【摘 要】
:
在新加工工艺条件下,针对历史工艺条件下的刀具剩余寿命预测模型失效,且新工艺条件下缺乏足够的训练样本构建新预测模型的问题,提出一种基于动态对抗域适应的迁移学习方法,以快速构建新工艺条件下的刀具剩余寿命预测模型。首先,利用历史工艺条件下带寿命标签的过程监控数据样本,预训练源域的刀具剩余寿命预测模型。其次,通过对抗域适应训练,利用新工艺条件下的少量目标域样本,对源域预训练得到的预测模型进行部分模型参数的调整。利用调整后的模型进行新工艺条件下的刀具剩余寿命预测。最后,更新目标域样本,重复进行对抗域适应训练与预测操
【机 构】
:
上海交通大学机械与动力工程学院,中国航发南方工业有限公司
【基金项目】
:
国家自然科学基金重点资助项目(51435009)。
论文部分内容阅读
在新加工工艺条件下,针对历史工艺条件下的刀具剩余寿命预测模型失效,且新工艺条件下缺乏足够的训练样本构建新预测模型的问题,提出一种基于动态对抗域适应的迁移学习方法,以快速构建新工艺条件下的刀具剩余寿命预测模型。首先,利用历史工艺条件下带寿命标签的过程监控数据样本,预训练源域的刀具剩余寿命预测模型。其次,通过对抗域适应训练,利用新工艺条件下的少量目标域样本,对源域预训练得到的预测模型进行部分模型参数的调整。利用调整后的模型进行新工艺条件下的刀具剩余寿命预测。最后,更新目标域样本,重复进行对抗域适应训练与预测操
其他文献
跨模态哈希检索以其较高的检索效率和较低的存储成本,在跨模态检索领域受到了广泛的关注.现有的跨模态哈希大多直接从多模态数据中学习哈希码,不能充分利用数据的语义信息,因此无法保证数据低维特征在模态间的分布一致性,解决这个问题的关键之一是要准确地度量多模态数据之间的相似度.为此,提出一种基于对抗投影学习的哈希(adversarial projection learning based Hashing f
用FPGA加速深度学习算法的训练过程通常需要较长的开发周期和丰富的硬件设计经验.为了应对这一挑战,设计了一种基于自适应模板技术的深度学习算法训练加速框架,在应用规模、并行调度策略、资源使用和功能扩展上进行了深入的研究并提出了相应的优化策略.采用CPU-FPGA异构加速模板技术,提出了自适应的上层模型编译框架实现与不同硬件加速资源的适配.这种基于定制模板的软硬件协同设计可以很好地适配不同的FPGA芯
在纳米数字锁存器中,多节点翻转(multiple-node upset, MNU)正持续增加.虽然现有基于互连单元的抗辐射加固设计(radiation hardening by design, RHBD)的锁存器可以恢复所有MNU,但是需要更多的敏感节点和晶体管.为了在获得高可靠性的同时降低硬件开销,提出利用辐射翻转机制进行加固的方法.首先,通过使用屏蔽晶体管减少敏感节点,进而降低使用的晶体管数;
针对在可视化过程中出现的具有相同类别对应关系的多个图表需要保持配色一致的问题,提出多图表协同配色优化,从感知性与和谐度2个方面提出感知性与和谐度引导的多图表协同配色优化方法.给定调色板和多图表数据后,对调色板的质量进行评估,若给定的调色板质量较高,则对其颜色分配方案直接进行优化;否则,先对调色板进行优化,再对其颜色分配方案进行优化.多项用户调研结果证明,该方法能够在保证多图表配色统一的前提下提升配
知识图谱嵌入将离散的符号化实体和关系映射到连续的低维空间中,使后续的任务(如推理、图谱补全等)可以通过代数运算的方式进行.大体而言,知识图谱嵌入可以分成2类主流方法:平移距离模型和语义匹配模型.从知识图谱的图结构出发,可以分析平移距离模型的学习瓶颈,进而得出结论,即平移距离模型的缺点是没有区别对待实体在头部和尾部2个位置所应有的不同语义.据此,提出位置敏感的嵌入表示(location-sensit
轴承在高负荷的环境下长时间运转经常会发生故障,造成巨大损失.若能在故障发生前期进行准确感知,则可以在很大程度上减少损失.通过分析轴承故障问题的特点,提出一种半实时的高准确率诊断方法,使用双路宽卷积核深度卷积网络(deep convolutional neural networks with double paths and wider kernels, DWDCNN)作为实时诊断算法,在结果出现异
针对现有的目标检测算法在提取特征时往往仅使用单一尺度大小的卷积核,忽略了不同尺度特征感受野的差异,从而影响网络对不同尺度目标的检测效果的问题,提出一种基于多分支并行空洞卷积的多尺度目标检测算法.首先,采用基础网络VGG-16对待检测图像进行特征提取;其次,在网络的低层引入多分支并行空洞卷积,对不同扩张率的空洞卷积进行融合,从而获取多尺度特征信息,提高网络对不同尺度特征的提取能力;然后,采用非局部化
实验采用加压流体萃取-硅酸镁小柱净化-气相色谱法(ECD检测器)测定芡实种植底泥中六六六(BHC)和滴滴涕(DDT)残留,不仅提高了萃取效率,优化了净化条件,而且准确度灵敏度较高。利用标准曲线代替工作曲线缩短程序升温时间的同时,可有效提高检测效率。结果表明:该方法采用的8种有机氯标准曲线均具有较好的线性关系,R值在0.998~0.999之间,检出限符合标准要求,精密度达到0.8%~1.5%,加标回收率在87.6%~97.1%,均符合有机物检测相关规定,适用于复杂基质中有机氯农药残留的批量测定。
针对现有方法所得物体轮廓位置欠准确、线条粗、乱等问题,提出自顶向下导引式逐层融合的物体轮廓检测网络.首先采用常用卷积神经网络作为主干网络提取不同尺度特征;鉴于低层特征中边缘位置准确但包含较多非轮廓噪声,而高层特征更有助于区分轮廓和非轮廓,自顶向下逐渐融合相邻尺度特征,借助高层特征强化轮廓边缘并抑制非轮廓噪声;最后提出改进的2分类交叉熵损失函数,训练网络生成物体轮廓.在PyTorch环境下,用公开数
RISC-V作为新一代开源精简指令集,具有功耗低、面积小和性能高的优点,因此基于RISC-V架构的技术和产品发展迅速.然而,目前基于RISC-V架构的中高端64位CPU设计实例很少,也缺乏相应的商用IP,尤其是在面向高速网络应用方面.因此,首先改进了开源的64位U500 RISC-VSoC,包括增加了总线宽度和集成二级缓存等;然后在CPU中实现了完整的100 Gbps以太网功能模块,包括介质访问控