买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北大学秦皇岛分校

摘要：本发明属于车辆载重量测量方法领域，尤其涉及一种基于人工神经网络的车载重云服务平台标定方法及其架构。该方法为采集车辆数据进行编码处理以后发送到云服务平台，在云服务平台的服务器中运行前向代理程序和后端数据处理程序，将数据保存在内存缓存数据库Redis数据库中；读取Redis数据库中的数据解码；构建人工神经网络的网络结构，划分成训练集与测试集，将训练数据输入人工神经网络进行训练；将测试集输入已经训练好的人工神经网络结构进行验证，计算载重量检测的准确率，对人工神经网络的结果模型进行优化后保存在对应用户中的关系型数据库MySQL数据库中。用户向云服务平台发送请求时，能够得到实时准确的车辆载重量信息。

主权项：1.一种基于人工神经网络的车载重标定方法，其特征在于，所述方法包括：获取装货过程中各个阶段所装货物的实际重量数据；采集车辆的装货过程中各个阶段的传感器检测数据；将装货过程中各个阶段对应的所述实际重量数据及所述传感器检测数据输入最终标定模型输出传感器标定关系数据；分析所述传感器标定关系数据形成标定曲线发送至终端呈现给用户；所述最终标定模型采用以下方式训练形成：获取多组训练数据，所述训练数据包括训练用实际重量数据、训练用传感器检测数据及对应的标定关系数据；构建人工神经网络结构，输入训练数据进行训练获得最终标定模型；所述获取多组训练数据，所述训练数据包括训练用实际重量数据、训练用传感器检测数据及对应的标定关系数据，包括：获取多组装货过程中各个极端的训练用实际重量数据及各个阶段对应的训练用传感器检测数据；通过训练用实际重量数据及训练用传感器检测数据计算获得多组训练用标定关系数据；形成包括训练用实际重量数据、训练用传感器检测数据及对应标定关系数据的训练数据；所述输入训练数据进行训练获得最终标定模型，包括：将所述训练数据分为训练集数据及测试集数据；构建人工神经网络结构，输入训练集数据进行训练形成中间模型；将测试集输入中间模型进行验证，计算预测准确率,并通过测试集来对人工神经网络的参数进行优化调整，并将最后调整完成的网络模型作为最终标定模型；所述人工神经网络结构能够有规律的扫描输入特征，对输入特征做矩阵元素乘法求和叠加偏差量：其中i,j∈{0,1,...Ll+1}，式中的求和部分等价于求解一次交叉相关；b为偏差量，Zl和Zl+1表示第l+1层的人工输入和输出，也被称为特征图，Ll+1为Zl+1的尺寸，这里假设特征值长宽相同；Zi,j对应特征值的长度，K为特征值的通道数。

全文数据：

权利要求：

百度查询： 东北大学秦皇岛分校 基于人工神经网络的车载重标定方法及云服务系统