1162 / 2023-03-16 15:22:19

利用LSTM神经网络进行弹流油膜测量

弹流润滑中油膜形貌及膜厚的测量一般利用光干涉方法进行。然而，利用光干涉进行油膜测量需要人工对光干涉图像进行处理，划分光干涉条纹级次及所属区域。导致整个测量过程耗时较长，受人为因素干扰比较大。为此，我们提出利用人工神经网络技术对光干涉图像进行分析，实现光干涉图像到弹流油膜中心形貌及膜厚的序列到序列学习[1]。为此，我们设计了序列到序列的长短时记忆（LSTM）神经网络，所设计的LSTM网络含三层LSTM结构，每层LSTM网络连接dropout层提高所设计网络的稳健性。图1为所设计的LSTM网络结构。经过网络训练，我们所设计的LSTM网络成功实现了光干涉图像的弹流润滑油膜的自动测量，实现了在数秒钟以内完成弹流油膜的光干涉测量。图2所示为LSTM神经网络测量结果与经典多光束干涉方法测量结果比较，证明我们所提出的基于LSTM神经网络方法的有效性。为进一步提高LSTM对于特殊条件下的有效性，我们还提出将多个神经网络组装成神经网络森林，通过多个神经网络的预测结果共同确定弹流润滑的膜厚，降低单个神经网络的测量误差。