公开(公告)号：CN111638034B

公开(公告)日：2021-07-09

申请号：CN202010517988.4

申请日：2020-06-09

Applicant: 重庆大学 ,  中国空气动力研究与发展中心高速空气动力研究所

Inventor： 皮阳军 ,  邹星旺 ,  王超 ,  朱江凌 ,  谢志江 ,  谢斌 ,  刘飞 ,  向光伟 ,  宋代平 ,  朱加豪

IPC: G01M9/06 ,  G01M9/08 ,  B64F5/60 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的应变天平温度梯度误差补偿方法及系统，该方法通过在天平上布置温度传感器获取天平的温度数据以及温度梯度误差数据；然后根据天平温度梯度误差数据选取关键温度测点；最后建立深度置信网络DBN，设置初始参数，以关键温度测点的温度数据作为深度置信网络DBN的输入值，以温度梯度误差数据作为网络的输出值，进行深度置信网络DBN训练和温度梯度误差预测。本发明提出的方法，解决了天平温度梯度误差补偿方法精度不够高、鲁棒性及泛化能力不好的问题。通过选取出了天平上的关键温度测点，减少了温度传感器个数，降低了模型复杂程度；二是该温度梯度误差补偿方法预测精度高、鲁棒性和泛化能力较好。

公开(公告)号：CN111638034A

公开(公告)日：2020-09-08

申请号：CN202010517988.4

申请日：2020-06-09

Applicant: 重庆大学 ,  中国空气动力研究与发展中心高速空气动力研究所

Inventor： 皮阳军 ,  邹星旺 ,  王超 ,  朱江凌 ,  谢志江 ,  谢斌 ,  刘飞 ,  向光伟 ,  宋代平 ,  朱加豪

IPC: G01M9/06 ,  G01M9/08 ,  B64F5/60 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的应变天平温度梯度误差补偿方法及系统，该方法通过在天平上布置温度传感器获取天平的温度数据以及温度梯度误差数据；然后根据天平温度梯度误差数据选取关键温度测点；最后建立深度置信网络DBN，设置初始参数，以关键温度测点的温度数据作为深度置信网络DBN的输入值，以温度梯度误差数据作为网络的输出值，进行深度置信网络DBN训练和温度梯度误差预测。本发明提出的方法，解决了天平温度梯度误差补偿方法精度不够高、鲁棒性及泛化能力不好的问题。通过选取出了天平上的关键温度测点，减少了温度传感器个数，降低了模型复杂程度；二是该温度梯度误差补偿方法预测精度高、鲁棒性和泛化能力较好。