[发明专利]使用特征距离的先验概率的智能减震性能监控方法

权利要求书

1.一种使用特征距离的先验概率的智能减震性能监控方法，其特征在于，包括：

分别获取阻尼装置的上层表面的第一振动数据和下层表面的第二振动数据；

将所述第一振动数据和所述第二振动数据分别转化为第一振动向量和第二振动向量；

将所述第一振动向量和所述第二振动向量分别通过深度神经网络以获得对应于所述第一振动向量的第一特征向量和对应于所述第二振动向量的第二特征向量；

计算所述第一特征向量与所述第二特征向量之间的距离D；

以如下公式计算所述距离D的先验知识概率P，其中，该公式为：P＝log((2*exp(-aD))/1+exp(-aD))，a是用于将exp(-aD)的值映射到0到1之间的预定参数；

将所述先验知识概率P取负数后与第二特征向量相乘以获得第三特征向量；以及

将所述第一特征向量与所述第三特征向量级联后输入分类器，以获得分类结果，所述分类结果用于表示阻尼装置的减震性能是否符合要求。

2.根据权利要求1所述的使用特征距离的先验概率的智能减震性能监控方法，其中，将所述第一振动向量和所述第二振动向量分别通过深度神经网络以获得对应于所述第一振动向量的第一特征向量和对应于所述第二振动向量的第二特征向量，包括：

将所述第一振动向量和所述第二振动向量分别通过一维卷积神经网络，以对所述第一振动向量和所述第二振动向量分别进行一维卷积处理，以获得对应于所述第一振动向量的第一特征向量和对应于所述第二振动向量的第二特征向量。

3.根据权利要求1所述的使用特征距离的先验概率的智能减震性能监控方法，其中，将所述第一振动向量和所述第二振动向量分别通过深度神经网络以获得对应于所述第一振动向量的第一特征向量和对应于所述第二振动向量的第二特征向量，包括：

将所述第一振动向量和所述第二振动向量分别通过多层感知机模型，以获得对应于所述第一振动向量的第一特征向量和对应于所述第二振动向量的第二特征向量。

4.根据权利要求1所述的使用特征距离的先验概率的智能减震性能监控方法，其中，计算所述第一特征向量与所述第二特征向量之间的距离D，包括：

计算所述第一特征向量与所述第二特征向量之间均方差，以获得所述距离D。

5.根据权利要求1所述的使用特征距离的先验概率的智能减震性能监控方法，其中，计算所述第一特征向量与所述第二特征向量之间的距离D，包括：

计算所述第一特征向量与所述第二特征向量之间按像素位置的L1距离，以获得差分特征向量；

计算所述差分特征向量中各个位置的特征值的平均值，以获得所述距离D。

6.根据权利要求1所述的使用特征距离的先验概率的智能减震性能监控方法，其中，所述预定参数a作为超参数参与到所述深度神经网络和所述分类器的训练过程中。