-
题名基于原型网络的风电拉挤玻板质量异常识别
- 1
-
-
作者
张璇
韩宇
杨晓英
石岩
-
机构
河南科技大学机电工程学院
河南科技大学机械装备先进制造河南省协同创新中心
洛阳双瑞科技有限公司
-
出处
《组合机床与自动化加工技术》
北大核心
2025年第1期218-222,共5页
-
基金
国家重点研发计划项目(2018YFB1701205)
风电产业MES系统研发项目(HX20221116)。
-
文摘
为了实现风电拉挤玻板生产过程可靠的质量异常识别,针对风电拉挤玻板生产过程中样本量少的问题,提出了一种融合了数据增强技术和原型网络的质量异常识别方法。首先,使用了Mixup数据增强方法,通过线性插值的方式增加样本数量,减少模型的过拟合现象;同时,结合不需要大量的数据来学习复杂特征表示的原型网络,建立异常识别模型,解决风电拉挤玻板质量异常识别中存在的小样本问题;最后,在某公司的仿真实验中,与SVM、LSSVM和MLP方法进行比较,结果表明此方法在小样本条件下显著提高了风电拉挤玻板过程质量异常识别准确率,实现了可靠的质量异常识别。
-
关键词
风电拉挤玻板
Mixup
原型网络
质量异常识别
-
Keywords
wind power pultruded glass plate
Mixup
prototype network
quality anomaly detection
-
分类号
TH165
[机械工程—机械制造及自动化]
TG659
[金属学及工艺—金属切削加工及机床]
-
