[发明专利]一种基于神经网络的色散共焦测量装置标定方法

权利要求书

1.一种基于神经网络的色散共焦测量装置标定方法，其特征在于，具体步骤为：

S1.利用色散共焦测量装置测量压电陶瓷的测量位置得到不同位置所对应的光谱响应信号，对光谱响应信号的光强序列进行滤波处理得到新的归一化光谱响应信号的光强序列；

步骤S1采用Alpha统计滤波方法对光谱响应信号的光强序列进行滤波处理得到新的归一化光谱响应信号的光强序列，具体为：

S1.1从i＝1开始，计算光谱响应信号的光强序列中取出以I_i为起始位，长度为2n-1的光强序列

光谱响应信号的光强序列的表达式为：I₁、I_m-1和I_m分别表示光谱响应信号第1个、第m-1个和第m个采样点的光强；

数学表达式为：I_i和I_i+2n-2分别表示光谱响应信号第i个和第i+2n-1个采样点的光强；

S1.2中2n-1个光强值以降序方式排序并去除前m个较大值和后m个较小值求得平均值I_v，更新光谱响应信号第i+n个采样点的光强值I_i+n为I_v；

S1.3令i＝i+1，依次迭代计算光强序列直至i＝m-2n+2，并对滤波后的光强序列归一化后得到新的归一化光谱响应信号的光强序列

S2.将所有的新的归一化光谱响应信号的光强序列构成光强集合，所有的新的归一化光谱响应信号的光强序列对应的测量位置构成测量位置集合，将光强集合和测量位置集合中的数据随机划分为训练集和测试集；

S3.将训练集的光强序列输入至神经网络，经神经网络的权重系数矩阵运算后得到与光强信号对应的光强序列预测位置值；

S4.计算训练集的光强序列预测位置值与实际测量值的误差E，依据误差E调整权重系数矩阵中的各权重系数，并按照步骤S3重新计算训练集的光强序列预测位置值直至所有训练集的光强序列预测位置值满足预设的条件，计算所有测试集的光强序列预测位置值满足预设的条件时，权重系数矩阵的各权重系数即为色散共焦测量装置的标定值。

2.根据权利要求1所述的一种基于神经网络的色散共焦测量装置标定方法，其特征在于，步骤S3具体为：

神经网络包括输入层、第一隐藏层、第二隐藏层和输出层，输入层为第i个新的归一化光谱响应信号的光强序列输出层为第i个新的归一化光谱响应信号所对应的预测位置值输入层与第一隐藏层、第一隐藏层与第二隐藏层以及第二隐藏层与输出层之间的权重系数矩阵分别为W_mj、W_jk和W_k，其中的运算关系为矩阵乘法关系，即：

3.根据权利要求2所述的一种基于神经网络的色散共焦测量装置标定方法，其特征在于，步骤S4具体为：

误差E的计算公式为：其中，d_i为第i个新的归一化光谱响应信号所对应的实际测量值；

所有训练集的光强序列预测位置值满足预设的条件：

所有测试集的光强序列预测位置值满足预设的条件为：

4.根据权利要求3所述的一种基于神经网络的色散共焦测量装置标定方法，其特征在于，依据误差E调整权重系数矩阵中的各权重系数具体为：将误差E表示为关于权重系数矩阵中的各权重系数的函数，求解误差E关于权重系数矩阵中的各权重系数的偏导并依据偏导值得到权重系数矩阵中的各权重系数的优化步长。