摘要
本发明涉及机械寿命预测技术领域,特别涉及一种采用迁移学习的叉车属具疲劳寿命预测方法及系统。获得疲劳频繁点列表和频繁受力方向列表;以属具结构拓扑、属具材料参数、疲劳频繁点列表和频繁受力方向列表为约束,采集若干一一对应的第一属具作业工况时序数据和第一标识疲劳寿命的标签,训练疲劳寿命预测基础模型;以目标叉车属具型号、疲劳频繁点列表和频繁受力方向列表,采集若干一一对应的第二属具作业工况时序数据和第二标识疲劳寿命的标签,对疲劳寿命预测基础模型进行迁移学习,获得目标叉车属具疲劳寿命预测模型,执行叉车属具疲劳寿命预测任务。本发明解决了由于疲劳监测样本不足导致的疲劳寿命预测精度不足、效率低下的问题。
技术关键词
叉车
作业工况
列表
疲劳寿命预测方法
受力
时序
频率
疲劳寿命预测系统
基础
重构
模型训练模块
标签
标识
寿命预测技术
数据
参数
样本
分析模块
系统为您推荐了相关专利信息
皮卡货箱
疲劳寿命预测方法
货箱尾门
仿真模型
可简化机构
动态关系图谱
强化学习模型
推荐方法
生成机制
语义提取技术
连体建筑
吊点
整体提升
生成方法
有限元分析软件
协作设备
信息叠加方法
动态场景
策略
多模态数据采集