一种基于神经网络的低温结构应力补偿方法技术

技术编号:44818083 阅读:30 留言:0更新日期:2025-03-28 20:06
本发明专利技术公开了一种基于神经网络的低温结构应力补偿方法,该方法包括:在不同温度和载荷条件下,收集光纤应变传感器的波长和光纤温度传感器波长数据;计算光纤应变传感器波长变化量和光纤温度传感器波长变化量;构建输入层神经元为光纤应变传感器波长变化量和光纤温度传感器波长变化量的BP神经网络模型;设置所述BP神经网络的训练参数;训练和验证所述BP神经网络模型。本发明专利技术通过扩大数据范围、引入数据处理技术和神经网络训练技术以及改变神经网络输入层参数,为低温环境下的结构应力监测提供一种更为精确、可靠和普适的补偿方法,具有广泛的应用前景和实际应用价值。

【技术实现步骤摘要】

本专利技术涉及数据误差补偿处理,具体涉及一种基于神经网络的低温结构应力补偿方法


技术介绍

1、人工神经网络是一种在结构和功能上模拟人类大脑的抽象模型,由大量简单处理单元——神经元组成,具有非线性、自学习能力、自适应分布式信息处理等特点。经过半个多世纪的曲折发展,人工神经网络的研究已经取得了重大的进展和突破,越来越受到人们的重视,已广泛应用在模式识别、自动控制、信号处理、传感器技术、系统建模等领域。人工神经网络的基本单元是神经元,通用的模型结构如图1所示。

2、神经网络一般由输入层、隐藏层和输出层三部分组成,输入层接收外部信号,隐藏层处理信号并进行特征提取,输出层则生成最终的输出信号。其中输入层和输出层都是一层结构,隐藏层结构的层数根据求解问题的复杂程度进行调节,可以是一层或者多层。

3、目前有很多种神经网络模型,依据网络结构划分,将神经网络分为不含反馈的前向型网络和反馈型网络。对于前向型网络,也称前馈网络,信号由输入层输入,经隐藏层传递给输出层输出,每层神经元只接收来自前一层神经元的输入,并将信号传递给下一层,下一层神经元对前面的本文档来自技高网...

【技术保护点】

1.一种基于神经网络的低温结构应力补偿方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的方法,其特征在于,所述步骤1中收集光纤应变传感器的波长和光纤温度传感器波长数据包括:使用高低温湿热试验箱调节试验件所处的环境温度,观察热电偶所测量的试验件表面温度,待试验件表面温度稳定在所需温度点,使用试验机对试验件由0开始按照要求的载荷梯度对试验件施加载荷,最大载荷不超过试验构件的屈服载荷;

3.根据权利要求1所述的方法,其特征在于,所述步骤2中所述光纤应变传感器波长变化量=光纤应变传感器实时波长-初始波长;所述光纤温度传感器波长变化量=光纤温度传感器实时波长-初始波...

【技术特征摘要】

1.一种基于神经网络的低温结构应力补偿方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的方法,其特征在于,所述步骤1中收集光纤应变传感器的波长和光纤温度传感器波长数据包括:使用高低温湿热试验箱调节试验件所处的环境温度,观察热电偶所测量的试验件表面温度,待试验件表面温度稳定在所需温度点,使用试验机对试验件由0开始按照要求的载荷梯度对试验件施加载荷,最大载荷不超过试验构件的屈服载荷;

3.根据权利要求1所述的方法,其特征在于,所述步骤2中所述光纤应变传感器波长变化量=光纤应变传感器实时波长-初始波长;所述光纤温度传感器波长变化量=光纤温度传感器实时波长-初始波长。

4.根据权利要求1所述的方法,其特征在于,所述步骤3中构建所述bp神经网络模型具体包括:引入l2正则化技术,在损失函数中添加一个惩罚项,用于限制模型权重的大小;所述l2正则化的损失函数表示为:

5.根据权利要求1所述的方法,其特征在于,所述步骤3中构建所述bp神经网络模型具体包括:使用dropout技术,在每次训练过程中,随机“丢弃”一部分神经元,使得模型在每次迭代中使用不同...

【专利技术属性】
技术研发人员:孙慧崔濛王传锐窦晓亮郁强张岚夏利娟谢晨曦李昂珂霍旭阳
申请(专利权)人:上海中船船舶设计技术国家工程研究中心有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1