[发明专利]汽车底盘的疲劳测试方法、装置、电子设备及存储介质

权利要求书

1.一种汽车底盘的疲劳测试方法，其特征在于，所述方法包括：

获取所述汽车底盘的散斑图像；

根据所述散斑图像提取所述汽车底盘的特征应变数据，获得特征应变云图；

根据所述特征应变云图建立疲劳识别模型；

根据所述疲劳识别模型对汽车底盘图像进行疲劳测试，获得测试结果。

2.根据权利要求1所述的汽车底盘的疲劳测试方法，其特征在于，所述根据所述散斑图像提取所述汽车底盘的特征应变数据，获得特征应变云图的步骤，包括：

根据所述散斑图像中散斑点对应的初始坐标数据获得形变坐标数据；

根据所述形变坐标数据获得所述汽车底盘的等效应变数据；

根据所述等效应变数据获得所述特征应变数据；

根据所述特征应变数据对所述散斑图像进行标记，获得所述特征应变云图。

3.根据权利要求2所述的汽车底盘的疲劳测试方法，其特征在于，通过以下方式根据所述形变坐标数据获得所述汽车底盘的等效应变数据：

其中，ε_e为所述等效应变数据，e_xx为所述形变坐标数据在x方向的正应变，e_yy为所述形变坐标数据在y方向的正应变，e_xy为所述形变坐标数据的剪应变。

4.根据权利要求2所述的汽车底盘的疲劳测试方法，其特征在于，通过以下方式根据所述等效应变数据获得所述特征应变数据：

其中，为所述特征应变数据，n为所述散斑点的数量，ε_ei为第i个散斑点对应的等效应变数据。

5.根据权利要求1所述的汽车底盘的疲劳测试方法，其特征在于，所述根据所述特征应变云图建立疲劳识别模型的步骤，包括：

将所述特征应变云图进行划分，得到测试数据集和训练数据集，所述特征应变云图包含正常工作状态的特征应变云图和疲劳失效状态的特征应变云图；

将所述训练数据集输入预先构建的修正ResNet神经网络进行训练，获得二分类模型；

根据所述测试数据集对所述二分类模型进行多次迭代，获得所述疲劳识别模型。

6.根据权利要求5所述的汽车底盘的疲劳测试方法，其特征在于，所述将所述训练数据集输入预先构建的修正ResNet神经网络进行训练，获得二分类模型的步骤，包括：

将所述训练数据集输入所述修正ResNet神经网络的卷积层，获得特征图；

将所述特征图输入所述修正ResNet神经网络的BN层进行标准化处理，获得标准化激活值；

将所述标准化激活值输入所述修正ResNet神经网络的BN层进行缩放和引入偏置运算，获得重构激活值；

根据所述特征图和所述重构激活值进行算术相加，获得所述二分类模型。

7.根据权利要求6所述的汽车底盘的疲劳测试方法，其特征在于，通过以下方式将所述特征图输入所述修正ResNet神经网络的BN层进行标准化处理，获得标准化激活值：

其中，x_i为激活值，为x_i的平均值，σ_x为x_i的标准差，为所述标准化激活值。

8.根据权利要求6所述的汽车底盘的疲劳测试方法，其特征在于，通过以下方式将所述标准化激活值输入所述修正ResNet神经网络的BN层进行缩放和引入偏置运算，获得重构激活值：

其中，为所述标准化激活值，γ为缩放因子，β为偏置，y_i为所述重构激活值。