一种基于随机森林算法的FBG定位识别方法技术

本发明专利技术公开了一种基于随机森林算法的FBG定位识别方法，包括：利用反射光谱中心波长的漂移量与结构状态的特征参量变化的映射关系，对进行相应的封装保护；使用随机森林算法建立高精度的位置静载荷数学预测模型，并对光纤布拉格光栅传感阵列压觉预测算法进行了研究；最终通过对大量数据进行处理，建立中心波长变化量与静载荷、坐标的预测模型，以此达到精准定位预测。本发明专利技术可适用于智能机器人皮肤感应，也可用于机械手臂中对易碎物体的灵敏操作，由于光纤光栅传感器强大的抗干扰等特性，还可适用于航空航天等高精度领域。用于航空航天等高精度领域。用于航空航天等高精度领域。

【技术实现步骤摘要】
一种基于随机森林算法的FBG定位识别方法


[0001]本专利技术属于智能监测与控制
，具体涉及一种基于随机森林算法的FBG定位识别方法。

技术介绍

[0002]光纤布拉格光栅(fiber Bragg grating,FBG)传感器不仅具有光波导式传感器的一般优点外，还具有结构小、质量轻、灵敏度高、耐腐蚀及不受电磁干扰等优势，相对柔软、易于植入、适合节点型准分布式传感。光纤光栅传感器中心波长受作用力影响，数值发生改变，可以分析得到应变与中心波长之间的关系。
[0003]随机森林(Random Forest，RF)方法是美国科学家Leo Breiman提出的一种集成式统计学习方法，它是由并行式集成学习的Bagging方法与随机子空间(Random Subspace)方法相结合而形成，该算法通过对数据反复二分的方式来实现分类或回归，构建Bagging集成为基础、引入随机属性选择的随机森林方法。首先，采用自助采样法(Bootstrap sampling)在原始数据集中随机且有放回地抽取训练样本形成决策树Bagging集成；然后，在Bagging集成基础上，采用随机子空间方法在原有特征集中随机抽取各决策树分裂所需的特征变量，形成多个分类回归树，最后汇总计算得到结果。应用该方法构建的模型降低了回归树之间的相关性，且对异常值和噪声数据的容忍度较高，具有较好的泛化能力与准确。另外，用随机森林方法建立的模型还具有调节参数少、操作方便、易于实现等特点。在训练样本集给出的情况下，仅有模型决策树棵树以及分割结点的随机特征数目需要调整优化。
[0004]目前，还没有将随机森林算法应用到FBG定位识别的研究。

技术实现思路

[0005]本专利技术提供了一种基于随机森林算法的FBG定位识别方法，利用光纤光栅传感器多组网方式，结合随机森林算法，建立中心波长变化量与静载荷、位置坐标的预测模型，以实现精确定位预测。
[0006]为了实现上述目的，本专利技术采用了如下技术方案：
[0007]一种基于随机森林算法的FBG定位识别方法，包括以下步骤：
[0008]利用多物理场仿真软件建模，对影响FBG阵列传感器性能的封装参数进行仿真研究，并确定FBG阵列传感器的封装方式；
[0009]将FBG阵列传感器划分为至少两个区域，并设计FBG布设方式，建立FBG传感仿真模型；利用多物理场仿真软件添加静载荷的运动轨迹，对每个区域进行模拟静载荷实验，并将域点探针测得的应力记录保存；
[0010]根据FBG布设方式和域点探针测得的应力，建立随机森林预测模型：以域点探针测得的应力作为输入参数，以位置坐标、静载荷作为输出参数；
[0011]采用光纤光栅解调设备搭建FBG载荷识别系统；
[0012]按照所述封装方式将若干根FBG串埋入柔性基体内，制成FBG阵列传感器；用不同
重量的砝码逐个对FBG阵列传感器的不同区域施加静载荷，使用光纤光栅解调设备记录设定时间的中心波长变化数据，并以波长变化量作为随机森林预测模型的输入量，以坐标位置和静载荷作为输出量，通过预测点到真实点的误差评价定位预测效果。
[0013]作为对本专利技术的进一步改进，利用多物理场仿真软件建模，对影响FBG阵列传感器性能的封装参数进行仿真研究，包括：
[0014]设置局部材料，对各区域分别进行材料的属性的设置；
[0015]所述材料包括：Steel AISI 4340、裸光纤和PDMS；
[0016]所述材料的属性包括：弹性模量、泊松比和密度。
[0017]作为对本专利技术的进一步改进，FBG阵列传感器的封装方式：PDMS封装厚度为4mm，光栅封装位置距底2mm。
[0018]作为对本专利技术的进一步改进，模拟静载荷实验包括：对建立的FBG传感仿真模型基材表面施加[1N:1N:10N]范围的正向压力，分析应力与正向压力的关系。
[0019]作为对本专利技术的进一步改进，建立随机森林预测模型包括：
[0020]构建并形成训练数据集：以FBG传感仿真模型中布设方式的域点探针测得的应力作为输入变量，相应位置坐标与静载荷作为输出变量矩阵，输出变量和输入变量矩阵形成训练数据集。
[0021]作为对本专利技术的进一步改进，建立随机森林预测模型还包括：
[0022]随机森林通过自助采样训练子集及回归树。
[0023]作为对本专利技术的进一步改进，建立随机森林预测模型还包括：
[0024]将采样训练子集及回归树的数据利用MATLAB脚本语言编写代码运算，最终确定回归树的个数。
[0025]作为对本专利技术的进一步改进，所述FBG阵列传感器划分为16个区域，将4根FBG串埋入柔性基体内，制成FBG阵列传感器；所述砝码的重量最小值100g，最大值1000g；光纤光栅解调设备记录5s的中心波长变化数据。
[0026]有益效果：
[0027]本专利技术通过PDMS封装，并结合大量的仿真模拟，选取最佳的封装厚度，即确保FBG传感器在裸光纤状态下受力不发生损坏，还确保了FBG传感器的高精度检测；结合随机森林算法能够达到精确定位预测，所需训练数量集小，训练速度快，可以实现工作面的实时监测与定位。
[0028]本专利技术可以应用于智能监测设备，应用于航空航天领域；且结合了FBG的抗腐蚀抗干扰能力，面对极端的环境条件下，依然有着良好的监测作用。
附图说明
[0029]图1为载静荷运动轨迹示意图。
[0030]图2为基于随机森林算法的预测模型框示意图。
[0031]图3为FBG阵列传感器静载距离预测示意图。
[0032]图4为FBG阵列传感器静载距离误差分析示意图。
[0033]图5为基于随机森林算法的FBG定位识别方法流程图。
具体实施方式
[0034]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0035]本专利技术公开了一种基于随机森林算法的FBG定位识别方法，利用反射光谱中心波长的漂移量与结构状态的特征参量变化的映射关系，对FBG阵列传感器进行相应的封装保护，使用随机森林算法建立高精度的位置静载荷数学预测模型，并对光纤布拉格光栅传感阵列压觉预测算法进行了研究，最终通过对大量数据进行处理，建立中心波长变化量与静载荷、位置坐标的预测模型，以此达到精准定位预测。
[0036]如图5所示，所述基于随机森林算法的FBG定位识别方法主要包括：多物理场模拟仿真，确定封装方式
→
模拟实验，记录数据
→
建立随机森林预测模型
→
搭建实验，验证分析结果。
[0037]下面通过具体实施例对本专利技术作进一步详细介绍。
[0038]步骤一、利用COMSOL多物理场本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机森林算法的FBG定位识别方法，其特征在于，包括以下步骤：利用多物理场仿真软件建模，对影响FBG阵列传感器性能的封装参数进行仿真研究，并确定FBG阵列传感器的封装方式；将FBG阵列传感器划分为至少两个区域，并设计FBG布设方式，建立FBG传感仿真模型；利用多物理场仿真软件添加静载荷的运动轨迹，对每个区域进行模拟静载荷实验，并将域点探针测得的应力记录保存；根据FBG布设方式和域点探针测得的应力，建立随机森林预测模型：以域点探针测得的应力作为输入参数，以位置坐标、静载荷作为输出参数；采用光纤光栅解调设备搭建FBG载荷识别系统；按照所述封装方式将若干根FBG串埋入柔性基体内，制成FBG阵列传感器；用不同重量的砝码逐个对FBG阵列传感器的不同区域施加静载荷，使用光纤光栅解调设备记录设定时间的中心波长变化数据，并以波长变化量作为随机森林预测模型的输入量，以坐标位置和静载荷作为输出量，通过预测点到真实点的误差评价定位预测效果。2.根据权利要求1所述的一种基于随机森林算法的FBG定位识别方法，其特征在于，利用多物理场仿真软件建模，对影响FBG阵列传感器性能的封装参数进行仿真研究，包括：设置局部材料，对各区域分别进行材料的属性的设置；所述材料包括：Steel AISI 4340、裸光纤和PDMS；所述材料的属性包括：弹性模量、泊松比和密度。3.根据权利要求2所述的一种基于随机森...

【专利技术属性】
技术研发人员：王彦，沈浩，方挺，葛子阳，朱伟，
申请(专利权)人：安徽工业大学科技园有限公司，
类型：发明
国别省市：