基于机器学习的影响感知技术:利用压电传感器,从模拟训练数据到零样本实验应用
《Big Data and Cognitive Computing》:Machine Learning Based Impact Sensing Using Piezoelectric Sensors: From Simulated Training Data to Zero-Shot Experimental Application
【字体:
大
中
小
】
时间:2025年12月24日
来源:Big Data and Cognitive Computing 4.4
摘要
现代冲击监测系统结合多种输入数据和机器学习(ML)模型,用于冲击检测、定位和事件评估。其准确性依赖于大规模、具有代表性的数据集,这些数据集用于算法开发和ML模型训练。高保真的数值模型可以通过克服实验方法的成本和时间限制来提供增强的数据集。本研究提出了一种基于仿真(训练)和实验(测试)数据的端到端冲击检测数值方法。首先,创建了一个有限元模型(FEM),该模型模拟了在热塑性板上安装压电传感器(PZT)的实验装置。从实验冲击信号中提取出一些具有代表性的案例用于特征提取。通过实验设计探索了各个参数的取值范围,并通过替代优化确定了装置的材料和压电性能。随后,创建了一个包含多个冲击案例的虚拟数据集来训练用于冲击检测的ML模型。使用实验数据进行测试的结果与仅使用实验数据进行训练和测试的文献研究结果一致。这项工作提供了一种系统的方法,用于生成具有代表性的数据集并通过ML进行冲击监测,同时能够在有限的实验次数内准确识别FEM参数。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号