[發明專利]基于堆棧稀疏自編碼的多維力傳感器的解耦方法有效
| 申請號： | 202010095341.7 | 申請日： | 2020-02-17 |
| 公開（公告）號： | CN111256906B | 公開（公告）日： | 2020-08-25 |
| 發明（設計）人： | 楊忠;宋愛國;徐寶國;唐玉娟;吳有龍 | 申請（專利權）人： | 金陵科技學院 |
| 主分類號： | G01L25/00 | 分類號： | G01L25/00;G06N3/04;G06N3/08 |
| 代理公司： | 南京眾聯專利代理有限公司 32206 | 代理人： | 蔣昱 |
| 地址： | 210000 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 堆棧 稀疏 編碼 多維 傳感器 方法 | ||
1.基于堆棧稀疏自編碼的多維力傳感器的解耦方法，具體步驟如下，其特征在于：
步驟1，獲取實驗標定數據：利用不同質量的砝碼提供標定力F作用于多維力傳感器，通過采集系統獲取相應的輸出電壓U；
步驟2，獲取模擬噪聲環境數據：向步驟1中獲取的輸出電壓U中添加高斯白噪聲以模擬噪聲環境下所采集信號受到的干擾，此處的信噪比范圍控制為20～30dB；
步驟3，增加標定數據的維度：將步驟2中得到的每4組的電壓數據首尾拼接以得到Usplice，而后對Usplice歸一化至[0,1]以生成訓練數據Utrain；
步驟4，堆棧稀疏自編碼器預訓練：利用步驟3獲得的數據，通過逐層貪婪訓練出一個含有三個隱藏層的堆棧稀疏自編碼器，其具體結構為“輸入層-隱藏層1-隱藏層2-隱藏層3-輸出層”，其中每層的神經元個數為24-20-16-12-6；
步驟5，對預訓練的堆棧稀疏自編碼器進行微調，以提高模型的精確性；
步驟6，將訓練獲得的堆棧稀疏自編碼模型嵌入傳感器及其采集系統中，并實際應用。
2.根據權利要求1所述的基于堆棧稀疏自編碼的多維力傳感器的解耦方法，其特征在于：步驟2中模擬噪聲環境下所采集的數據的過程可以表示為：
Us＝Un+U
式中，U為原始電壓數據，Un為高斯白噪聲數據，Us表示得到的模擬噪聲環境下采集的數據，
信噪比的定義如下：
式中，Ps表示信號的功率，Pn表示噪聲的功率。
3.根據權利要求1所述的基于堆棧稀疏自編碼的多維力傳感器的解耦方法，其特征在于：步驟3中對拼接后的樣本Usplice歸一化處理至[0,1]的過程可以表示為：
式中，Utrain為歸一化后的訓練數據，min()和max()分別表示最小值和最大值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于金陵科技學院，未經金陵科技學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010095341.7/1.html，轉載請聲明來源鉆瓜專利網。
