详情

原文传递基于神经网络的常用飞行器表面材质识别方法

专利名称：	基于神经网络的常用飞行器表面材质识别方法
摘要：	本发明涉及一种基于神经网络的常用飞行器表面材质识别方法，包括如下步骤：步骤1：采集多种常用飞行器表面材料的大量漫反射红外光谱；步骤2：对采集的光谱进行预处理；步骤3：按照传统材质检测法对材质进行检测，并对相应材质红外光谱进行标定，建立红外光谱数据与材质匹配模型；步骤4：对数据库红外光谱进行分类；步骤5：将光谱数据进行格式转换，利用神经网络对数据库进行深度学习和训练，建立其神经网络模型；所述神经网络分为输入层和竞争层，网络竞争层的各神经元通过竞争来获取对输入模式的响应机会，最后只有一个神经元成为胜利者；该方法无需样品制备即可外场对样品进行分析，识别的准确率平均达到85%以上。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京空间飞行器总体设计部
发明人：	贺东雷;李怀峰
专利状态：	有效
发布日期：	2019-01-01T00:00:00+0800
申请号：	CN201810662092.8
公开号：	CN108872130A
代理机构：	吉林省长春市新时代专利商标代理有限公司 22204
代理人：	唐盼
分类号：	G01N21/3563(2014.01)I;G01N21/359(2014.01)I;G;G01;G01N;G01N21;G01N21/3563;G01N21/359
申请人地址：	100000 北京市海淀区知春路82号
主权项：	1.一种基于神经网络的常用飞行器表面材质识别方法，其特征在于，包括如下步骤：步骤1：利用近红外光谱仪采集多种常用飞行器表面材料的大量漫反射红外光谱，建立基础数据库；步骤2：对步骤1采集的光谱进行预处理，2.1)去除背景噪声：利用近红外光谱仪多次测量空气背景的红外光谱数据，求取波长为900‑1700nm范围内的多次测量的光谱相对强度的平均值，作为背景强度从步骤1中所采集的多种常用飞行器表面材料的大量漫反射红外光谱数据中减掉；2.2)利用欧氏距离判断离散点，去除明显无效光谱；2.3)利用小波变换去噪法对信号平滑处理；2.4)截取有效波长范围：936.47‑1682.01nm；2.5)去除仪器传函：确定仪器传函数据与实验数据有效波长及分辨率相同，用实验数据除以仪器传函数据，即乘以仪器修正曲线，以去除实验仪器传函；2.6)去除光源反射光影响：确定光源数据与实验有效数据波长相同，利用原实验装置多次测试标准白板漫反射近红外光谱，取有效光谱平均值；用实验数据除以标准白板漫反射近红外光谱数据，实现光源反射光去除；2.7)归一化数据处理：将以上处理后的有效光谱数据进行归一化处理，归一化后光谱数据强度在[‑1,1]之间；步骤3：将处理后的光谱建立光谱数据库；按照传统材质检测法对飞行器表面材质进行检测，并对相应材质红外光谱进行标定，建立红外光谱数据与传统飞行器表面材质匹配模型；步骤4：根据飞行器表面材质对数据库红外光谱进行分类；步骤5：将光谱数据进行格式转换，利用神经网络对数据库进行深度学习和训练，建立其神经网络模型；所述神经网络分为输入层和竞争层，网络竞争层的各神经元通过竞争来获取对输入模式的响应机会，最后只有一个神经元成为胜利者，并将与获胜神经元的各联接权值向着更有利于其竞争的方向调整；其中，所述输入层由N个神经元构成，竞争层有M个神经元；网络的连接权值为w_ij(i＝1，2，…，N；j＝1，2，…，M)，且满足约束条件输入层输入样本为二值向量，各元素取值0或者1，竞争层神经元j的状态的计算方式如下：式(1)中，xi为输入样本向量的第i个元素，根据竞争机制，竞争层中具有最大加权值的神经元k赢得竞争胜利，输出为竞争后的权值按照如下方式进行修正，式(2)中，a为学习参数，0＜a＜＜1；m为输入层中输入为1的神经元个数，即权值调整公式中的项表示当x_i为1时，权值增加；而当x_i为0时，权值减小；当x_i活跃时，对应的第i个权值就增加，否则就减小；当达到预设的迭代次数，结束算法；步骤6：按照与步骤1同样的方法对飞行器表面材质进行光谱采集；步骤7：按照与步骤2同样的方法对采集的光谱进行预处理，并将处理后的光谱数据输入步骤5构建的神经网络模型，即输出材质信息。
所属类别：	发明专利