基于机器学习的针织力传感器不一致性补偿
系统与控制
2023-10-20 v2 机器学习
系统与控制
信号处理
摘要
针织传感器常因偏移、松弛和漂移等固有效应而存在不一致性。这些特性相结合，使得从传感器数据到物理驱动力的可靠映射颇具挑战。本文中，我们展示了一种应对方法：将极简人工神经网络(ANN)与直接的预处理结合使用进行处理。我们对重采样的传感器信号施加若干指数平滑滤波器，以生成保留不同历史传感器数据层级的特征，并共同表征先前的传感器驱动状态。通过训练一个总计8个神经元的3层ANN，我们显著改善了传感器读数与驱动力之间的映射。我们的发现还表明，该技术可迁移至材料与结构差异合理的传感器，并可进一步应用于应变等相关物理特征。
引用
@article{arxiv.2306.12129,
title = {Machine Learning Based Compensation for Inconsistencies in Knitted Force Sensors},
author = {Roland Aigner and Andreas Stöckl},
journal= {arXiv preprint arXiv:2306.12129},
year = {2023}
}