应变响应与深度学习融合的柔性飞艇服役攻角识别方法技术

本发明专利技术实施例公开了一种应变响应与深度学习融合的柔性飞艇服役攻角识别方法，包括：在柔性飞艇表面布设分布式光纤传感网络，获得多种服役工况下柔性飞艇多个位置(轴向及周向)上的应变响应相关数据，提取不同服役状态下应变场的响应特征，构建训练数据集；建立针对柔性飞艇服役状态识别的全连接网络模型，将训练数据集代入全连接网络模型中训练，得到训练好的网络模型；采集待测柔性飞艇上的应变场响应相关数据，代入训练好的网络模型，获得柔性飞艇服役状态的攻角。本发明专利技术通过在飞艇上布置光纤传感网络来获得应变场响应相关数据，获得多种服役状态下的结构整体变形状态，结合设计的深度学习网络模型，实现柔性飞艇服役攻角的准确预测。的准确预测。的准确预测。

【技术实现步骤摘要】
应变响应与深度学习融合的柔性飞艇服役攻角识别方法


[0001]本专利技术实施例涉及飞艇服役状态实时监控
，具体涉及应变 响应与深度学习融合的柔性飞艇服役攻角识别方法。

技术介绍

[0002]飞艇是一种依靠静浮力和自身动力来实现驻空和机动飞行的浮空 器，在遥感、高分辨率实时监测、预警和导弹防御、通信、环境监测和 防灾减灾等方面具有极大的应用价值。飞艇在空中服役时环境情况复 杂，巨大的外形使得蒙皮在内外压差载荷作用下容易发生破坏。因此， 对飞艇的服役状态进行实时监测对于事故预测、事故预防、事故归零具 有重要意义。
[0003]然而，由于飞艇结构蒙皮柔软，因此，在测量过程中，一般的测量 方式难以获得相对准确的测量数据，从而导致服役状态的识别准确度不 高。

技术实现思路

[0004]为此，本专利技术提出一种应变场响应的概念，用柔性飞艇整体的应变 场响应代替传统时域的单个传感器响应，提供一种新型应变响应与深度 学习融合的柔性飞艇服役攻角识别方法，通过在飞艇蒙皮结构上布置光 纤传感网络，获得多种服役状态下的结构整体变形状态，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应变响应与深度学习融合的柔性飞艇服役攻角识别方法，其特征在于，包括：S100、训练数据集的获得：在柔性飞艇表面布设光纤传感网络，基于柔性飞艇应变场响应，获得多种服役工况下柔性飞艇多个位置上的应变响应相关数据，基于获得的应变场响应相关数据构建形成训练数据集；S200、设计深度学习网络模型：建立针对于飞艇攻角识别的全连接网络模型，将步骤S100中获得的训练数据集代入全连接网络模型中进行训练，得到训练好的网络模型；S300、服役攻角的识别：采集服役中柔性飞艇上的应变场响应相关数据，代入训练好的网络模型中，获得柔性飞艇服役状态下的攻角。2.根据权利要求1所述的一种柔性飞艇服役攻角识别方法，其特征在于，建立了针对飞艇攻角识别的5层全连接网络模型，且神经元个数分别为16、128、64、64和1，激活函数采用relu，优化器为adam，回归评价指标为mse和mae。3.根据权利要求1或2所述的一种柔性飞艇服役攻角识别方法，其特征在于，步骤S200在训练过程中还包括采用早停法；所述早停法具体包括：当误差值在10步内且不继续下降时，则终止训练。4.根据权利要求1或2所述的一种柔性飞艇服役攻角识别方法，其特征在于，所述光纤传感网络包括设置于所述柔性飞艇表面上的多个光纤传感器，且所述光纤传感器均匀地位于所述柔性飞艇的轴向和周向上。5.根据权利要求4所述的一种柔性飞艇服役攻角识别方法，其特征在于，所述应变响应相关数据包括传感器应变信号对应的传感器位置和应变信号。6.根据权利要求1或2所述的一种柔性飞艇服役攻角识别方法，其特征在于，步骤S100中的所述训练数据...

【专利技术属性】
技术研发人员：路玲玲，李明起，宋宏伟，邢晓冬，杨乐凯，
申请(专利权)人：中国科学院力学研究所，
类型：发明
国别省市：