[发明专利]一种基于动态信号的压阻阵列及压力分布匹配方法有效
申请号: | 201910598011.7 | 申请日: | 2019-07-04 |
公开(公告)号: | CN110414366B | 公开(公告)日: | 2023-05-19 |
发明(设计)人: | 段升顺;宋长骏;朱迪;吴俊 | 申请(专利权)人: | 东南大学 |
主分类号: | G06F18/2413 | 分类号: | G06F18/2413;G06F18/22;G06N3/0464;G06N3/096;G06N3/082;G01L1/18 |
代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 柏尚春 |
地址: | 210000 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 动态 信号 阵列 压力 分布 匹配 方法 | ||
1.一种基于动态信号的压阻阵列,其特征在于,包括:
柔性压力传感器阵列,包括上层阵列,柔性基底层和下层阵列;在不同压力下,所述上层阵列和下层阵列分别输出一维动态电信号out_x和out_y;
动态信号获取处理单元,用于接收和处理所述一维动态电信号out_x和out_y;
卷积神经网络判别单元,用于压力分布匹配;
数据库单元,用于训练所述卷积神经网络判别单元;
对于n×n的压阻阵列,所述柔性压力传感器阵列采用n类传感器单元,各类传感器单元对同一压力具有不同响应;
所述上层阵列共n行,各行采用不同类传感器单元,其中每行的n个传感器单元相同且串联,n行传感器单元子阵列并联,输出out_y信号;
所述下层阵列共n列,各列采用不同的传感器单元,其中每列n个传感器相同且串联,n列传感器单元子阵列并联,输出为out_x信号。
2.根据权利要求1所述的基于动态信号的压阻阵列,其特征在于:所述n类传感器单元采用不同数量电阻串联的方式实现对同一压力进行不同响应。
3.根据权利要求1所述的基于动态信号的压阻阵列,其特征在于:所述卷积神经网络判别单元为深度可分解卷积神经分类网络,包括卷积层,池化层,全连接层,softmax分类层和Dropout层。
4.根据权利要求3所述的基于动态信号的压阻阵列,其特征在于:所述卷积层采用长度为3的一维卷积核;池化层采用核长度为2的一维平均池化;采用Dropout层对模型进行约束,其中,第一层卷积层dropout取值0.9,第二层卷积层dropout取值0.8,第三层卷积层dropout取值0.7;全连接层的dropout取值为0.5;softmax分类层的类别数目由数据库单元中的target数据类别确定。
5.根据权利要求1所述的基于动态信号的压阻阵列,其特征在于:所述动态信号获取处理单元包括电响应获取模块和电信号处理模块;
所述电响应获取模块由GPU芯片控制模数转换模块采集out_x和out_y两电信号输出端口的电压信号,信号采集点数为W;
所述电信号处理模块利用记录的初始电压信号U0,将电响应获取模块获取到的电压信号处理为(Ui-U0)/U0,其中,Ui为out_x和out_y中的电压信号点,i=1,2,...,W。
6.根据权利要求5所述的基于动态信号的压阻阵列,其特征在于:将out_x,out_y拼接为三维矩阵,其维度为[1,W,2],其中,第三维第一通道为处理后的out_x电信号,第三维第二通道为处理后的out_y电信号。
7.一种基于如权利要求6所述压阻阵列的压力分布匹配方法,其特征在于,包括如下步骤:
步骤1、数据库构建;利用动态信号处理单元获取柔性压力传感器阵列的输出信号out_x,out_y,处理为[1,W,2]的矩阵,作为数据库单元的source,其中,W为采集点数;对应的压力分布方式作为数据库单元的target;基于数据(source,target)构建数据库单元;
步骤2、利用数据库单元中的数据(source,target),采用迁移学习训练构建的预训练过的神经网络判别单元;
步骤3、动态信号获取处理单元从柔性压力传感器阵列获取out_x,out_y信号并处理,并将处理后的out_x,out_y信号输入到神经网络判别单元中进行压力匹配的识别;
步骤4、神经网络输出的值即为压力的分布点。
8.根据权利要求7所述的压力分布匹配方法,其特征在于:所述步骤1中,采用one-hot编码格式编码。
9.根据权利要求7所述的压力分布匹配方法,其特征在于:所述步骤2中,采用交叉验证法来评估神经网络模型的性能。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910598011.7/1.html,转载请声明来源钻瓜专利网。