摘要
本发明公开了一种基于智能制造的工业大数据分析方法,涉及工业大数据分析技术领域,本发明通过应力场驱动缺陷生成机制,虚拟缺陷严格遵循材料力学响应规律,如裂纹沿最大主应力方向扩展、气泡分布受表面张力约束,规避传统生成对抗网络GAN因脱离物理机理导致的样本失真风险;结合虚拟缺陷库动态更新,保障合成样本覆盖真实工况下的典型失效模式;本发明的元学习框架通过共享特征层提取跨设备共性规律,任务适配器层注入设备特异性知识,实现一次预训练、轻量微调的快速迁移;物理约束函数作为先验正则项,限制模型对有限样本噪声的过拟合倾向,提升产线切换新产品时的检测稳定性。
技术关键词
预训练模型
工业大数据分析
跨设备
材料断裂韧度
在线缺陷检测
样本
关键工艺参数
材料屈服强度
裂纹
连续性
应力场
变分方法
生成对抗网络
多任务
物理
适配器
生成机制
节点
系统为您推荐了相关专利信息
预训练模型
语音检测方法
语音分类模型
样本
数据
特征提取网络
数据
预训练模型
变压器
电力设备故障
读写优化方法
读写调度器
机器学习算法分析
动态缓存管理
缓存策略
数据处理方法
预训练模型
模型训练方法
样本
电子设备