[发明专利]应用机器学习和数据回归的燃料电池堆组装力分布分析方法

权利要求书

1.一种应用机器学习和数据回归的燃料电池堆组装力分布分析方法，其特征在于包括：

获取压力纸的极限压强信息；

构建压强到灰度值的映射关系以及RGB到灰度的回归优化模型和约束条件，获取该回归优化模型的最优值w₁,w₂,w₃；

获得进入电池堆挤压的压力纸的高精度数字图像得到该图像的三维矩阵，将该三维矩阵变形为二维矩阵后初始化定义为争议类数据集，该争议类为初始化的数据集合，同时初始化两类辅助向量即一个类别编号向量和三个行号向量；

对图像进行背景色过滤：采用三叉树循环结构算法在每个循环中通过机器学习方式对争议类执行机器学习三分类处理形成新的争议类、删除类和保留类，对删除类白化处理、用新争议类更新原争议类重复上述操作，直至干扰色被全部过滤获得清洗后图像；

根据获得的RGB到灰度值的映射关系将清洗后图像转换成灰度图像；

计算灰度图像压力纸对应的压强分布，将该压强分布矩阵可视化获取燃料电池堆组装压力分布的均匀程度；

初始化争议类数据集、一个类别编号向量和三个行号向量；

调用无监督学习算法对争议数据集进行三分类处理，输出并更新类别编号向量以及删除类、保留类、争议类对应的行号向量和相应的均值颜色；

分别键入三个类别对应的数字，通过类别编号向量索引到各类别对应的行号向量，并通过行号向量对争议类数据集矩阵的对应元素做相应操作；

根据获取的三个类别对应的行号向量，分别索引到争议类数据集对应元素做相应处理：删除类代表背景色干扰，根据映射设想将其所有像素的三个分量均赋值为最高灰度值；保留类代表认定的真实受力区，不做任何改动；争议类表示包含有背景色干扰区域及有效受力区域，需要进一步分类处理和观察；应用此争议类更新争议类数据集矩阵上一时刻的争议类数据集矩阵；

重复进行以上操作直至算法收敛，并将变形矩阵复原为三维图像矩阵，此时获得背景色干扰被消除的图像矩阵。

2.根据权利要求1所述的方法，所述RGB到灰度的回归优化模型和约束条件表示为:

y＝w₁x₁+w₂x₂+w₃x₃

基于数据集，解决如下优化问题：

subject to：

构建无约束的拉格朗日数乘函数：

where

解得的鞍点值，则获得w₁，w₂的估计值，即根据约束条件w₁+w₂+w₃＝1获得w₃的估计值经过如上步骤得到样本估计后的映射关系：