네트워크가 테스트 세트에서 인식한 인장력 값과 실제 인장력 값 간의 평균 오차는 2.024%, 평균 제곱 오차는 0.0994%, 결정 계수는 0.9806이며, 인장력 오차는 모두 5% 미만이다. 인장력 계산 공식 및 다른 머신러닝 알고리즘과 비교한 결과, 해당 방법이 감쇠기 장착 사장 케이블 인장력을 지능적이고 정확하게 인식할 수 있으며, 광범위한 응용 전망을 가짐을 보여준다.

사장 케이블;인장력 인식;감쇠기;딥러닝;개선된 늑대 무리 알고리즘