基于神经网络的大变形柔性体动态受力测量信息转换方法
【技术领域】
[0001] 本发明属于降落伞测量技术和计算机机器学习领域，特别是一种针对大变形柔性 体的基于神经网络的动态受力测量方法。
【背景技术】
[0002] 目前，对大变形柔性体工作过程中的数学模拟一般基于CFD-MSD(Mass Spring Damper Model,质点弹簧阻尼模型）親合模型。利用计算流体力学和结构动力学的基础知 识，进行数值求解，模拟大变形柔性体工作过程中的结构和流场变化情况。虽然这种模型可 以较好地反映柔性体所受气动弹性力的情况。但现有的数学模拟方法忽略了很多因素，如 织物透气量、弹性系数及阻尼系数的不确定性等。特别是耦合模型是建立在半理论半经验 的基础上，织物应力、应变初始参数的设定仅是基于某种假设，模型最终计算结果缺乏真实 的实验数据来进行量化验证。
[0003] 由于神经网络具有并行处理、分布存储、自学习、自适应、高度容错能力等优点，因 此广泛应用于拟合、分类、预测、模式识别、信号处理和图像处理等。神经网络模型是的一种 很好的建模方法，可有效地将信息空间的数据转换成力学空间的数据，可以缩短建模周期， 显著地提高建模精度和泛化能力。比如将BP神经网络应用测试系统的非线性动态补偿中， 并取得了较好的补偿转换效果；通过实现一种基于BP神经网络的自适应补偿算法，并将其 应用于机械过程控制系统的数据补偿转换问题中，有效的提高了被控非线性系统的稳定性 和鲁棒性；针对传感器受环境因素影响的误差，设计基于BP神经网络的FPGA温度、湿度硬 件补偿系统，并得到了很好地补偿转换效果等。
[0004] 目前，国内外现有技术当中尚无将神经网络应用于大变形柔性体动态受力测量的 信息转换方法。
【发明内容】
[0005] 本发明所解决的技术问题在于提供一种基于神经网络的大变形柔性体动态受力 测量信息转换方法，能有效地实现针对大变形柔性体动态受力的转换。
[0006] 实现本发明目的的技术解决方案为：一种基于神经网络的大变形柔性体动态受力 测量信息转换方法，包括如下步骤：
[0007] 步骤1、使用测量柔性体受力作用的应变传感器在理想环境下对被测柔性体进行 电压-受力的标定；
[0008] 所述理想环境是指温度25 °C，压强为1个标准大气压，相对湿度为40%，风速Om/ So
[0009] 所述测量柔性体受力作用的应变传感器的测量拉力范围为0~1500N，传感器的 输出电压范围为〇~3. 3v，所述标定是指在织物上安装传感器后，在高精度万能材料试验 机上进行从0到满负载拉力实验，得到系列传感器/织物对应的电压-受力测量数据。本 发明所用的传感器已经在专利《一种测量柔性织物应力作用的应变传感器》中公开，专利号 为：201320332161.1。
[0010] 步骤2、对测量柔性体受力作用的应变传感器获取的测量数据进行滤波处理，所 用公式为：
[0011]
[0012] 式中，Xj是理想环境下标定测量的待滤波电压序列，X为滤波后的电压序列，k为 标定数据滤波的滑动宽度，i、j均为正整数。
[0013] 步骤3、根据步骤2得到的滤波后应变传感器测量数据构建电压-受力函数，所述 电压-受力函数f(x)具体为：
[0014]
[0015] 其中X为自变量电压，d为自然数，表示最高项次数，Bi为第i项的系数，为实数。
[0016] 步骤4、获取被测对象柔性体在实际环境下工作过程中的受力信息，即应变传感器 的电压数据，并对该数据进行滤波处理，对数据进行滤波处理所用公式为：
[0017]
[0018] 式中，是在实际环境中测量的待滤波电压序列，X' i为滤波后的实测电压序列， k'为实测的滤波滑动宽度。
[0019] 步骤5、根据步骤4滤波后的应变传感器电压数据建立大变形柔性体动态测量数 据转换神经网络，该神经网络的输入为传感器的输出电压，期望输出为柔性体的受力信息，
[0020] 所述大变形柔性体动态测量数据转换神经网络为三层神经网络，包含一个输入 层、一个输出层和一个隐层；神经网络的输入为经过滤波处理后的真实场景下传感器采集 的电压数据，输出为柔性体的真实受力信息；
[0021] 所述输入层包括一个输入量，多个输出量，输入量为经过滤波处理后的传感器采 集的电压数据，输出量为输入量的恒等映射，输出量的数量与隐层神经元的个数相同；
[0022] 隐层神经元的个数nh由自适应控制确定，规律描述公式如下：
[0023]
[0024] 其中，np为样本数量，隐层包括n h个输入量，n h个输出量，输入量为输入层的输出， 其激励函数为Chebyshev正交基函数：
[0025]
[0026] 式中，gi (X)为第i个神经元的激励函数，隐层的输出量为：Iii= w ^i(Xt), i = 1，2，· · ·，Hj1, ? 1，2，· · ·，Πρ
[0027] 输出层包括nh个输入量，一个输出量，输入量为隐层的输出，其激励函数为 线性函数，输出层的期望输出为求得的电压-受力函数对应的函数输出，输出量为：
[0028] 其中，&为隐层第i个神经元的权重，x t为经过滤波处理后的电压，np为训练样本 数量，％为隐层神经元个数，〇 t为输出层的输出。
[0029] 步骤6、采用被测对象在实际环境下工作过程中的受力信息，对大变形柔性体动态 测量数据转换神经网络进行训练；
[0030] 步骤7、使用训练好的大变形柔性体动态测量数据转换神经网络进行电学-力学 空间信息转换，得到转换后的大变形柔性体动态测量数据的受力信息输出。
[0031] 本发明与现有技术相比，其显著优点为：⑴本发明的大变形柔性体基于神经网 络模型的动态受力测量信息的转换方法，是一种动态受力测量信息转换方法，使用应变传 感器和神经网络模型，可有效减小计算复杂度，缩短建模周期；（2)本发明利用平均滤波处 理测量的原始数据，可有效滤除传感器/柔性体在测量过程中受到来自外源的干扰，可提 高数据的准确性；（3)本发明利用神经网络良好的非线性函数逼近能力，进行信息空间到 力学空间的转换，可有效提高传感器的转换精度；(4)本发明使用优化计算方法来自适应 寻找最佳隐含层单元数，可解决设计三层神经网络结构的盲目性，节省了大量的训练时间， 具有科学性和实用性。
[0032] 下面结合附图对本发明作进一步详细描述。
【附图说明】
[0033] 图1为本发明的大变形柔性体基于神经网络模型的动态受力测量信息的转换方 法流程图。
[0034] 图2为大变形柔性体转换神经网络的三层结构示意图。
[0035] 图3为实施例中柔性体材料轧光锦丝格子绸544织物的一组电压-受力标定曲 线。
[0036] 图4为实施例中柔性体材料轧光锦丝格子绸544织物在40m/s风速风洞环境下的 受力曲线。
[0037] 图5为实施例中柔性体材料轧光锦丝格子绸544织物在50m/s风速风洞环境下的 受力曲线。
【具体实施方式】
[0038] 本发明的一种基于神经网络的大变形柔性体动态受力测量信息转换方法，包括如 下步骤：
[0039] 步骤1、使用测量柔性体受力作用的应变传感器在理想环境下对被测柔性体进 行电压-受力的标定；所述理想环境是指温度25°C，压强为1个标准大气压，相对湿度为 40%，风速Om/s ;测量柔性体受力作用的应变传感器的测量受力范围为0~1500N，传感器 的输出电压范围为〇~3. 3v ;所述标定是指在织物上安装传感器后，在万能材料试验机上 进行从0到满负载拉力实验，得到该传感器/织物对应的电压-受力测量数据。
[0040] 步骤2、对测量柔性体受力作用的应变传感器获取的测量数据进行滤波处理；对 测量柔性体受力作用的应变传感器获取的测量数据进行滤波处理所用公式为：
[0041]
[0042] 式中，\是理想环境下标定测量的待滤波电压序列，x为滤波后的电压序列，k为 标定数据滤波的滑动宽度，i、j均为正整数。
[0043] 步骤3、根据步骤2得到的滤波后应变传感器测量数据构建电压-受力函数；所述 电压-受力函数f(x)具体为：
[0044]
[0045] 其中X为自变量电压，d为自然数，表示最高项次数，Bi为第i项的系数，为实数。
[0046] 步骤4、获取被测对象柔性体在实际环境下工作过程中的受力信息，即应变传感器 的电压数据，并对该数据进行滤波处理；对数