基于神經(jīng)網(wǎng)絡(luò)的大變形柔性體動態(tài)受力測量信息轉(zhuǎn)換方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于降落傘測量技術(shù)和計算機機器學(xué)習(xí)領(lǐng)域，特別是一種針對大變形柔性 體的基于神經(jīng)網(wǎng)絡(luò)的動態(tài)受力測量方法。
【背景技術(shù)】
[0002] 目前，對大變形柔性體工作過程中的數(shù)學(xué)模擬一般基于CFD-MSD(Mass Spring Damper Model,質(zhì)點彈簧阻尼模型）親合模型。利用計算流體力學(xué)和結(jié)構(gòu)動力學(xué)的基礎(chǔ)知 識，進行數(shù)值求解，模擬大變形柔性體工作過程中的結(jié)構(gòu)和流場變化情況。雖然這種模型可 以較好地反映柔性體所受氣動彈性力的情況。但現(xiàn)有的數(shù)學(xué)模擬方法忽略了很多因素，如 織物透氣量、彈性系數(shù)及阻尼系數(shù)的不確定性等。特別是耦合模型是建立在半理論半經(jīng)驗 的基礎(chǔ)上，織物應(yīng)力、應(yīng)變初始參數(shù)的設(shè)定僅是基于某種假設(shè)，模型最終計算結(jié)果缺乏真實 的實驗數(shù)據(jù)來進行量化驗證。
[0003] 由于神經(jīng)網(wǎng)絡(luò)具有并行處理、分布存儲、自學(xué)習(xí)、自適應(yīng)、高度容錯能力等優(yōu)點，因 此廣泛應(yīng)用于擬合、分類、預(yù)測、模式識別、信號處理和圖像處理等。神經(jīng)網(wǎng)絡(luò)模型是的一種 很好的建模方法，可有效地將信息空間的數(shù)據(jù)轉(zhuǎn)換成力學(xué)空間的數(shù)據(jù)，可以縮短建模周期， 顯著地提高建模精度和泛化能力。比如將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用測試系統(tǒng)的非線性動態(tài)補償中， 并取得了較好的補償轉(zhuǎn)換效果；通過實現(xiàn)一種基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)補償算法，并將其 應(yīng)用于機械過程控制系統(tǒng)的數(shù)據(jù)補償轉(zhuǎn)換問題中，有效的提高了被控非線性系統(tǒng)的穩(wěn)定性 和魯棒性；針對傳感器受環(huán)境因素影響的誤差，設(shè)計基于BP神經(jīng)網(wǎng)絡(luò)的FPGA溫度、濕度硬 件補償系統(tǒng)，并得到了很好地補償轉(zhuǎn)換效果等。
[0004] 目前，國內(nèi)外現(xiàn)有技術(shù)當中尚無將神經(jīng)網(wǎng)絡(luò)應(yīng)用于大變形柔性體動態(tài)受力測量的 信息轉(zhuǎn)換方法。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所解決的技術(shù)問題在于提供一種基于神經(jīng)網(wǎng)絡(luò)的大變形柔性體動態(tài)受力 測量信息轉(zhuǎn)換方法，能有效地實現(xiàn)針對大變形柔性體動態(tài)受力的轉(zhuǎn)換。
[0006] 實現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種基于神經(jīng)網(wǎng)絡(luò)的大變形柔性體動態(tài)受力 測量信息轉(zhuǎn)換方法，包括如下步驟：
[0007] 步驟1、使用測量柔性體受力作用的應(yīng)變傳感器在理想環(huán)境下對被測柔性體進行 電壓-受力的標定；
[0008] 所述理想環(huán)境是指溫度25 °C，壓強為1個標準大氣壓，相對濕度為40%，風(fēng)速Om/ So
[0009] 所述測量柔性體受力作用的應(yīng)變傳感器的測量拉力范圍為0~1500N，傳感器的 輸出電壓范圍為〇~3. 3v，所述標定是指在織物上安裝傳感器后，在高精度萬能材料試驗 機上進行從0到滿負載拉力實驗，得到系列傳感器/織物對應(yīng)的電壓-受力測量數(shù)據(jù)。本 發(fā)明所用的傳感器已經(jīng)在專利《一種測量柔性織物應(yīng)力作用的應(yīng)變傳感器》中公開，專利號 為：201320332161.1。
[0010] 步驟2、對測量柔性體受力作用的應(yīng)變傳感器獲取的測量數(shù)據(jù)進行濾波處理，所 用公式為：
[0011]
[0012] 式中，Xj是理想環(huán)境下標定測量的待濾波電壓序列，X為濾波后的電壓序列，k為 標定數(shù)據(jù)濾波的滑動寬度，i、j均為正整數(shù)。
[0013] 步驟3、根據(jù)步驟2得到的濾波后應(yīng)變傳感器測量數(shù)據(jù)構(gòu)建電壓-受力函數(shù)，所述 電壓-受力函數(shù)f(x)具體為：
[0014]
[0015] 其中X為自變量電壓，d為自然數(shù)，表示最高項次數(shù)，Bi為第i項的系數(shù)，為實數(shù)。
[0016] 步驟4、獲取被測對象柔性體在實際環(huán)境下工作過程中的受力信息，即應(yīng)變傳感器 的電壓數(shù)據(jù)，并對該數(shù)據(jù)進行濾波處理，對數(shù)據(jù)進行濾波處理所用公式為：
[0017]
[0018] 式中，是在實際環(huán)境中測量的待濾波電壓序列，X' i為濾波后的實測電壓序列， k'為實測的濾波滑動寬度。
[0019] 步驟5、根據(jù)步驟4濾波后的應(yīng)變傳感器電壓數(shù)據(jù)建立大變形柔性體動態(tài)測量數(shù) 據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)的輸入為傳感器的輸出電壓，期望輸出為柔性體的受力信息，
[0020] 所述大變形柔性體動態(tài)測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)為三層神經(jīng)網(wǎng)絡(luò)，包含一個輸入 層、一個輸出層和一個隱層；神經(jīng)網(wǎng)絡(luò)的輸入為經(jīng)過濾波處理后的真實場景下傳感器采集 的電壓數(shù)據(jù)，輸出為柔性體的真實受力信息；
[0021] 所述輸入層包括一個輸入量，多個輸出量，輸入量為經(jīng)過濾波處理后的傳感器采 集的電壓數(shù)據(jù)，輸出量為輸入量的恒等映射，輸出量的數(shù)量與隱層神經(jīng)元的個數(shù)相同；
[0022] 隱層神經(jīng)元的個數(shù)nh由自適應(yīng)控制確定，規(guī)律描述公式如下：
[0023]
[0024] 其中，np為樣本數(shù)量，隱層包括n h個輸入量，n h個輸出量，輸入量為輸入層的輸出， 其激勵函數(shù)為Chebyshev正交基函數(shù)：
[0025]
[0026] 式中，gi (X)為第i個神經(jīng)元的激勵函數(shù)，隱層的輸出量為：Iii= w ^i(Xt), i = 1，2，· · ·，Hj1, ? 1，2，· · ·，Πρ
[0027] 輸出層包括nh個輸入量，一個輸出量，輸入量為隱層的輸出，其激勵函數(shù)為 線性函數(shù)，輸出層的期望輸出為求得的電壓-受力函數(shù)對應(yīng)的函數(shù)輸出，輸出量為：
[0028] 其中，&為隱層第i個神經(jīng)元的權(quán)重，x t為經(jīng)過濾波處理后的電壓，np為訓(xùn)練樣本 數(shù)量，％為隱層神經(jīng)元個數(shù)，〇 t為輸出層的輸出。
[0029] 步驟6、采用被測對象在實際環(huán)境下工作過程中的受力信息，對大變形柔性體動態(tài) 測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練；
[0030] 步驟7、使用訓(xùn)練好的大變形柔性體動態(tài)測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)進行電學(xué)-力學(xué) 空間信息轉(zhuǎn)換，得到轉(zhuǎn)換后的大變形柔性體動態(tài)測量數(shù)據(jù)的受力信息輸出。
[0031] 本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點為：⑴本發(fā)明的大變形柔性體基于神經(jīng)網(wǎng) 絡(luò)模型的動態(tài)受力測量信息的轉(zhuǎn)換方法，是一種動態(tài)受力測量信息轉(zhuǎn)換方法，使用應(yīng)變傳 感器和神經(jīng)網(wǎng)絡(luò)模型，可有效減小計算復(fù)雜度，縮短建模周期；（2)本發(fā)明利用平均濾波處 理測量的原始數(shù)據(jù)，可有效濾除傳感器/柔性體在測量過程中受到來自外源的干擾，可提 高數(shù)據(jù)的準確性；（3)本發(fā)明利用神經(jīng)網(wǎng)絡(luò)良好的非線性函數(shù)逼近能力，進行信息空間到 力學(xué)空間的轉(zhuǎn)換，可有效提高傳感器的轉(zhuǎn)換精度；(4)本發(fā)明使用優(yōu)化計算方法來自適應(yīng) 尋找最佳隱含層單元數(shù)，可解決設(shè)計三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的盲目性，節(jié)省了大量的訓(xùn)練時間， 具有科學(xué)性和實用性。
[0032] 下面結(jié)合附圖對本發(fā)明作進一步詳細描述。
【附圖說明】
[0033] 圖1為本發(fā)明的大變形柔性體基于神經(jīng)網(wǎng)絡(luò)模型的動態(tài)受力測量信息的轉(zhuǎn)換方 法流程圖。
[0034] 圖2為大變形柔性體轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)的三層結(jié)構(gòu)示意圖。
[0035] 圖3為實施例中柔性體材料軋光錦絲格子綢544織物的一組電壓-受力標定曲 線。
[0036] 圖4為實施例中柔性體材料軋光錦絲格子綢544織物在40m/s風(fēng)速風(fēng)洞環(huán)境下的 受力曲線。
[0037] 圖5為實施例中柔性體材料軋光錦絲格子綢544織物在50m/s風(fēng)速風(fēng)洞環(huán)境下的 受力曲線。
【具體實施方式】
[0038] 本發(fā)明的一種基于神經(jīng)網(wǎng)絡(luò)的大變形柔性體動態(tài)受力測量信息轉(zhuǎn)換方法，包括如 下步驟：
[0039] 步驟1、使用測量柔性體受力作用的應(yīng)變傳感器在理想環(huán)境下對被測柔性體進 行電壓-受力的標定；所述理想環(huán)境是指溫度25°C，壓強為1個標準大氣壓，相對濕度為 40%，風(fēng)速Om/s ;測量柔性體受力作用的應(yīng)變傳感器的測量受力范圍為0~1500N，傳感器 的輸出電壓范圍為〇~3. 3v ;所述標定是指在織物上安裝傳感器后，在萬能材料試驗機上 進行從0到滿負載拉力實驗，得到該傳感器/織物對應(yīng)的電壓-受力測量數(shù)據(jù)。
[0040] 步驟2、對測量柔性體受力作用的應(yīng)變傳感器獲取的測量數(shù)據(jù)進行濾波處理；對 測量柔性體受力作用的應(yīng)變傳感器獲取的測量數(shù)據(jù)進行濾波處理所用公式為：
[0041]
[0042] 式中，\是理想環(huán)境下標定測量的待濾波電壓序列，x為濾波后的電壓序列，k為 標定數(shù)據(jù)濾波的滑動寬度，i、j均為正整數(shù)。
[0043] 步驟3、根據(jù)步驟2得到的濾波后應(yīng)變傳感器測量數(shù)據(jù)構(gòu)建電壓-受力函數(shù)；所述 電壓-受力函數(shù)f(x)具體為：
[0044]
[0045] 其中X為自變量電壓，d為自然數(shù)，表示最高項次數(shù)，Bi為第i項的系數(shù)，為實數(shù)。
[0046] 步驟4、獲取被測對象柔性體在實際環(huán)境下工作過程中的受力信息，即應(yīng)變傳感器 的電壓數(shù)據(jù)，并對該數(shù)據(jù)進行濾波處理；對數(shù)