[發(fā)明專(zhuān)利]一種基于對(duì)抗遷移學(xué)習(xí)的刀具剩余壽命預(yù)測(cè)方法在審
| 申請(qǐng)?zhí)枺?/td> | 202010537800.2 | 申請(qǐng)日: | 2020-06-12 |
| 公開(kāi)(公告)號(hào): | CN111832624A | 公開(kāi)(公告)日: | 2020-10-27 |
| 發(fā)明(設(shè)計(jì))人: | 劉穎超;胡小鋒;孫世旭 | 申請(qǐng)(專(zhuān)利權(quán))人: | 上海交通大學(xué) |
| 主分類(lèi)號(hào): | G06K9/62 | 分類(lèi)號(hào): | G06K9/62;B23Q17/09 |
| 代理公司: | 上海恒慧知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 31317 | 代理人: | 徐紅銀 |
| 地址: | 200240 *** | 國(guó)省代碼: | 上海;31 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 對(duì)抗 遷移 學(xué)習(xí) 刀具 剩余 壽命 預(yù)測(cè) 方法 | ||
本發(fā)明公開(kāi)了一種基于對(duì)抗遷移學(xué)習(xí)的刀具剩余壽命預(yù)測(cè)方法,包括:采集不同類(lèi)型刀具切削加工過(guò)程的數(shù)據(jù),確定歷史類(lèi)刀具樣本以及新類(lèi)刀具樣本;利用歷史類(lèi)刀具樣本的數(shù)據(jù),構(gòu)建歷史類(lèi)的特征提取模型以及非線性回歸模型;將歷史類(lèi)刀具樣本的數(shù)據(jù)與新類(lèi)刀具樣本的數(shù)據(jù)進(jìn)行對(duì)抗域適應(yīng),構(gòu)建新類(lèi)的特征提取模型;利用S13構(gòu)建的新類(lèi)的特征提取模型對(duì)新類(lèi)刀具樣本進(jìn)行時(shí)間序列信號(hào)的分析和提取,并將歷史類(lèi)的非線性回歸模型遷移至新類(lèi)刀具,實(shí)現(xiàn)新類(lèi)刀具的剩余壽命預(yù)測(cè)。本發(fā)明的基于對(duì)抗遷移學(xué)習(xí)的刀具剩余壽命預(yù)測(cè)方法,實(shí)現(xiàn)了新工藝條件下預(yù)測(cè)模型的快速構(gòu)建,降低了對(duì)新類(lèi)刀具樣本量的要求,提高了刀具壽命預(yù)測(cè)準(zhǔn)確度,具有較強(qiáng)的適用性。
技術(shù)領(lǐng)域
本發(fā)明涉及機(jī)械加工技術(shù)領(lǐng)域,特別涉及一種基于對(duì)抗遷移學(xué)習(xí)的刀具剩余壽命預(yù)測(cè)方法。
背景技術(shù)
隨著信息化技術(shù)和人工智能的快速發(fā)展,車(chē)間數(shù)字化和智能化程度越來(lái)越高,刀具作為機(jī)械加工系統(tǒng)的重要組成部分,同時(shí)也是切削加工過(guò)程的直接執(zhí)行者,是最容易發(fā)生磨損和故障的部件,其加工壽命對(duì)于保證加工質(zhì)量、提高生產(chǎn)效率、實(shí)現(xiàn)自動(dòng)化和智能化生產(chǎn)具有重要意義,因此對(duì)刀具壽命的準(zhǔn)確預(yù)測(cè)尤為重要。
目前關(guān)于刀具剩余壽命的預(yù)測(cè)方法主要分為三類(lèi),一類(lèi)是基于經(jīng)驗(yàn)?zāi)P偷姆椒?,?Taylor公式及其擴(kuò)展方程;一類(lèi)是基于數(shù)值仿真分析的方法,如有限元分析模型;還有一類(lèi)是基于機(jī)器學(xué)習(xí)的方法,是目前應(yīng)用最為廣泛的方法,其主要包括淺層機(jī)器學(xué)習(xí)方法和深度學(xué)習(xí)方法兩種,淺層模型如支持向量回歸,隱馬爾可夫模型等,深度模型如自編碼器,循環(huán)神經(jīng)網(wǎng)絡(luò)等。
上述方法雖然取得了一定的效果,但是在實(shí)際工程應(yīng)用中仍然存在以下缺陷和不足: (1)模型的建立依賴大量標(biāo)注的樣本數(shù)據(jù),而實(shí)際數(shù)據(jù)的獲取困難,尤其當(dāng)企業(yè)采用新材料、新工藝、新類(lèi)型刀具時(shí),新條件下的樣本數(shù)據(jù)量更少;(2)實(shí)際生產(chǎn)過(guò)程中工況復(fù)雜,工藝條件多變,不同工藝條件下的刀具性能衰退差異大,模型適用性差;(3)新工藝條件下,樣本數(shù)據(jù)量少,基于歷史數(shù)據(jù)建立的模型失效,而重新建立新的有效模型則缺乏足夠的有標(biāo)簽樣本,導(dǎo)致刀具壽命預(yù)測(cè)困難。
發(fā)明內(nèi)容
本發(fā)明針對(duì)上述現(xiàn)有技術(shù)中存在的問(wèn)題,提出一種基于對(duì)抗遷移學(xué)習(xí)的刀具剩余壽命預(yù)測(cè)方法,實(shí)現(xiàn)了新工藝條件下預(yù)測(cè)模型的快速構(gòu)建,降低了對(duì)新類(lèi)刀具樣本量的要求,提高了刀具壽命預(yù)測(cè)準(zhǔn)確度,具有較強(qiáng)的適用性。
為解決上述技術(shù)問(wèn)題,本發(fā)明是通過(guò)如下技術(shù)方案實(shí)現(xiàn)的:
本發(fā)明提供一種基于對(duì)抗遷移學(xué)習(xí)的刀具剩余壽命預(yù)測(cè)方法,其包括:
S11:采集不同類(lèi)型刀具切削加工過(guò)程的數(shù)據(jù),確定歷史類(lèi)刀具樣本以及新類(lèi)刀具樣本;
S12:利用所述歷史類(lèi)刀具樣本的數(shù)據(jù),構(gòu)建歷史類(lèi)的特征提取模型以及非線性回歸模型;
S13:將所述歷史類(lèi)刀具樣本的數(shù)據(jù)與新類(lèi)刀具樣本的數(shù)據(jù)進(jìn)行對(duì)抗域適應(yīng),構(gòu)建新類(lèi)的特征提取模型;
S14:利用所述S13構(gòu)建的新類(lèi)的特征提取模型對(duì)新類(lèi)刀具樣本進(jìn)行時(shí)間序列信號(hào)的分析和提取,并將所述歷史類(lèi)的非線性回歸模型遷移至新類(lèi)刀具,實(shí)現(xiàn)新類(lèi)刀具的剩余壽命預(yù)測(cè)。
較佳地,所述S12進(jìn)一步包括:
S121:對(duì)所述歷史類(lèi)刀具樣本的原始數(shù)據(jù)進(jìn)行預(yù)處理,構(gòu)造用于特征提取模型訓(xùn)練的時(shí)間序列數(shù)據(jù)集;
S122:確定特征提取模型以及非線性回歸模型的網(wǎng)絡(luò)結(jié)構(gòu)及優(yōu)化方式;
S123:初始化網(wǎng)絡(luò)參數(shù),并利用訓(xùn)練集進(jìn)行模型參數(shù)訓(xùn)練,預(yù)測(cè)刀具剩余壽命值,基于預(yù)測(cè)結(jié)果計(jì)算回歸損失:
其中,Lreg為回歸損失,Ys為刀具剩余壽命理論值,Ys′為刀具剩余壽命預(yù)測(cè)值,E(·)表示期望;
該專(zhuān)利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專(zhuān)利權(quán)人授權(quán)。該專(zhuān)利全部權(quán)利屬于上海交通大學(xué),未經(jīng)上海交通大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專(zhuān)利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010537800.2/2.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專(zhuān)利網(wǎng)。
- 同類(lèi)專(zhuān)利
- 專(zhuān)利分類(lèi)
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書(shū)寫(xiě)字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫(huà)組成的,而且每個(gè)筆畫(huà)表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無(wú)須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 農(nóng)業(yè)信息對(duì)抗資源目標(biāo)規(guī)劃最優(yōu)分配方法
- 農(nóng)業(yè)信息對(duì)抗資源模糊規(guī)劃最優(yōu)分配方法
- 農(nóng)業(yè)信息對(duì)抗資源線性規(guī)劃最優(yōu)分配方法
- 基于聚類(lèi)數(shù)據(jù)挖掘的對(duì)抗行為搜索算法
- 面向多種對(duì)抗圖片攻擊的協(xié)同免疫防御方法
- 一種自適應(yīng)對(duì)抗強(qiáng)度的對(duì)抗訓(xùn)練方法
- 對(duì)抗攻擊模型的訓(xùn)練方法及裝置
- 對(duì)抗樣本的生成方法和裝置
- 多樣本對(duì)抗擾動(dòng)生成方法、裝置、存儲(chǔ)介質(zhì)和計(jì)算設(shè)備
- 一種無(wú)人集群協(xié)同博弈對(duì)抗的控制方法及系統(tǒng)
- 遷移方法和裝置
- 移動(dòng)邊緣系統(tǒng)中遷移應(yīng)用方法、相關(guān)設(shè)備及系統(tǒng)
- 虛擬機(jī)的遷移方法及裝置
- 數(shù)據(jù)遷移方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)
- 計(jì)算任務(wù)遷移方法及計(jì)算任務(wù)遷移器
- 文件遷移方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)
- 基于遷移工具的國(guó)產(chǎn)化應(yīng)用系統(tǒng)遷移方法
- 數(shù)據(jù)遷移方法及裝置
- 文件遷移方法及裝置
- 一種數(shù)據(jù)遷移方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測(cè)方法及系統(tǒng)





