[發明專利]一種基于神經網絡的氣動數據融合方法

有效

• 申請號: 201910294858.6
• 申請日: 2019-04-12
• 公開（公告）號: CN110188378B
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 吳昌聚;曹世浩;江中正;吳寧
• 申請（專利權）人: 浙江大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06K9/62
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 萬尾甜;韓介梅

1.一種基于神經網絡的氣動數據融合方法，其特征在于，該方法是結合神經網絡融合方法和VCM融合方法，利用VCM融合方法的線性調節功能來調節神經網絡融合方法對數據量的敏感性，通過引入影響權重參數限制高精度數據源的影響范圍，獲取最終的氣動融合數據；該方法包括如下步驟：

1)根據低精度數據源與高精度數據源的關系，采用VCM融合方法對低精度數據源進行預處理，并通過引入影響權重參數調整高精度數據源的影響范圍；

2)將經VCM預處理后的低精度數據源與高精度數據源進行混合，然后采用神經網絡融合方法進行數據融合。

2.根據權利要求1所述的基于神經網絡的氣動數據融合方法，其特征在于，步驟1)中所述的采用VCM融合方法對低精度數據源進行預處理可采用比例縮放模型進行預處理、或采用增量修補模型進行預處理、或采用先比例縮放再增量修補的混合預處理方法、或采用先增量修補再比例縮放的混合預處理方法。

3.根據權利要求2所述的基于神經網絡的氣動數據融合方法，其特征在于，步驟1)中所述的采用VCM融合方法對低精度數據源進行預處理，具體如下：

首先計算每個數據樣本點的增量α(x_i)：

α(x_i)＝f_hf(x_i)-f_lf(x_i)

其中，f_hf(x_i)為高精度氣動數據，f_lf(x_i)為低精度氣動數據；

然后計算其平均值，N為數據樣本點個數，如下式所示：

使用平均增量修正函數對低精度氣動數據進行修正，獲取平移后低精度數據計算公式為：

將平移后低精度數據進行比例縮放，使其與高精度氣動數據匹配，比例縮放后低精度數據其計算公式為：

4.根據權利要求3所述的基于神經網絡的氣動數據融合方法，其特征在于，步驟1)中所述的引入影響權重參數調整高精度數據源的影響范圍，其具體做法如下：

式中Γ即為影響權重參數。

5.根據權利要求1所述的基于神經網絡的氣動數據融合方法，其特征在于，采用VCM預處理過后，將處理后的低精度數據與高精度數據混合后一同使用神經網絡來進行融合，具體采用的神經元數學表達式為：

式中x_j表示當前節點的輸入，n表示節點數目，ω_kj表示突觸權值，下標k表示當前正在計算的神經元，b_k表示當前神經元的偏置，表示當前神經元的激活函數。