大口径射电望远镜因结构自重、风载荷和热载荷等因素影响易产生结构变形，导致其电性能严重下降，天线结构变形的高精度感知是实现其电性能调控的首要条件。采用应变传感器测量的结构应变信息间接重构结构变形非常适用于射电望远镜服役状态实时监测，然而，现有基于模态法的射电望远镜结构变形重构方法因实际天线结构与有限元模型间存在模型误差导致变形重构精度低，为此，本文提出了一种基于模态-MSIDBO（Multi-strategy improved dung beetle optimizer，多策略改进蜣螂算法）-BiLSTM（Bi-directional Long Short-Term Memory，双向长短时记忆神经网络）算法的射电望远镜结构变形高精度重构方法，该方法通过采用拉丁超立方初始化、变螺旋策略、非线性收敛因子及环境感知策略增强蜣螂算法的全局搜索能力，形成多策略改进的蜣螂算法，利用该算法优化双向长短时记忆神经网络的学习率、隐藏层神经元数量及网络权重等关键参数，结合模态重构方法构建了从应变测量信息到结构变形信息的模态-MSIDBO-BiLSTM映射网络，实现了射电望远镜结构变形的高精度重构。在结果分析中，首先采用四类基准函数验证了MSIDBO的优化性能，结果表明其在收敛速度、解质量与算法稳定性方面均优于PSO、WOA、GWO和SCA等对比算法；之后，通过面板模拟结构实验验证了所提重构方法的有效性；最后，以40米口径射电望远镜为对象开展了仿真验证，结果表明在30°、60°和90°俯仰角及1~6级风载荷工况下，所提重构方法可有效修正模态法重构误差，重构出的结构变形平均绝对百分比误差低于8%，提升了结构变形的重构精度与可靠性，为大口径射电望远镜的高性能观测提供了重要技术支撑。
Wang et al. (Thu,) studied this question.