CN116630728B 基于注意力残差孪生网络的加工精度预测方法 （重庆大学）_第1页
CN116630728B 基于注意力残差孪生网络的加工精度预测方法 （重庆大学）_第2页
CN116630728B 基于注意力残差孪生网络的加工精度预测方法 （重庆大学）_第3页
CN116630728B 基于注意力残差孪生网络的加工精度预测方法 （重庆大学）_第4页
CN116630728B 基于注意力残差孪生网络的加工精度预测方法 （重庆大学）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

grindingprocessesbsignalconversionintoreMECHANICALENGINEERSPARTE-JOURNALOFPROCESSMECHANICALENGINEERING.2024,1-11.基于注意力残差孪生网络的加工精度预测本发明提供的一种基于注意力残差孪生网2S1.采集加工零件的时序位移数据作为样本数据集，对时序位移数据利用分段聚合近S5.将实时采集的待加工零件时序位移数据通过步骤S1转化为二维灰度图像数据，将注意力机制残差孪生网络有两条主干提取网络，主干提取网络将长度为L的时序位移序列平均分为n段，求取每个时序位移序列而表示时序位移序列片段中的第m个时序位移序列的特征值，n表示长度为L的3将时间维度和位移维度的二维矩阵转化为二维灰度图像，得到表征时45传统的方法对数控加工中产生的时序位移序列数据进行分析建模的[0005]本发明提供的一种基于注意力残差孪生网络的加工精度预测方法，包括以下步[0006]S1.采集加工零件的时序位[0010]S5.将实时采集的待加工零件时序位移数据通过步骤S1转化为二维灰度图像数67[0035]使用Contrastiveloss函数作为损失函数，计算损失函数在训练参数上的梯度8[0053]本发明提供的一种基于注意力残差孪生网络的加工精度预测方法，包括以下步[0054]S1.采集加工零件的时序位[0058]S5.将实时采集的待加工零件时序位移数据通过步骤S1转化为二维灰度图像数[0067]其中，i表示时序位移序列序号，X表示降维后的时序位移序列，X＝{X1,X2,9过有效通道注意力模块和残差模块后得到的两个特征向量，将两个特征向量一维化并相

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论