一种基于双分支网络算法的真空度传感器信号重

本发明涉及真空度传感器测量技术，特别涉及一种基于双分支网络算法的真空度传感器信号重构方法。背景技术：1、真空度测量传感器采用多源机理方式具有适应性强、测量范围宽、抗干扰能力强的特点，广泛应用于半导体制造、先进材料加工、航空航天、核能发电、能源运输等工业装备仪器中。真空度的测量技术，采用复合压阻式、皮拉尼式、谐振式三种不同机理具有明显的优势，具有明显互补的特点。但是三种不同敏感机理的融合上，仅仅是线性关系的映射和单调的机器学习，会导致数据的缺失及无效应用，进而导致优势功能不足。技术实现思路1、针对现有技术中三种真空度测量中敏感结构信号会存在测量数据的耦合问题，本发明提出一种基于双分支网络算法的真空度传感器信号重构方法，具体包括以下步骤：2、获取通过压阻、皮拉尼、谐振获取的真空度数据作为采集数据；3、构建双分支网络，将采集数据输入双分支网络，双分支网络输出补偿后的采集数据；4、双分支网络包括嵌入层、串行分支结构、并行分支结构以及线性映射层；5、采集数据通过嵌入层获取对应的向量表示，将向量表示分别作为串行分支结构的输入，并将进行位置编码后的向量表示作为并行分支结构的输入；6、串行分支结构由级联的多个res-gru模块构成，并行分支结构由级联的多个transformer模块构成，串行分支结构和并行分支结构的输出分别通过第一线性层进行映射后进行拼接；7、将拼接后的数据作为第二线性层的输入，第二线性层输出补偿后的采集数据。8、进一步地，串行分支结构和并行分支结构之间设置有特征融合单元，第i个transformer模块的输出通过特征融合单元进行处理后与第i个res-gru模块的输出进行拼接并作为第i+1个res-gru模块的输入，且第i个transformer模块的输出直接作为第i+1个transformer模块的输入；第i+1个res-gru模块的输出通过特征融合单元进行处理后与第i+1个res-gru模块的输出进行拼接并作为第i+2个res-gru模块的输入，且第i+1个res-gru模块的输出直接作为第i+2个res-gru模块的输入。9、进一步地，若串行分支结构和并行分支结构分别包括n个res-gru模块和n个transformer模块，则第n-1个res-gru模块的输出通过特征融合单元进行处理后与第n-1个transformer模块的输出拼接后作为第n个transformer模块的输入、第n-1个transformer模块的输出通过特征融合单元进行处理后与第n-1个res-gru模块的输出拼接后作为第n个res-gru模块的输入。10、进一步地，res-gru模块由级联的第一gru层、第一layernorm层、第一激活函数层、第二gru层、第二layernorm层、第二激活函数层构成，且输入和输出进行跳跃连接后作为res-gru模块的输出。11、进一步地，gru层对输出的处理过程包括以下步骤：12、13、zt＝σ(wzhht-1+wzxxt)14、15、rt＝σ(wrhht-1+wrxxt)16、其中，ht为t时刻gru层的输出；zt为t时刻gru层更新门的输出；σ(·)为logistic函数；wzh、wzx为更新门的可学习权重；xt为t时刻gru层的输入；为t时刻的候选状态；tanh(·)为双曲正切函数；wrh、wrx为重置门的可学习权重；rt为t时刻gru层重置门的输出。17、进一步地，transformer模块由级联的第三layernorm层、多头注意力机制、第四layernorm层、多层感知机构成，transformer模块的输入与多头注意力机制的输出跳跃连接后作为第四layernorm层的输入、多头注意力机制的输出与多层感知机输出跳跃连接后作为transformer模块的输出。18、进一步地，多头注意力机制对数据的处理包括以下步骤：19、在多头注意力机制的第i个头中，将输入数据进行线性映射，得到第i个头对应的查询矩阵、键矩阵、值矩阵矩阵；20、通过第i个头对应的查询矩阵、键矩阵的值计算输入数据在第i个头中的注意力分数；21、通过第i个头对应注意力分数和第i个头对应值向量计算第i个头对应的自注意力；22、将所有头得到的自注意力合并后通过线性层进行映射得到对应的多头注意力。23、进一步地，特征融合单元由级联的线性层、layernorm层、激活函数层构成。24、与现有技术相比，本发明的有益效果是：25、(1)真空测量误差更小。真空度原有的补偿技术或是基于温度，或是基于一次线性关系或者单调的线性拟合，未考虑长时间漂移和敏感机理互相间的干扰，传统方法其特征主要是浅层的，不属于语义特征，区别于深度学习方法，其特征收集表示不够准确，进行信号填充或预测时造成较大误差。26、(2)算法的适应性灵活性更强，使得传感器更容易满足整体指标要求。在参数量和计算量相近的情况下，采用双分支结构，逐层融合res-gru分支产生的局部特征和transformer分支产生的全局信息，能够极大改善单一分支所导致的特征分析不全面问题，且能够满足真空度压力传感器在多源数据测量重构过程中的多种指标要求。技术特征：1.一种基于双分支网络算法的真空度传感器信号重构方法，其特征在于，具体包括以下步骤：2.根据权利要求1所述的一种基于双分支网络算法的真空度传感器信号重构方法，其特征在于，串行分支结构和并行分支结构之间设置有特征融合单元，第i个transformer模块的输出通过特征融合单元进行处理后与第i个res-gru模块的输出进行拼接并作为第i+1个res-gru模块的输入，且第i个transformer模块的输出直接作为第i+1个transformer模块的输入；第i+1个res-gru模块的输出通过特征融合单元进行处理后与第i+1个res-gru模块的输出进行拼接并作为第i+2个res-gru模块的输入，且第i+1个res-gru模块的输出直接作为第i+2个res-gru模块的输入。3.根据权利要求2所述的一种基于双分支网络算法的真空度传感器信号重构方法，其特征在于，若串行分支结构和并行分支结构分别包括n个res-gru模块和n个transformer模块，则第n-1个res-gru模块的输出通过特征融合单元进行处理后与第n-1个transformer模块的输出拼接后作为第n个transformer模块的输入、第n-1个transformer模块的输出通过特征融合单元进行处理后与第n-1个res-gru模块的输出拼接后作为第n个res-gru模块的输入。4.根据权利要求1、2或3所述的一种基于双分支网络算法的真空度传感器信号重构方法，其特征在于，res-gru模块由级联的第一gru层、第一layernorm层、第一激活函数层、第二gru层、第二layernorm层、第二激活函数层构成，且输入和输出进行跳跃连接后作为res-gru模块的输出。5.根据权利要求4所述的一种基于双分支网络算法的真空度传感器信号重构方法，其特征在于，gru层对输出的处理过程包括以下步骤：6.根据权利要求1、2或3所述的一种基于双分支网络算法的真空度传感器信号重构方法，其特征在于，transformer模块由级联的第三layernorm层、多头注意力机制、第四layernorm层、多层感知机构成，transformer模块的输入与多头注意力机制的输出跳跃连接后作为第四layernorm层的输入、多头注意力机制的输出与多层感知机输出跳跃连接后作为transformer模块的输出。7.根据权利要求6所述的一种基于双分支网络算法的真空度传感器信号重构方法，其特征在于，多头注意力机制对数据的处理包括以下步骤：8.根据权利要求2或3所述的一种基于双分支网络算法的真空度传感器信号重构方法，其特征在于，特征融合单元由级联的线性层、layernorm层、激活函数层构成。技术总结本发明涉及真空度传感器测量技术，特别涉及一种基于双分支网络算法的真空度传感器信号重构方法，包括：获取通过压阻、皮拉尼、谐振获取的真空度数据作为采集数据；构建双分支网络，将采集数据输入双分支网络，双分支网络输出补偿后的采集数据；双分支网络包括嵌入层、串行分支结构、并行分支结构以及线性映射层；采集数据通过嵌入层获取对应的向量表示，将向量表示分别作为串行分支结构的输入，并将进行位置编码后的向量表示作为并行分支结构的输入；串行分支结构由级联的多个Res‑GRU模块构成，并行分支结构由级联的多个Transformer模块构成，串行分支结构和并行分支结构的输出分别通过第一线性层进行映射后进行拼接；将拼接后的数据作为第二线性层的输入，第二线性层输出补偿后的采集数据；本发明实现真空度测量传感器的自补偿、自校准目标，提高真空度测量的精度和准度，增加传感器对测量环境的抗压力冲击波动的能力。技术研发人员：孙申厚,杨靖,黄晶,母江东,李思忍,王露,张毅,魏贵玲,刘强,张劲豪受保护的技术使用者：中电科芯片技术（集团）有限公司技术研发日：技术公布日：2024/8/16