一种基于迁移学习的多维力传感器解耦方法技术

本发明专利技术属于传感器技术领域，具体涉及一种基于迁移学习的多维力传感器解耦方法。本发明专利技术包括：通过静态标定构建标定数据集；通过数值分析和模拟方法构建预训练数据集；以预训练数据集为源数据集，利用基于迁移学习机制的神经网络进行预训练，得到预训练模型及所有的网络参数；固定浅层的网络参数，使用标定数据集为目标数据集微调最后若干层网络层，获得最后若干层网络层的新的网络参数，得到多维力传感器解耦模型；利用多维力传感器解耦模型对多维力传感器采集的数据进行解耦处理。本发明专利技术加速了神经网络的训练速度，避免神经网络在学习中陷入局部最优，使解耦模型具有良好的收敛性和鲁棒性，同时减少对标定数据的依赖，降低传感器的标定成本。

【技术实现步骤摘要】

本专利技术属于传感器，具体涉及一种基于迁移学习的多维力传感器解耦方法。

技术介绍

1、随着时代的发展，单维力传感器已经不能满足日常生产与研究的测量要求，因此多维力传感器越来越受到工程应用的青睐。多维力传感器指的是一种能够同时测量两个方向以上力及力矩分量的力传感器，在笛卡尔坐标系中力和力矩可以各自分解为三个分量，多维力最完整的形式是六维力或六维力矩传感器，能够同时测量三个力分量和三个力矩分量的传感器，被广泛应用于大型工程机械和智能机器人的机械臂。

2、然而，由于多维力传感器一体化的弹性体结构以及制作加工工艺上的误差，使得传感器在不同维度方向的转换通道上，存在着不可避免的耦合，即维间耦合，这严重影响了传感器的测量精度，不符合实际的测量要求，因此对传感器进行解耦非常重要。传统解耦方法是通过解耦原理下的单轴标定数据对传感器进行线性解耦，然而传感器受结构设计、制造工艺等诸多因素影响会存在解耦不完全、解耦矩阵病态等问题，而且还面临着其它偶然误差的干扰。而机器学习不用了解传感器测量系统的内部耦合原理，只需通过与六轴载荷相对应的电压信号数据集进行训练，就能够构本文档来自技高网...

【技术保护点】

1.一种基于迁移学习的多维力传感器解耦方法，其特征在于，所述基于迁移学习的多维力传感器解耦方法，包括：

2.根据权利要求1所述的基于迁移学习的多维力传感器解耦方法，其特征在于，所述通过对多维力传感器进行静态标定构建标定数据集Xexperiment，包括：

3.根据权利要求1所述的基于迁移学习的多维力传感器解耦方法，其特征在于，所述通过数值分析和模拟方法构建预训练数据集Xpre，包括：

4.根据权利要求1所述的基于迁移学习的多维力传感器解耦方法，其特征在于，所述通过数值分析和模拟方法构建预训练数据集Xpre，包括：

5.根据权利要求1所述的基...

【技术特征摘要】

1.一种基于迁移学习的多维力传感器解耦方法，其特征在于，所述基于迁移学习的多维力传感器解耦方法，包括：

2.根据权利要求1所述的基于迁移学习的多维力传感器解耦方法，其特征在于，所述通过对多维力传感器进行静态标定构建标定数据集xexperiment，包括：

3.根据权利要求1所述的基于迁移学习的多维力传感器解耦方法，其特征在于，所述通过数值分析和...

【专利技术属性】
技术研发人员：许杨剑，王一键，陈星，阮洪势，鞠晓喆，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：