典型文献
一种不同工艺条件下刀具磨损状态多类域适应迁移辨识方法
文献摘要:
在新的工艺条件下,针对采用历史工艺条件进行训练的刀具磨损状态辨识模型识别准确率低的问题,提出了一种基于迁移学习的跨工艺条件刀具磨损状态辨识模型.构建卷积神经网络提取刀具样本可迁移特征,利用最大均值差异测量不同工艺条件下刀具样本分布差异,通过类间-类内距离约束提升源域特征的样本距离,对目标域数据概率矩阵采取最大化核范数的策略,以提取区分性高的目标域样本故障特征.以铣刀加工试验为例验证了模型的有效性,模型的平均辨识准确率为96.8%,比没有类间-类内距离约束与最大化核范数的方法平均辨识准确率提升4.9%.
文献关键词:
刀具磨损;工艺条件;迁移状态辨识;类间-类内距离约束;最大化核范数
中图分类号:
作者姓名:
史珂铭;邹益胜;刘永志;丁昆;丁国富
作者机构:
西南交通大学机械工程学院,成都,610031;西南交通大学计算机与人工智能学院,成都,610031
文献出处:
引用格式:
[1]史珂铭;邹益胜;刘永志;丁昆;丁国富-.一种不同工艺条件下刀具磨损状态多类域适应迁移辨识方法)[J].中国机械工程,2022(15):1841-1849
A类:
最大化核范数,迁移状态辨识
B类:
不同工艺,工艺条件,刀具磨损状态,域适应,辨识方法,辨识模型,模型识别,识别准确率,迁移学习,可迁移,迁移特征,最大均值差异,差异测量,样本分布,分布差异,类内距离,距离约束,源域,目标域,区分性,故障特征,铣刀,准确率提升
AB值:
0.264765
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。