[發(fā)明專利]汽車底盤的疲勞測(cè)試方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211524735.5
• 申請(qǐng)日: 2022-11-30
• 公開（公告）號(hào): CN115937126A
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 吳奕東;閔新和;辛強(qiáng);李妮妮;王德斌;曹偉;袁文強(qiáng);劉祎晗;周倩瑤
• 申請(qǐng)（專利權(quán)）人: 廣州機(jī)械科學(xué)研究院有限公司;中汽檢測(cè)技術(shù)有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G01M17/007;G01B11/16;G06V10/764;G06V10/82
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 張萌

1.一種汽車底盤的疲勞測(cè)試方法，其特征在于，所述方法包括：

獲取所述汽車底盤的散斑圖像；

根據(jù)所述散斑圖像提取所述汽車底盤的特征應(yīng)變數(shù)據(jù)，獲得特征應(yīng)變?cè)茍D；

根據(jù)所述特征應(yīng)變?cè)茍D建立疲勞識(shí)別模型；

根據(jù)所述疲勞識(shí)別模型對(duì)汽車底盤圖像進(jìn)行疲勞測(cè)試，獲得測(cè)試結(jié)果。

2.根據(jù)權(quán)利要求1所述的汽車底盤的疲勞測(cè)試方法，其特征在于，所述根據(jù)所述散斑圖像提取所述汽車底盤的特征應(yīng)變數(shù)據(jù)，獲得特征應(yīng)變?cè)茍D的步驟，包括：

根據(jù)所述散斑圖像中散斑點(diǎn)對(duì)應(yīng)的初始坐標(biāo)數(shù)據(jù)獲得形變坐標(biāo)數(shù)據(jù)；

根據(jù)所述形變坐標(biāo)數(shù)據(jù)獲得所述汽車底盤的等效應(yīng)變數(shù)據(jù)；

根據(jù)所述等效應(yīng)變數(shù)據(jù)獲得所述特征應(yīng)變數(shù)據(jù)；

根據(jù)所述特征應(yīng)變數(shù)據(jù)對(duì)所述散斑圖像進(jìn)行標(biāo)記，獲得所述特征應(yīng)變?cè)茍D。

3.根據(jù)權(quán)利要求2所述的汽車底盤的疲勞測(cè)試方法，其特征在于，通過以下方式根據(jù)所述形變坐標(biāo)數(shù)據(jù)獲得所述汽車底盤的等效應(yīng)變數(shù)據(jù)：

其中，ε_e為所述等效應(yīng)變數(shù)據(jù)，e_xx為所述形變坐標(biāo)數(shù)據(jù)在x方向的正應(yīng)變，e_yy為所述形變坐標(biāo)數(shù)據(jù)在y方向的正應(yīng)變，e_xy為所述形變坐標(biāo)數(shù)據(jù)的剪應(yīng)變。

4.根據(jù)權(quán)利要求2所述的汽車底盤的疲勞測(cè)試方法，其特征在于，通過以下方式根據(jù)所述等效應(yīng)變數(shù)據(jù)獲得所述特征應(yīng)變數(shù)據(jù)：

其中，為所述特征應(yīng)變數(shù)據(jù)，n為所述散斑點(diǎn)的數(shù)量，ε_ei為第i個(gè)散斑點(diǎn)對(duì)應(yīng)的等效應(yīng)變數(shù)據(jù)。

5.根據(jù)權(quán)利要求1所述的汽車底盤的疲勞測(cè)試方法，其特征在于，所述根據(jù)所述特征應(yīng)變?cè)茍D建立疲勞識(shí)別模型的步驟，包括：

將所述特征應(yīng)變?cè)茍D進(jìn)行劃分，得到測(cè)試數(shù)據(jù)集和訓(xùn)練數(shù)據(jù)集，所述特征應(yīng)變?cè)茍D包含正常工作狀態(tài)的特征應(yīng)變?cè)茍D和疲勞失效狀態(tài)的特征應(yīng)變?cè)茍D；

將所述訓(xùn)練數(shù)據(jù)集輸入預(yù)先構(gòu)建的修正ResNet神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得二分類模型；

根據(jù)所述測(cè)試數(shù)據(jù)集對(duì)所述二分類模型進(jìn)行多次迭代，獲得所述疲勞識(shí)別模型。

6.根據(jù)權(quán)利要求5所述的汽車底盤的疲勞測(cè)試方法，其特征在于，所述將所述訓(xùn)練數(shù)據(jù)集輸入預(yù)先構(gòu)建的修正ResNet神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得二分類模型的步驟，包括：

將所述訓(xùn)練數(shù)據(jù)集輸入所述修正ResNet神經(jīng)網(wǎng)絡(luò)的卷積層，獲得特征圖；

將所述特征圖輸入所述修正ResNet神經(jīng)網(wǎng)絡(luò)的BN層進(jìn)行標(biāo)準(zhǔn)化處理，獲得標(biāo)準(zhǔn)化激活值；

將所述標(biāo)準(zhǔn)化激活值輸入所述修正ResNet神經(jīng)網(wǎng)絡(luò)的BN層進(jìn)行縮放和引入偏置運(yùn)算，獲得重構(gòu)激活值；

根據(jù)所述特征圖和所述重構(gòu)激活值進(jìn)行算術(shù)相加，獲得所述二分類模型。

7.根據(jù)權(quán)利要求6所述的汽車底盤的疲勞測(cè)試方法，其特征在于，通過以下方式將所述特征圖輸入所述修正ResNet神經(jīng)網(wǎng)絡(luò)的BN層進(jìn)行標(biāo)準(zhǔn)化處理，獲得標(biāo)準(zhǔn)化激活值：

其中，x_i為激活值，為x_i的平均值，σ_x為x_i的標(biāo)準(zhǔn)差，為所述標(biāo)準(zhǔn)化激活值。

8.根據(jù)權(quán)利要求6所述的汽車底盤的疲勞測(cè)試方法，其特征在于，通過以下方式將所述標(biāo)準(zhǔn)化激活值輸入所述修正ResNet神經(jīng)網(wǎng)絡(luò)的BN層進(jìn)行縮放和引入偏置運(yùn)算，獲得重構(gòu)激活值：

其中，為所述標(biāo)準(zhǔn)化激活值，γ為縮放因子，β為偏置，y_i為所述重構(gòu)激活值。