[发明专利]振动信息自感知识别与自供能传感系统的识别方法

权利要求书

1.一种振动信息自感知识别与自供能传感系统的识别方法，基于振动信息自感知识别与自供能传感系统，其特征在于，微处理器对振动信息的交流电压信号进行识别，获得识别结果，包括以下步骤：

获取数据集，对所述数据集进行处理，获得样本数据；

构建一维卷积神经网络模型；

通过样本数据对所述一维卷积神经网络模型进行训练，获得训练后的一维卷积神经网络模型；

将训练后的一维卷积神经网络模型部署在微处理器上，通过微处理器实现待检振动模式的实时识别;

其中，所述获取数据集，具体包括：

将能量采集器放置在实际振动环境中, 获取不同振动模式下的输出电压信号数据集；

采集两种振动模式下能量采集器输出的电压信号，获取两个长时间序列；

所述对所述数据集进行处理，获得样本数据，包括：

其中，对于两种振动模式下采集到的两个长时间序列，分别从第一个数据开始遍历，当某一数据大于预设电压值时，以该数据为起点取连续数据作为一个样本并打上标签；

其中，所述一维卷积神经网络模型，包括依次设置的：

局部均值池化层，所述局部均值池化层对数据进行滤波处理，获得滤波后的数据；

融合特征提取模块，所述融合特征提取模块对所述滤波后的数据进行特征提取，获得融合特征；

一维卷积单元，所述一维卷积单元对所述融合特征做进一步特征提取，获得深层次的特征；

全局最大池化层，所述全局最大池化层对深层次特征做降维处理，获得降维后的特征；

全连接层，所述全连接层对降维后的特征进行分类处理；

所述融合特征提取模块包括：

长卷积核，所述长卷积核对滤波后的数据进行特征提取，获得长期特征；

短卷积核，所述短卷积核对滤波后的数据进行特征提取，获得短期特征；

融合单元，所述融合单元将所述长期特征与短期特征进行特征融合，获得融合特征；

其中，振动信息自感知识别与自供能传感系统，包括：

能量采集器，所述能量采集器能够感知振动信息并获取环境振动能以给传感系统供电；

储能电容，所述储能电容用于存储能量采集器获取的环境振动能；

电压比较器，其与能量采集器和储能电容连接，所述电压比较器提供预设电压值，当所述储能电容的电压达到预设电压值时，所述储能电容给传感系统供电；

微处理器，其与电压比较器和能量采集器连接，所述微处理器获取能量采集器感知振动信息的交流电压信号，并对所述振动信息的交流电压信号进行识别，获得识别结果；

无线发射模块，其与微处理器连接，所述无线发射模块将识别结果发出；

其中，当无线发射模块发出一次信息后，储能电容电压下降至低于预设电压值。

2.根据权利要求1所述的振动信息自感知识别与自供能传感系统的识别方法，其特征在于，所述全局最大池化层之前采用Dropout技术以防止网络对训练数据过拟合。

3.根据权利要求1所述的振动信息自感知识别与自供能传感系统的识别方法，其特征在于，所述能量采集器与电压比较器之间还连接有整流桥。

4.根据权利要求1所述的振动信息自感知识别与自供能传感系统的识别方法，其特征在于，所述微处理器与能量采集器之间设置有A/D转换模块，所述A/D转换模块将所述能量采集器感知的振动信息转化为数字信号。

5.根据权利要求1所述的振动信息自感知识别与自供能传感系统的识别方法，其特征在于，所述微处理器为STM32L。