[发明专利]基于特征提取和神经网络的车辆随机载荷模式识别系统有效

专利信息
申请号: 202110524020.9 申请日: 2021-05-13
公开(公告)号: CN113138005B 公开(公告)日: 2023-07-11
发明(设计)人: 轩福贞;高阳;凌小峰;汪楠;鞠宽;李博;肖飚;舒文华;林泽昊;张颢出;梅志宇 申请(专利权)人: 华东理工大学
主分类号: G01G19/12 分类号: G01G19/12;G06N3/08;G06N3/0464
代理公司: 上海专利商标事务所有限公司 31100 代理人: 施浩
地址: 200237 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 特征 提取 神经网络 车辆 随机 载荷 模式识别 系统
【权利要求书】:

1.一种基于特征提取和神经网络的车辆随机载荷模式识别系统,其特征在于,系统包括硬件平台,硬件平台用于测量试样、机械设备应变信号以及进行数据采集处理和无线传输,其中硬件平台包括传感器、信号调节电路、微处理器、数据传输芯片、电源模块,信号调节电路分别与传感器和微处理器电连接,微处理器分别与信号调节电路和数据传输芯片电连接,其中:

传感器,用于采集机械设备在不同工况下的载荷数据,传感器是基于激光直写碳化聚酰亚胺薄膜制备多孔化导电材料的全桥柔性传感器,其中在激光照射过程中,激光束在聚酰亚胺薄膜表面上扫描,在聚酰亚胺薄膜上用激光直写碳化产生单轴应变片和全桥应变片,且在不同功率下制备的应变片的灵敏度和拉伸率是不同的;

信号调节电路,用于在传感器两端施加电压,将传感器所产生的信号经过信号调节电路的放大滤波之后再经模数转换得到数字信号,将数字信号传输至微处理器;

微处理器,用于通过定时中断被唤醒后对电源模块进行供电控制,将信号调节电路得到的数字信号经过滤波、预处理后转化为应力数据,对应力数据进行处理得到寿命预测结果,预处理后的应力数据和得到的寿命预测结果经由数据传输芯片实时地分别发送到外部计算机端和外部便携式终端;

数据传输芯片,用于将微处理器处理后的应力数据发送到外部计算机端进行模式识别处理,微处理器处理得到的寿命预测结果发送到外部便携式终端进行显示;

电源模块,用于为硬件平台中的各个设备供电;

其中,系统还包括软件平台,软件平台用于采用现代信号处理技术和神经网络算法进行随机载荷模式的识别和分类,其中软件平台包括预处理模块、特征提取模块、特征评估模块、神经网络训练模块,其中:

预处理模块,用于将信号调节电路得到的电压数字信号转换为应变数据,再将应变数据转换为应力数据后将其输入到后续模块进行处理;

特征提取模块连接预处理模块,用于对应力数据的数据集进行信号特征处理,分别获得小波分解频带信号和本征模式分量数据集,提取小波分解频带信号和本征模式分量数据中的无量纲特征参数,获得特征参数数据集;

特征评估模块连接特征提取模块,用于对特征参数数据进行特征敏感度评估并将特征参数数据按评估出的敏感度大小进行排序;

神经网络训练模块连接特征评估模块,用于通过建立深层神经网络模型,对应力数据中提取到的特征和载荷模式进行匹配的神经网络训练,建立随机载荷谱与载荷模式之间的关系,实现模式识别;

其中,特征提取模块进一步配置为:

使用小波包分解算法分解原始载荷谱,将原始载荷信号反复分解成连续的低频和高频分量,以获得小波分解频带信号,同时使用经验模式分解算法对原始载荷谱数据进行分解,使原始载荷信号分解成为多个本征模式分量。

2.根据权利要求1所述的基于特征提取和神经网络的车辆随机载荷模式识别系统,其特征在于,传感器是基于激光直写碳化聚酰亚胺薄膜制备多孔化导电材料的全桥柔性传感器。

3.根据权利要求1所述的基于特征提取和神经网络的车辆随机载荷模式识别系统,其特征在于,微处理器是基于疲劳损伤寿命积累的寿命预测算法根据信号调节电路传来的数字信号得到寿命预测结果。

4.根据权利要求1所述的基于特征提取和神经网络的车辆随机载荷模式识别系统,其特征在于,特征评估模块是通过基于特征间距离的评估方法对特征的敏感度进行特征评估。

5.根据权利要求1所述的基于特征提取和神经网络的车辆随机载荷模式识别系统,其特征在于,神经网络训练模块将提取到的特征参数数据集按比例分为训练集和测试集,训练集数据再分成训练数据和验证数据,使用不同路况的随机载荷谱特征数据训练集对神经网络进行训练,之后将对应路况的随机载荷谱特征参数的测试样本输入训练完成的神经网络进行测试。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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华东理工大学,未经华东理工大学许可,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/202110524020.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top