基于Hopkinson杆和人工神经网络的三轴冲击力传感器同步解耦标定方法
三分量冲击力载荷的同步激励与输入输出间的精准建模是三轴冲击力传感器标定所面临的主要挑战.为了实现对三轴冲击力传感器的有效标定,使其能够准确测量空间中的三维冲击力载荷.首先,基于Hopkinson杆与矢量分解原理建立了一种高幅值(104 N量级)、窄脉宽(10?4 s量级)可计量三分量冲击力载荷的同步激励方法,实现了对三轴冲击力传感器的同步加载.然后,基于最小二乘原理与矩阵微分构建了三轴冲击力传感器的线性标定模型,并通过改变子弹结构与冲击气压揭示了线性解耦标定模型中传感器主灵敏度系数与轴间耦合灵敏度系数并非固定常数而均与冲击力载荷脉冲构型(幅值、脉宽)相关的冲击特性.最后,将能够反映载荷构型信息的传感器各轴输出电压脉冲的幅值与脉宽作为影响因素,并以神经元的形式添加到人工神经网络(artificial neural network,ANN)的输入层,建立了基于ANN的三轴冲击力传感器输出电压与输入载荷间的代理模型,实现了数据驱动的三轴冲击力传感器非线性解耦标定.结果表明,相对最小二乘模型,ANN标定精度更高,采用ANN进行三轴冲击力传感器标定具有可行性和有效性.
冲击力传感器、同步标定、神经网络、机器学习、Hopkinson杆
42
O347(固体力学)
国家自然科学基金;国家自然科学基金
2022-11-10（万方平台首次上网日期，不代表论文的发表时间）
共12页
85-96
