據(jù)進行濾波處理所用公式為：
[0047]
[0048] 式中，是在實際環(huán)境中測量的待濾波電壓序列，X' i為濾波后的實測電壓序列， k'為實測的濾波滑動寬度。
[0049] 步驟5、根據(jù)步驟4濾波后的應(yīng)變傳感器電壓數(shù)據(jù)建立大變形柔性體動態(tài)測量數(shù) 據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)的輸入為傳感器的輸出電壓，期望輸出為柔性體的受力信息； 所述大變形柔性體動態(tài)測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)為三層神經(jīng)網(wǎng)絡(luò)，包含一個輸入層、一個輸 出層和一個隱層；神經(jīng)網(wǎng)絡(luò)的輸入為經(jīng)過濾波處理后的真實場景下傳感器采集的電壓數(shù) 據(jù)，輸出為柔性體的真實受力信息；
[0050] 所述輸入層包括一個輸入量，多個輸出量，輸入量為經(jīng)過濾波處理后的傳感器采 集的電壓數(shù)據(jù)，輸出量為輸入量的恒等映射，輸出量的數(shù)量與隱層神經(jīng)元的個數(shù)相同；
[0051] 隱層神經(jīng)元的個數(shù)nh由自適應(yīng)控制確定，規(guī)律描述公式如下：
[0052]
[0053] 其中，np為樣本數(shù)量，隱層包括n h個輸入量，n h個輸出量，輸入量為輸入層的輸出， 其激勵函數(shù)為Chebyshev正交基函數(shù)：
[0054]
[0055] 式中，gi (X)為第i個神經(jīng)元的激勵函數(shù)，隱層的輸出量為：
[0056] hi= w (xt), i = I, 2, . . . , nh, t = I, 2, . . . , np
[0057] 輸出層包括nh個輸入量，一個輸出量，輸入量為隱層的輸出，其激勵函數(shù)為線性函 數(shù)，輸出層的期望輸出為求得的電壓-受力函數(shù)對應(yīng)的函數(shù)輸出，輸出量為：
[0058]
[0059] 其中，^為隱層第i個神經(jīng)元的權(quán)重，X t為經(jīng)過濾波處理后的電壓，np為訓(xùn)練樣本 數(shù)量，nh為隱層神經(jīng)元個數(shù)，O t為輸出層的輸出。
[0060] 步驟6、采用被測對象在實際環(huán)境下工作過程中的受力信息，對大變形柔性體動態(tài) 測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練；
[0061] 步驟7、使用訓(xùn)練好的大變形柔性體動態(tài)測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)進行電學(xué)-力學(xué) 空間信息轉(zhuǎn)換，得到轉(zhuǎn)換后的大變形柔性體動態(tài)測量數(shù)據(jù)的受力信息輸出。
[0062] 下面進行更詳細的描述：
[0063] 結(jié)合圖1，本發(fā)明是一種基于神經(jīng)網(wǎng)絡(luò)的大變形柔性體動態(tài)受力測量信息轉(zhuǎn)換方 法。首先，利用神經(jīng)網(wǎng)絡(luò)模型建立針對大變形柔性體的動態(tài)測量信息轉(zhuǎn)換非線性模型；然后 采用該模型對真實應(yīng)用場景中的大變形柔性體工作時的動態(tài)測量信息進行轉(zhuǎn)換。包括如下 步驟：
[0064] 步驟1、使用測量柔性體受力作用的應(yīng)變傳感器對被測柔性體進行電壓-受力的 標定，所述測量柔性體受力作用的應(yīng)變傳感器的測量拉力范圍為〇~1500N，傳感器的輸出 電壓范圍為0~3. 3v。所述標定是指在織物上安裝傳感器后，在高精度萬能材料試驗機上 進行從0到滿負載拉力實驗，得到系列傳感器/織物對應(yīng)的電壓-受力測量數(shù)據(jù)。
[0065] 步驟2、對測量柔性體受力作用的應(yīng)變傳感器獲取的測量數(shù)據(jù)進行濾波處理。具 體為：由于采樣的噪聲為周期性噪聲，采用遞推平均濾波，對于傳感器電壓采樣序列Ixji = ..3中的連續(xù)k個數(shù)據(jù)求和后，再取平均值作為濾波后的結(jié)果。Ix JiH..，n為遞推濾波 后的電壓序列，具體公式如下：
C6)
[0066]
[0067] 步驟3、根據(jù)步驟2得到的濾波后應(yīng)變傳感器測量數(shù)據(jù)構(gòu)建電壓-受力函數(shù)。具體 為根據(jù)電壓-受力測量數(shù)據(jù)進行多項式擬合，得到形如下式（7)的電壓-受力函數(shù)，作為神 經(jīng)網(wǎng)絡(luò)的期望輸出：
[0068]
(7)
[0069] 其中X為電壓自變量，d為最高項次數(shù)，ai為第i項的系數(shù)。
[0070] 步驟4、獲取被測對象柔性體在實際環(huán)境下工作過程中的受力信息，即應(yīng)變傳感器 的電壓數(shù)據(jù)，并對該數(shù)據(jù)進行濾波處理。對于傳感器電壓采樣序列l(wèi)x'的連續(xù) k個數(shù)據(jù)求和后，再取平均值作為濾波后的結(jié)果。Ix' = 遞推濾波后的電壓序 列，具體公式如下：
[0071]
(8)
[0072] 步驟5、根據(jù)步驟4濾波后的應(yīng)變傳感器電壓數(shù)據(jù)建立大變形柔性體動態(tài)測量數(shù) 據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)，大變形柔性體動態(tài)測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)為三層神經(jīng)網(wǎng)絡(luò)，包含一個輸 入層、一個輸出層和一個隱層。神經(jīng)網(wǎng)絡(luò)的輸入為經(jīng)過濾波處理后的真實場景下傳感器采 集的電壓數(shù)據(jù)，輸出為柔性體的真實受力信息。所述輸入層包括一個輸入量，多個輸出量， 輸入量為經(jīng)過濾波處理后的傳感器采集的電壓數(shù)據(jù)，輸出量為輸入量的恒等映射。隱層神 經(jīng)元的個數(shù)為自適應(yīng)控制確定，規(guī)律描述公式如下：
[0073]
(9)
[0074] 隱層包括1個輸入量，nh個輸出量，輸入量為輸入層的輸出，其激勵函數(shù)為 Chebyshev正交基函數(shù)：
[0075]
[0076] 式中，gi(x)為第i個神經(jīng)元的激勵函數(shù)。隱層的輸出量為：Iii= w Ai(Xt), i = 1,2,..., Iij1, t - 1, 2,. . . , Πρ
[0077] 輸出層包括nh個輸入量，一個輸出量，輸入量為隱層的輸出，其激勵函數(shù)為線性函 數(shù)，輸出層的期望輸出為補償后電壓信息在步驟3中式（7)所示的電壓-受力函數(shù)對應(yīng)的 函數(shù)輸出。輸出量為：
[0078]
(11)
[0079] 上述表達式中，&為隱層第i個神經(jīng)元的權(quán)重，X t為經(jīng)過濾波處理后的電壓，η 5為 訓(xùn)練樣本數(shù)量，％為隱層神經(jīng)元個數(shù)，〇 t為輸出層的輸出。
[0080] 其中隱層神經(jīng)元數(shù)量的自適應(yīng)推導(dǎo)過程如下：
[0081] 步驟5. 1在大變形柔性體動態(tài)測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)中，隱層層數(shù)為1層，假設(shè) 訓(xùn)練樣本數(shù)為np，輸入層神經(jīng)元個數(shù)為Iii,每個隱層神經(jīng)元個數(shù)為nh，輸出層神經(jīng)元個數(shù)為 η。。每個樣本的輸入電學(xué)空間序列為{xp} (p = 1，2, · · ·，np)，期望輸出力學(xué)空間序列為{yp} (p = 1，2, ...，np)。在大變形柔性體動態(tài)測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程中，要確定未知 的權(quán)值和閾值，使得每個樣本輸入電壓\可通過連接權(quán)值、閾值和激活函數(shù)的非線性運算， 獲得一個力學(xué)的輸出Op，使總體平均誤差函數(shù)最小。建立關(guān)于給定標準樣本的神經(jīng)網(wǎng)絡(luò)權(quán) 值和閾值分析計算的無約束非線性最優(yōu)化問題模型：min{f(z)}，z e Rn，其中目標函數(shù)為網(wǎng) 絡(luò)的均方誤差，見式（12)。
[0082]
(12)
[0083] 步驟5. 2為了求得神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，設(shè)計變量z = [Zl，z2, . . .，ζη]τ為待求的大變 形柔性體動態(tài)測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，其中Zi= [a pbj，％是神經(jīng)網(wǎng)絡(luò)的權(quán) 值，h是神經(jīng)網(wǎng)絡(luò)的閾值。設(shè)變量總維數(shù)，即神經(jīng)元總數(shù)量可以表示為式（13)，其中n i、nh和η。分別為該數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)的輸入層、隱層和輸出層神經(jīng)元數(shù)目。
[0084] n = (ni+n0)*(nh+l) (13)
[0085] 步驟5. 3理想的大變形柔性體動態(tài)測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)應(yīng)該能自動找 到表示權(quán)值和閾值的變量z%使f (Z) = 0。其中，Z為理想情況下的神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值。 實際情況下神經(jīng)網(wǎng)絡(luò)優(yōu)化方法的計算應(yīng)使得目標函數(shù)f (z)獲得極小值，滿足f (ζ#) < ε， 網(wǎng)絡(luò)結(jié)構(gòu)是合理的。因此式（12)在理想情況下應(yīng)滿足方程組（14)。
[0086]
(14)
[0087] 式（14)方程是復(fù)雜的非線性超越代數(shù)方程組，如果在理論上實現(xiàn)神經(jīng)網(wǎng)絡(luò)的目 標函數(shù)收斂到〇,則np個樣本需要滿足超越代數(shù)方程的總數(shù)為n a= η p*n。，即神經(jīng)網(wǎng)絡(luò)變量 的總維度大于等于超越方程的總數(shù)。因此根據(jù)代數(shù)理論，建立關(guān)于大變形柔性體動態(tài)測量 數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)隱層單元數(shù)量是設(shè)計變量的優(yōu)化問題由式（13)可得如下（15)的約束優(yōu) 化問題：
[0088]
[0089] 求解上述約束方程可得到式（16)
[0090]
(16)
[0091] 進一步，在式（16)中，在圖2所示的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，niPn。均為已知，計算可得 到大變形柔性體動態(tài)測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元的合理個數(shù)見式（17)，因此隱層神 經(jīng)元的合理個數(shù)隨著訓(xùn)練樣本的不同，在該神經(jīng)網(wǎng)絡(luò)中可通過式（17)自動計算得到：
[0092] (17)
[0093] 步驟6、采用被測對象在實際環(huán)境下工作過程中的受力信息，對大變形柔性體動態(tài) 測量數(shù)據(jù)轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。在本方法中，通過選取部分濾波后的實際測量數(shù)據(jù)X' i， 對其進行補償后得補償后電壓數(shù)據(jù)X" i，x" 1可根據(jù)式（7