本發(fā)明涉及空中加油設(shè)備中的加油軟管傳感器，尤其涉及一種基于波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)的光纖柔體形態(tài)反演方法。

背景技術(shù)：

1、隨著航空技術(shù)和無(wú)人機(jī)技術(shù)的不斷進(jìn)步，很多實(shí)際場(chǎng)景中都需要使用加油機(jī)。而不同于有人加油機(jī)的實(shí)際操作中可以由飛行員進(jìn)行手動(dòng)調(diào)整，人工應(yīng)對(duì)各種突發(fā)狀況，無(wú)人加油機(jī)加油軟管一旦伸出，則其形態(tài)變化將無(wú)法得到有效感知，且空中加油軟管在加油過(guò)程中受到復(fù)雜氣動(dòng)因素的影響，容易發(fā)生甩鞭變形情況，影響對(duì)接效率和飛行安全。

2、現(xiàn)有空中加油視覺(jué)監(jiān)測(cè)系統(tǒng)僅能得知加油軟管末端錐套位置信息，而無(wú)法準(zhǔn)確感知軟管加油過(guò)程中的變形形態(tài)，影響無(wú)人機(jī)操作員對(duì)加油軟管實(shí)際狀態(tài)的判斷，從而威脅到無(wú)人機(jī)飛行安全。

3、因此需要對(duì)空中加油軟管集成傳感器用于獲取軟管形態(tài)，但由于軟管外層為具有超彈性的橡膠結(jié)構(gòu)，使得其應(yīng)變響應(yīng)存在非線性，傳感器感知到的應(yīng)變信息與軟管形態(tài)特征難以關(guān)聯(lián)映射，使得空中加油軟管形態(tài)重構(gòu)存在困難，導(dǎo)致相關(guān)的地面測(cè)試工作困難重重，缺乏用于迭代無(wú)人機(jī)飛控的數(shù)據(jù)。而已投入運(yùn)營(yíng)的空中加油無(wú)人機(jī)，由于上述原因?qū)е碌臒o(wú)人機(jī)上的傳感器無(wú)法提供準(zhǔn)確的感應(yīng)信息，導(dǎo)致反饋給無(wú)人機(jī)操作系統(tǒng)界面的模擬圖像不準(zhǔn)確，因此還是需要經(jīng)驗(yàn)豐富的操作員全手動(dòng)操作完成油管對(duì)接，以至于空中加油任務(wù)的執(zhí)行效率普遍偏低。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的實(shí)施例提供一種基于波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)的光纖柔體形態(tài)反演方法，能夠?qū)罩屑佑蛙浌苄螒B(tài)進(jìn)行重構(gòu)，從而提升傳感器感知軟管加油過(guò)程中的變形的準(zhǔn)確度。

2、為達(dá)到上述目的，本發(fā)明的實(shí)施例采用如下技術(shù)方案：

3、一種基于波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)的光纖柔體形態(tài)反演方法，包括：

4、s1、在空中加油軟管中安裝分布式光纖傳感器，并記錄各個(gè)傳感器在在空中加油軟管上的位置。

5、s2、采集空中加油軟管的形狀數(shù)據(jù)并作為數(shù)據(jù)標(biāo)簽，根據(jù)用戶操作記錄數(shù)據(jù)標(biāo)簽和分布式光纖傳感器中心波長(zhǎng)偏移量的對(duì)應(yīng)關(guān)系；

6、s3、構(gòu)建基于分布式光纖傳感器波長(zhǎng)數(shù)據(jù)測(cè)量的波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊，將所述訓(xùn)練集和所述測(cè)試集輸入波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊進(jìn)行訓(xùn)練；

7、s4、將所述波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)的特征提取層作為特征提取器并訓(xùn)練；

8、s5、構(gòu)建多層感知機(jī)的神經(jīng)網(wǎng)絡(luò)，將通過(guò)所述特征提取器提取的訓(xùn)練集和測(cè)試集的特征輸入多層感知機(jī)并進(jìn)行多層感知機(jī)的訓(xùn)練；

9、s6、利用訓(xùn)練后的多層感知機(jī)反演實(shí)際的空中加油軟管的形變情況。

10、具體的，在s1中包括：在所述空中加油軟管的外層橡膠表面，如圖1所示的沿周向0°、120°和240°分別布置三條分布式光纖傳感器，即每一條分布式光纖傳感器即作為一條形態(tài)感知路徑。

11、具體的，在s2中包括：將所述空中加油軟管設(shè)置為不同的形狀，并采集每種形狀下的空中加油軟管的形狀數(shù)據(jù)和分布式光纖傳感器的中心波長(zhǎng)偏移量數(shù)據(jù)，其中，可以由研究人員手動(dòng)設(shè)置形變形狀。所述形狀數(shù)據(jù)包括對(duì)應(yīng)一種形狀的變形曲線 c=k 1 x 3 +k 2 x 2 +k 3 x+ k 4，數(shù)據(jù)標(biāo)簽的標(biāo)簽值表示為 k=[ k 1 ，k 2 ，k 3 ，k 4]， k 1 ~k 4分別表示空中加油軟管形狀曲線c中的四個(gè)調(diào)節(jié)因子；

12、所采集分布式光纖傳感器的中心波長(zhǎng)偏移量數(shù)據(jù)包括：

13、△ λ0o=[△ λ0o,1,?△ λ0o,2,?△ λ0o,3,?...,?△ λ0o, n]、

14、△ λ120o=[△ λ120o,1,?△ λ120o,2,?△ λ120o,3,?...,?△ λ120o, n]、

15、△ λ240o=[△ λ240o,1,?△ λ240o,2,?△ λ240o,3,?...,?△ λ240o, n]，

16、其中，△ λ0o表示沿軟管周向0°方向布置的分布式光纖傳感器的中心波長(zhǎng)偏移量,△ λ120o表示沿軟管周向120°方向布置的分布式光纖傳感器的中心波長(zhǎng)偏移量,△ λ240o表示沿軟管周向240°方向布置的分布式光纖傳感器的中心波長(zhǎng)偏移量,?△ λ0o, n表示表示沿軟管周向0°方向布置的分布式光纖傳感器中第n個(gè)數(shù)據(jù)采集點(diǎn),△ λ120o, n表示表示沿軟管周向120°方向布置的分布式光纖傳感器中第n個(gè)數(shù)據(jù)采集點(diǎn),△ λ240o, n表示表示沿軟管周向240°方向布置的分布式光纖傳感器中第n個(gè)數(shù)據(jù)采集點(diǎn), n表示分布式光纖傳感器中數(shù)據(jù)采集點(diǎn)個(gè)數(shù)；將所述空中加油軟管曲面展開(kāi)成二維平面，并將分布式光纖傳感器的中心波長(zhǎng)偏移量數(shù)據(jù)映射到所述二維平面，得到二維中心波長(zhǎng)偏移量數(shù)值矩陣，之后繼續(xù)獲取三維中心波長(zhǎng)偏移量矩陣并存儲(chǔ)至所述樣本數(shù)據(jù)庫(kù)。

17、進(jìn)一步的，在s3之前，包括：在resnet18神經(jīng)網(wǎng)絡(luò)內(nèi)，將分布式光纖傳感器的三維中心波長(zhǎng)偏移量矩陣，經(jīng)過(guò)一個(gè)卷積層得到大小為64×125×125的中心波長(zhǎng)偏移量數(shù)值矩陣△ λ[1]，其中，所經(jīng)過(guò)的這一個(gè)卷積層的卷積核大小為3×7×7，輸出通道為64，步長(zhǎng)為2，填充為3；△ λ[1]?經(jīng)過(guò)prelu激活函數(shù)后，繼續(xù)輸入到最大池化層中，得到大小為64×63×63的中心波長(zhǎng)偏移量數(shù)值矩陣△ λ[2]?，其中，所述最大池化層的池化核大小為3×3，步長(zhǎng)為2，填充為1。

18、具體的，s3包括：構(gòu)建兩種波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊，可以以是否含卷積下采樣來(lái)進(jìn)行區(qū)分，第一種波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊，包括：兩層結(jié)構(gòu)相同的卷積層和一層殘差計(jì)算層，所述兩層結(jié)構(gòu)相同的卷積層的結(jié)構(gòu)為：卷積核大小為3×3，步長(zhǎng)為1，填充為1；第二種波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊的結(jié)構(gòu)包括：三層卷積層，其中第一個(gè)卷積層的卷積核大小為1×1，輸出通道為64，步長(zhǎng)為2，填充為1；第二卷積層和第三卷積層的結(jié)構(gòu)相同，為：卷積核大小為3×3，步長(zhǎng)為1，填充為1。

19、將所述訓(xùn)練集和所述測(cè)試集輸入波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊進(jìn)行訓(xùn)練的過(guò)程中，包括：將△ λ[2]輸入所述第一波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊，經(jīng)過(guò)所述第一波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊兩個(gè)卷積層，其中，第二的卷積層的輸出表示為f[1] ?(△ λ)，f[1](△ λ)中的第i行第j列個(gè)元素為，，其中的，表示第一波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊中第一個(gè)卷積層輸出的中心波長(zhǎng)偏移量數(shù)值矩陣△ λ[3]中的第i行、第j列個(gè)元素，為中心波長(zhǎng)偏移量數(shù)值矩陣△ λ[2]中的第i行、第j列個(gè)元素； k1， p1， s1為所述第一波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊中第一層卷積層的卷積核大小、填充和步長(zhǎng)， k2， p2， s2為所述第一波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊中第二層卷積層的卷積核大小、填充和步長(zhǎng)；△ λ[2]?輸送到所述第一波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊的末尾，并與f[1] ?(△ λ)組合，得到所述第一波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊的輸出h[1] ?(△ λ)，h[1] ?(△ λ)=?f[1] ?(△ λ)+?△ λ[2]?；將h[1] ?(△ λ)輸入所述第二波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊，所述第二波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊的輸出為h[2] ?(△ λ)；再將h[2] ?(△ λ)?輸入所述第三波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊，所述第三波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊的輸出為h[3] ?(△ λ)，h[3] ?(△ λ)=?f[3] ?(△ λ)+w*{?h[2] ?(△ λ)}，f[3] ?(△ λ)為h[2] ?(△ λ)在所述第三波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)塊中經(jīng)過(guò)兩層卷積層得到的中心波長(zhǎng)偏移量數(shù)值矩陣，w*{?}表示進(jìn)行卷積操作。

20、具體的，在s4中，訓(xùn)練所述特征提取器的過(guò)程中采用交叉熵?fù)p失函數(shù) l( k, y)作為性能優(yōu)化函數(shù)，通過(guò)性能優(yōu)化函數(shù)來(lái)優(yōu)化特征提取器提取特征的效果，其中，， k為調(diào)節(jié)因子參數(shù)， k 1 ~k 4依次等于上述 k 1 ~k 4， y為調(diào)節(jié)因子參數(shù)，ki為空中加油軟管調(diào)節(jié)因子標(biāo)簽,yi為resnet18神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)輸入中心波長(zhǎng)偏移量數(shù)值矩陣屬于空中加油軟管第i個(gè)調(diào)節(jié)因子標(biāo)簽的概率，i為調(diào)節(jié)因子標(biāo)簽的編號(hào)，c為調(diào)節(jié)因子標(biāo)簽的編號(hào)的最大值；利用所述交叉熵?fù)p失函數(shù)，并采用adam梯度下降反向傳播優(yōu)化算法更新網(wǎng)絡(luò)參數(shù)，其中，梯度的一階矩估計(jì)為： w t =β 1 w t-1 +(1 -β1) ▽j( w t)，梯度的二階矩估計(jì)為： v t =β 2 v t-1 +(1 -β2)?( ▽j( w t))2， w t為第t次迭代的一階矩估計(jì)， ▽j( w t)為第t次迭代的梯度，t為迭代次數(shù)， β1為一階矩估計(jì)的衰減率， w t表示第t次迭代的網(wǎng)絡(luò)參數(shù)， v t為第t次迭代的二階矩估計(jì)， β 2為二階矩估計(jì)的衰減率。所述采用adam梯度下降反向傳播優(yōu)化算法更新網(wǎng)絡(luò)參數(shù)，包括：，其中，表示一階矩估計(jì)的偏差校正，表示二階矩估計(jì)的偏差校正，?wt+1表示為t+1次迭代的網(wǎng)絡(luò)參數(shù)，a為學(xué)習(xí)率，e為一個(gè)常數(shù)。

21、具體的，在s5中，所構(gòu)建的多層感知機(jī)的神經(jīng)網(wǎng)絡(luò)的架構(gòu)包括：1個(gè)輸入層、2個(gè)隱含層和1個(gè)輸出層；兩個(gè)隱含層之間的連接方式，和第二個(gè)隱含層與輸出層之間的連接方式，都采用tansig激活函數(shù)；第一個(gè)隱含層中神經(jīng)元節(jié)點(diǎn)數(shù)為256，第二個(gè)隱含層中神經(jīng)元節(jié)點(diǎn)數(shù)為128；輸出層包含4個(gè)神經(jīng)元節(jié)點(diǎn)，4個(gè)神經(jīng)元節(jié)點(diǎn)分別對(duì)應(yīng)空中加油軟管形狀曲線c中的四個(gè)調(diào)節(jié)因子 k 1 ，k 2 ，k 3 ，k 4。

22、本發(fā)明實(shí)施例提供的基于波長(zhǎng)殘差神經(jīng)網(wǎng)絡(luò)的光纖柔體形態(tài)反演方法，實(shí)現(xiàn)了對(duì)空中加油軟管形態(tài)的重構(gòu)分析，提升傳感器感知軟管加油過(guò)程中的變形的準(zhǔn)確度，能夠?yàn)闊o(wú)人機(jī)操作人員執(zhí)行加油任務(wù)提供可靠的感應(yīng)信息，從而增加空中加油任務(wù)的執(zhí)行效率。