一种基于PINN方法与多任务学习的多维力传感器解耦方法

本发明公开了一种基于PINN方法与多任务学习的多维力传感器解耦方法，该方法依赖于一种多任务学习解耦模型实现。本发明可以在神经网络解耦方法优势的基础上，提高模型的泛化能力；通过在多个任务上共同训练模型，可以减少过拟合的风险，使模型更具有鲁棒性，并且综合性的提高各种载荷类型下的解耦精度。在所述多任务学习解耦模型的训练过程中，利用最小二乘法与PINN方法得到理论解耦矩阵与最优解偶矩阵，并将所得最优解耦矩阵作为多任务学习神经网络的初始参数，极大提高训练速度的同时，补偿加载系统误差，提升解耦精度。本发明通过在多个任务上共同训练模型，可以使同一传感器在不同工况下进行标定，实现单一传感器对多工况场景的适用。