[发明专利]一种基于回归神经网络的装配扭矩监测系统及监测方法

权利要求书

1.一种基于回归神经网络的装配扭矩监测系统，其特征在于：包括可穿戴测量设备(1)、扭矩回归模块(2)和计算机(4)；

所述可穿戴测量设备(1)包括无线通信单元(13)以及与无线通信单元电连接的肌肉测量单元(11)和惯性测量单元(12)；所述肌肉测量单元(11)和惯性测量单元(12)分别采集操作人员在装配过程中产生的sEMG信号和惯性信号，所述无线通信单元(13)与所述计算机无线通信连接，用于将采集到的sEMG信号和惯性信号发送至计算机(4)；

还包括扭矩样本采集装置(3)，其设置于装配体样本上并与所述计算机(4)电连接，所述扭矩样本采集装置(3)采集操作人员对装配体样本进行装配过程中产生的扭矩信息并发送至所述计算机(4)上；

所述计算机(4)包括回归神经网络模型，所述计算机(4)将sEMG信号和惯性信号作为输入，扭矩信息作为输出，对所述回归神经网络模型进行训练，得到训练好的扭矩监测模型；

所述扭矩回归模块(2)包括处理器和反馈装置，所述处理器与所述可穿戴测量设备(1)和反馈装置电连接且嵌入有所述训练好的扭矩监测模型，用于接收sEMG信号和惯性信号并通过扭矩监测模型计算装配扭矩，通过所述反馈装置反馈给操作人员；

所述回归神经网络模型为异构时空卷积神经网络或双流卷积神经网络；

所述异构时空卷积神经网络包括输入端、特征融合模块、复数个异构时空卷积模块、特征展平模块、全连接层和输出端；

所述输入端用于接收sEMG信号和惯性信号；所述特征融合模块用于将sEMG信号和惯性信号按通道叠加的方式融合，并组合成新的特征矩阵；所述异构时空卷积模块用于对所述特征矩阵进行处理，生成二维特征，其具体包括因果卷积层、异构卷积层和残差连接层；所述特征展平模块用于接收经异构时空卷积模块提取的二维特征，并转换为sEMG信号和惯性信号的一维特征；所述全连接层用于处理特征展平模块得到的一维特征；所述输出端用于输出回归神经网络估计的装配扭矩；

所述双流卷积神经网络包括复数个双流卷积模块、特征展平模块、特征组合模块、全连接层和输出端；

所述双流卷积模块用于分别对输入的所述sEMG信号和惯性信号进行处理，生成二维特征，其具体包括一维卷积层、批量归一化层、ReLU激活函数和平均池化层；所述特征展平模块用于接收经双流卷积模块提取的二维特征，并转换为sEMG信号和惯性信号的一维特征；所述特征组合模块用于将sEMG信号和惯性信号的一维特征按线性组合的方式组合成新的一维特征；所述全连接层用于处理特征组合模块得到的新的一维特征；所述输出端输出回归神经网络估计的装配扭矩。

2.根据权利要求1所述的一种基于回归神经网络的装配扭矩监测系统，其特征在于：所述计算机(4)内还包括预处理模块，所述预处理模块包括陷波器、零相移高通滤波器和零相移低通滤波器，所述sEMG信号、惯性信号和扭矩信息通过所述陷波器消除信号工频干扰，所述sEMG信号和惯性信号通过所述零相移高通滤波器和零相移低通滤波器进行信号降噪。

3.根据权利要求1所述的基于回归神经网络的装配扭矩监测系统，其特征在于：所述无线通信单元(13)为蓝牙模块。

4.一种基于回归神经网络的装配扭矩监测方法，基于权利要求1-3任一权利要求所述的基于回归神经网络的装配扭矩监测系统实现，其特征在于，包括以下步骤：

样本采集，操作人员佩戴可穿戴式测量设备(1)进行装配操作；所述可穿戴式测量设备(1)采集操作人员的sEMG信号和惯性信号，所述扭矩样本采集装置(3)采集装配体所受的扭矩信息，并通过所述无线通信单元(13)传输至计算机(4)；所述sEMG信号、惯性信号和扭矩信息通过数据预处理模块消除信号工频干扰以及信号噪声，并建立样本数据集，其中预处理后的sEMG信号和惯性信号作为输入，预处理后的扭矩信息作为输出；

训练回归神经网络，将预处理后的sEMG信号和惯性信号作为输入分批次输出至回归神经网络模型，回归装配扭矩；计算所述装配扭矩以及预处理后的扭矩信息之间的误差，根据误差利用反向传播算法更新回归神经网络模型的可训练参数；迭代进行上述步骤，直到满足设定的训练次数，保存回归神经网络模型的参数输出为扭矩监测模型；

装配扭矩监测，将所述扭矩监测模型嵌入至所述扭矩回归模块(2)；在实际装配场景中，操作人员佩戴可穿戴测量设备(1)进行装配工作，所述可穿戴测量设备(1)采集sEMG信号和惯性信号并传输至扭矩回归模块(2)，所述扭矩回归模块(2)中的处理器利用所述扭矩监测模型实时回归装配扭矩，并通过反馈装置将装配扭矩反馈给操作人员。