典型文献
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
文献摘要：
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.
文献关键词：
冲击力传感器;同步标定;神经网络;机器学习;Hopkinson杆
中图分类号：
作者姓名：
王清华;郭伟国;徐丰;高猛;王志浩
作者机构：
西北工业大学航空学院,陕西 西安 710072;西北工业大学航天学院,陕西 西安 710072;北京强度环境研究所,北京 100076;天津航天瑞莱科技有限公司,天津 300462
文献出处：
引用格式：
[1]王清华;郭伟国;徐丰;高猛;王志浩-.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)[J].爆炸与冲击,2022(10):85-96
A类：
冲击力传感器
B类：
Hopkinson,人工神经网络,三轴,解耦标定,标定方法,三分量,同步激励,输入输出,精准建模,传感器标定,主要挑战,效标,准确测量,测量空间,矢量分解,窄脉宽,激励方法,最小二乘原理,线性标定,标定模型,变子,子弹,冲击气压,灵敏度系数,定常,冲击特性,输出电压,电压脉冲,artificial,neural,network,ANN,输入层,代理模型,最小二乘模型,标定精度,同步标定
AB值：
0.289962
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
