.png){kind=icon}
返回
Data-Efficient Machine Learning for Straightening Processes in Roll Forming Using FEA Data
.png){kind=icon}
PRE
AI
DOI：10.3390/app16105024.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
辊弯成型是一种以高生产率和材料高利用率为特征的有色金属成型过程。过程固有的横截面上的不均匀纵向应变分布要求使用矫直机以在生产过程中使产品质量保持在规格范围内。矫直过程根据操作人员的专业知识进行迭代调整。熟练工人的短缺导致辊弯操作中基于经验的专有技术流失。为了减轻对生产效率的影响，机器学习（ML）可用于为经验不足的操作人员提供帮助。在此背景下，在配备传感器的矫直机上记录力和位置信号，以使用卷积神经网络预测操作人员的校正调整。此外，研究了数值生成数据的集成，以减少所需的有标签实验数据量。应用迁移学习（TL）方法，数值数据的纳入使小实验数据集的均方误差减少20.81%，均方标准差减少36.62%。
Keyword:
roll forming
straightening
machine learning
transfer learning
期刊
A
IF:
2.5
论文数:
7.3K
被引数:
4
机构
引用论文
.png){kind=icon}
分享收藏Digital twin-driven partial domain adaptation network for intelligent fault diagnosis of rolling bearing用于滚动轴承智能故障诊断的数字孪生驱动部分域自适应网络
OAAI
OAAI分享收藏Ensemble transfer learning for cutting energy consumption prediction of aviation parts towards green manufacturing面向绿色制造的航空零部件切削能耗预测集成迁移学习OAAI
OAAI分享收藏分享收藏
查看更多内容