[發明專利]基于深度學習的加速度信號采集卡采樣頻率智能升級方法

在審

• 申請號: 201910292214.3
• 申請日: 2019-04-12
• 公開（公告）號: CN110057522A
• 公開（公告）日: 2019-07-26
• 發明（設計）人: 溫晶晶;吳斌;姚厚樸
• 申請（專利權）人: 西北工業大學
• 主分類號: G01M7/02
• 分類號: G01M7/02;G01M7/08;G01N3/30;G01N3/32;G06N3/04;G06N3/08
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 金鳳

本發明提供了一種基于深度學習的加速度信號采集卡采樣頻率智能升級方法，包括數據收集，深度學習和檢測三個步驟，數據收集是完成加速度信號數據采集卡采樣頻率智能升級的前提，深度學習是完成加速度信號數據采集卡采樣頻率智能升級的核心，檢測是評估加速度信號數據采集卡采樣頻率智能升級結果的重要方法。本發明提升低采樣頻率數據采集卡的采樣能力，從而達到以較低的成本獲得較高的測量精度的目的。

技術領域

本發明涉及神經網絡領域，尤其是一種基于深度學習理論進行能升級的方法。

背景技術

振動沖擊現象廣泛存在于產品的設計、制造和使用過程中，比如火箭發射、衛星釋放、汽車碰撞、產品運輸裝卸過程中的顛簸和跌落等。因此，為評估產品在振動沖擊環境下的可靠性和生存能力，并進一步提升產品性能，振動沖擊測試技術格外重要。

振動沖擊測試技術必然伴隨著振動沖擊響應的測量。而振動沖擊響應通常用加速度信號表示，并由加速度計測量感知，經過電荷放大，最后由數據采集卡采集得到。顯然數據采集卡是其中的重要一環。

采樣頻率，即每秒從連續信號中提取并組成離散信號的采樣個數(單位：Hz)，是衡量數據采集卡采樣性能的重要指標。顯然，想要盡可能多地保存加速度信號的信息，必然需要選擇采樣頻率較高的數據采集卡。特別是在沖擊測試情況下，因為沖擊信號持續時間很短，低采樣頻率的采集卡往往會遺漏較多的加速度信息，特別是可能會遺漏沖擊信號的峰值等重要信息，而這對于沖擊測試是很不利的。

當然，數據采集卡的價格也隨著其采樣頻率的提升而逐漸昂貴，并且目前很多高采樣頻率的數據采集卡還需要依賴進口，個別型號甚至被禁運。而數據采集卡的采樣頻率主要由采集元件的性能、電路設計、制作工藝等因素決定，上述因素基本都是各制造廠商極力維護的關鍵技術，因此短時間內通過改進硬件質量和制造水平來提升低采樣頻率數據采集卡的采樣能力是非常困難的。如果能對低采樣頻率的采集卡進行“訓練”，從軟件角度提升其采樣能力，顯然是一個很有前景的方案。

發明內容

為了克服現有技術的不足，本發明提供一種基于深度學習的加速度信號采集卡采樣頻率智能升級方法，采用純數據驅動，可以用于快速提升低采樣頻率數據采集卡的采樣頻率，也可以用于部分故障數據采集卡的智能修復。

本發明解決其技術問題所采用的技術方案的詳細步驟是：

步驟1：數據收集，產生并收集不同量級的加速度信號；

采用振動沖擊測試設備產生不同量級的加速度信號，用加速度計采集加速度信號，并通過電荷放大器進行放大，利用至少兩個不同采樣頻率的采集卡采集放大后的加速度信號，并將加速度信號數據進行存儲；

步驟2：通過訓練深層神經網絡構建針對低采樣頻率數據采集卡測得的加速度信號的修正模型，將低采樣頻率數據采集卡采集到的加速度信號輸入訓練完成的深層神經網絡，輸出修正后的加速度信號，并且修正后的加速度信號與高采樣頻率數據采集卡的實測加速度信號的誤差滿足相應振動沖擊試驗的技術要求；

采用深度學習方法對低采樣頻率數據采集卡采樣頻率進行智能升級，所述深度學習為采用自動編碼機形式的深度神經網絡學習低采樣頻率數據采集卡采集的信號和高采樣頻率數據采集卡采集的信號之間的映射；深度神經網絡由編碼機、解碼機和峰值預測網絡(Peak Prediction Network，PPN)三部分組成，具體學習過程為：

首先，將所有用于訓練深度神經網絡的低采樣頻率數據采集卡采集得到的維數為n’的沖擊信號序列x^r歸一化為維數為n’的xⁿ，同時，峰值p^x被單獨提取并被分別“喂進”編碼機和PPN；通過編碼機將歸一化的信號xⁿ編碼為序列維度為n₃的全局編碼信息z；利用解碼機將序列維度為n₃的全局編碼信息z重構解碼為序列維度為n的向量 yⁿ，具體表述為：