摘要
本发明属于生产控制技术领域,提供了一种基于模型的钻孔对象材料分类识别方法、系统、电子设备及计算机程序产品。方法包括先提取包含振动、声波、电流、温度等的原始信号,并进行信号同步处理,采用硬件级同步基于统一时钟源获取多种传感器信号;接着基于预设物理模型提取原始信号对应的物理参数;随后将原始信号和物理参数输入预训练的混合神经网络模型,该模型含第一、第二分支神经网络,分别处理原始信号和物理参数得到对应特征,再基于注意力权重加权融合特征,经分类器输出分类结果。当检测到物理参数超限、传感器故障或极端工况等异常工况时,依据异常类型校正注意力权重。混合神经网络模型采用含分类损失、物理一致性损失及注意力稀疏化损失的联合约束训练方式进行预训练。本发明有效提高钻孔对象材料分类识别的准确性与可靠性。
技术关键词
混合神经网络模型
分类识别方法
分类识别系统
物理
注意力
传感器
融合特征
信号特征
钻孔
计算机程序产品
参数
工况
分支
对象
分类器
电子设备
声波
处理器
校正模块
系统为您推荐了相关专利信息
情感类别
交互注意力
多模态情感识别
模态特征
跨模态
检测模型构建方法
语音特征提取
频域滤波器
抑郁检测系统
监督学习策略
情感分析模型
双向注意力
智能终端设备
情感类别
跨模态
交通标志检测方法
交通标志图像
YOLO模型
网络
高清摄像头