基于模糊神经网络的柔性天线阵面实时监测方法及系统技术方案

本发明专利技术公开了基于模糊神经网络的柔性天线阵面实时监测方法及系统，属于天线阵面形变监测技术领域，包括以下步骤：S1：测量特征数据；S2：构建非线性映射关系；S3：形变实时监测。本发明专利技术通过模糊神经网络构建形变的位移量和相关应变值之间的非线性关系，能够以较高的精度逼近不同载荷情况下，对柔性天线阵面因变形而产生的位移实现准确的实时预测，解决了柔性天线阵面因产生微变形而进行实时监测时，监测精度低下的技术问题，值得被推广使用。值得被推广使用。值得被推广使用。

【技术实现步骤摘要】
基于模糊神经网络的柔性天线阵面实时监测方法及系统


[0001]本专利技术涉及天线阵面形变监测
，具体涉及基于模糊神经网络的柔性天线阵面实 时监测方法。

技术介绍

[0002]柔性天线阵面不仅能提高通信系统的性能，而且还能扩充其功能，所以在通信领域的应 用越来越广泛。安装在飞艇之上的柔性天线阵面阵面形变实时监测技术对实现天线关键性能 指标的实时补偿，确保天线的高精度目标探测能力。也正因如此，柔性天线阵面的形变监测 技术高，工程化难度大。
[0003]目前，制造和服役过程中的不确定性随机因素难以评估，和产品实际状态运行状态有所 差异导致形变监测精度难以保证，这是天线形变监测系统的问题和难点之一。为此，提出基 于模糊神经网络的柔性天线阵面实时监测方法及系统。

技术实现思路

[0004]本专利技术所要解决的技术问题在于：如何解决柔性天线阵面因产生微变形而进行实时监测 时监测精度低下的问题，提供了基于模糊神经网络的柔性天线阵面实时监测方法，用于监测 柔性天线阵面在不同载荷下的变形情况，对柔性天线阵面因变形而产生的位移实现实时预测。
[0005]本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括以下步骤：
[0006]S1：测量特征数据
[0007]测量柔性天线阵面在不同载荷下因产生变形而存在的位移值和应变值；
[0008]S2：构建非线性映射关系
[0009]构建位移值和应变值之间的非线性映射关系；
[0010]S3：形变实时监测
>[0011]应用于柔性天线阵面中，根据实际的应变值通过非线性映射关系得到相应的位移值。
[0012]更进一步地，在所述步骤S1中，柔性天线阵面存在M个测量点，对应存在M个应变值和 M个位移值。
[0013]更进一步地，在所述步骤S1中，各测量点的位移值利用相机及其辅助光源进行检测，通 过DIC
‑
3D位移提取方法提取得到。
[0014]更进一步地，在所述步骤S1中，各测量点的位移值应变值利用光纤光栅应变传感器和光 纤光栅解调仪进行检测，通过FbgSoft应变值提取方法提取得到。
[0015]更进一步地，在所述步骤S2中，非线性映射关系的构建过程如下：
[0016]S21：将M个应变值中的第n个应变值除去，剩余M
‑
1个应变值作为模糊神经网络的输入 量，与第n个应变值对应的第n个位移值作为模糊神经网络的输出量，以此类推，n属于[1,M]， 得到一个数据集，数据集中的每个元素包括输入量与相应的输出量；
[0017]S22：将数据集内的元素按照一个预定比例划分为训练数据集与测试数据集，并对训练数 据集与测试数据集进行数据预处理；
[0018]S23：对经过数据预处理后的训练数据集，构建训练数据集中位移值和应变值之间的非线 性映射关系h
i
：h
i
＝{f(x1),f(x2),f(x3),
…
,f(x
N
)}，其中，f(x)为所述模糊神经网络自身构建 的映射函数，i表示为模糊神经网络的当前层的第i个节点，f(x
i
)为第i个节点的映射函数， N表示数据预处理后的训练数据集的总数量，即模糊神经网络的当前层的总节点数；
[0019]S24：通过数据预处理后的训练数据集的输入量和输出量，训练步骤S23中的非线性映射 关系；
[0020]S25：将数据预处理后的测试数据集中的输入量代入非线性映射关系h
i
中进行验证，即通 过非线性映射关系h
i
得到的输出量和数据预处理后的测试数据集中的输出量，判断两个输出 量之间的误差是否在一个预定的误差范围内，是则判断非线性映射关系h
i
有效，否则调整 f(x)的参数值直至非线性映射关系h
i
有效，此时的非线性映射关系h
i
即位移值和应变值之间 的非线性映射关系。
[0021]更进一步地，在所述步骤S22中，预定比例为4:1。
[0022]更进一步地，在所述步骤S22中，数据预处理即判断训练数据集中的元素是否在第一预 设范围内，是则保留，否则去除；判断测试数据集中的元素是否在第二预设范围内，是则保 留，否则去除。
[0023]更进一步地，在所述步骤S23中，所述模糊神经网络的结构包括：
[0024]第一层为输入层，输入量全为清晰值，将该层的每个输入节点都进行归一化处理，使其 映射在区间[
‑
1,1]上；
[0025]第二层为模糊化层，该层完成对清晰输入值的模糊化操作，该层内的每个节点都定义了 一个区间模糊隶属函数；
[0026]第三层为激活层，该层中的各个节点分别表示一条规则，每条规则通过对上一层的输出 执行代数乘积运算来计算模糊交集；
[0027]第四层为后件层，该层中的各个节点称作后件节点，在第三层里的每条规则在这一层中 都有对应的后件节点。
[0028]更进一步地，在所述步骤S25中，所述误差范围为[
‑
E，+E]，
[0029]其中，y(t)和y
d
(d)分别表示模糊神经网络的实际输出和期望输出。
[0030]本专利技术还提供了基于模糊神经网络的柔性天线阵面实时监测系统，采用上述的监测方法 对柔性天线阵面的形变进行实时监测，包括：
[0031]测量模块，用于测量柔性天线阵面在不同载荷下因产生变形而存在的位移值和应变值；
[0032]构建模块，用于构建位移值和应变值之间的非线性映射关系；
[0033]预测模块，用于应用于柔性天线阵面中，根据实际的应变值通过非线性映射关系得到相 应的位移值。
[0034]本专利技术相比现有技术具有以下优点：该基于模糊神经网络的柔性天线阵面实时监测方法， 通过模糊神经网络构建形变的位移量和相关应变值之间的非线性关系，能够以较
高的精度逼 近不同载荷情况下，对柔性天线阵面因变形而产生的位移实现准确的实时预测，解决了柔性 天线阵面因产生微变形而进行实时监测时，监测精度低下的技术问题，值得被推广使用。
附图说明
[0035]图1是本专利技术实施例二中柔性天线阵面实时监测方法的流程图；
[0036]图2是本专利技术实施例二中柔性天线阵面实时监测方法的原理图；
[0037]图3是本专利技术实施例三中柔性天线阵面实时监测方法的流程图；
[0038]图4是本专利技术实施例四中柔性天线阵面实时监测系统的结构框图。
具体实施方式
[0039]下面对本专利技术的实施例作详细说明，本实施例在以本专利技术技术方案为前提下进行实施， 给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。
[0040]本实施例提供一种技术方案：基于模糊神经网络的柔性天线阵面实时监测方法，包括以 下步骤：
[0041]S1：测量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于模糊神经网络的柔性天线阵面实时监测方法，其特征在于，包括以下步骤：S1：测量特征数据测量柔性天线阵面在不同载荷下因产生变形而存在的位移值和应变值；S2：构建非线性映射关系构建位移值和应变值之间的非线性映射关系；S3：形变实时监测应用于柔性天线阵面中，根据实际的应变值通过非线性映射关系得到相应的位移值。2.根据权利要求1所述的基于模糊神经网络的柔性天线阵面实时监测方法，其特征在于：在所述步骤S1中，柔性天线阵面存在M个测量点，对应存在M个应变值和M个位移值。3.根据权利要求2所述的基于模糊神经网络的柔性天线阵面实时监测方法，其特征在于：在所述步骤S1中，各测量点的位移值利用相机及其辅助光源进行检测，通过DIC
‑
3D位移提取方法提取得到。4.根据权利要求2所述的基于模糊神经网络的柔性天线阵面实时监测方法，其特征在于：在所述步骤S1中，各测量点的位移值应变值利用光纤光栅应变传感器和光纤光栅解调仪进行检测，通过FbgSoft应变值提取方法提取得到。5.根据权利要求2所述的基于模糊神经网络的柔性天线阵面实时监测方法，其特征在于：，在所述步骤S2中，非线性映射关系的构建过程如下：S21：将M个应变值中的第n个应变值除去，剩余M
‑
1个应变值作为模糊神经网络的输入量，与第n个应变值对应的第n个位移值作为模糊神经网络的输出量，以此类推，n属于[1,M]，得到一个数据集，数据集中的每个元素包括输入量与相应的输出量；S22：将数据集内的元素按照一个预定比例划分为训练数据集与测试数据集，并对训练数据集与测试数据集进行数据预处理；S23：对经过数据预处理后的训练数据集，构建训练数据集中位移值和应变值之间的非线性映射关系h
i
：h
i
＝{f(x1),f(x2),f(x3),
…
,f(x
N
)}，其中，f(x)为所述模糊神经网络自身构建的映射函数，i表示为模糊神经网络的当前层的第i个节点，f(x
i
)为第i个节点的映射函数，N表示数据预处理后的训练数据集的总数量，即模糊神经网络的当前层的总节点数；S24：通过数据预处理后的训练数据集的输入量和输出量，训练步骤S23中的非线性映射关系；S25：将数据预处理后的测试数据集中...

【专利技术属性】
技术研发人员：王梅，王平安，张阳阳，袁军行，张志富，李俊英，郑帆，张轶江，侯守武，朱雷雷，
申请(专利权)人：中国电子科技集团公司第三十八研究所，
类型：发明
国别省市：