[发明专利]一种基于多层感知机的振动信息地形分类识别方法

权利要求书

1.一种基于多层感知机的振动信息地形分类识别方法，其特征在于，所述识别方法包括以下步骤：

S100采集振动传感器在不同地形环境下的原始振动数据，得到N个振动数据；

S200将步骤一采集到的振动信息的原始数据进行分段处理，每段对应于采集到的N个振动数据，形成一个3×N大小的向量；

S300对步骤二分割处理后的向量进行地形类型标记；

S400将分割后的向量转换到频域；

S500将转换到频域后的向量利用设计的多层感知机神经网络进行学习训练，得到训练后的多层感知机地形分类识别网络；

S600实时在线获取振动数据，执行步骤二至步骤四，利用步骤五训练后的多层感知机地形分类识别网络进行在线分类识别，获得地形类型。

2.根据权利要求1所述的一种基于多层感知机的振动信息地形分类识别方法，其特征在于，在S100中，具体的，采集振动传感器在不同地形环境下的原始振动数据，采样频率100Hz，得到64个振动数据。

3.根据权利要求1所述的一种基于多层感知机的振动信息地形分类识别方法，其特征在于，在S200中，具体的，将步骤一采集到的振动信息的原始数据进行分段处理，每段对应于采集到的64个振动数据，形成一个3×64大小的向量：

4.根据权利要求1所述的一种基于多层感知机的振动信息地形分类识别方法，其特征在于，在S300中，所述地形类型标记为：

其中，T_j为地形的种类，j＝1,2,3,4,5分别对应材质砖石地、细沙地、平地、水泥地和泥土地。

5.根据权利要求1所述的一种基于多层感知机的振动信息地形分类识别方法，其特征在于，在S400中，具体的，用FFT分别对标准化后的信号进行变换，得到前后[F(V_x)_1:64]，左右[F(V_y)_1:64]，和上下[F(V_z)_1:64]，最后将每个信号归一化到[0,1]区间，通过连接变换后的三轴信号作为特征向量，可得用于实际训练的特征向量表示，即

F^*＝[F(V_x)_1:64 F(V_y)_1:64 F(V_z)_1:64]。

6.根据权利要求1所述的一种基于多层感知机的振动信息地形分类识别方法，其特征在于，在S500中，具体的，多层感知机神经网络为五层感知机深度神经网络，每一层之间均为全连接。

7.根据权利要求6所述的一种基于多层感知机的振动信息地形分类识别方法，其特征在于，在S500中，具体的，多层感知机神经网络包括输入层、第一层、第二层、第三层和输出层，其中，输入层含有192个神经元，第一层含有128个神经元，第二层含有64个神经元，第三层含有64个神经元，输出层含有5个神经元，第一层、第二层和第三层的激活函数为ReLU型函数，输出层的激活函数为Softmax函数。

8.根据权利要求7所述的一种基于多层感知机的振动信息地形分类识别方法，其特征在于，在S500中，具体的，利用蝗虫优化算法训练多层感知机神经网络，包括以下步骤：

S510初始化蝗虫种群个数及其它相关参数；

S520将蝗虫各个元素与多层感知机神经网络的权重值和偏差关联；

S530适应度计算，通过多层感知机神经网络在所有训练集上的交叉熵数值大小评价多层感知机网络的质量；

S540利用蝗虫优化算法找到最小交叉熵对应的多层感知机神经网络，通过位置的更新不断的更新蝗虫的状态；

S550重复S520至S540，直到找到最优解；

S560返回训练最优解，即最优的多层感知机神经网络，其具有最小的交叉熵。