基于半监督贝叶斯Transformer的刀具磨损软测量及不确定性分析方法OA北大核心CSTPCD

受刀具磨损离线测量方式的限制,磨损样本少,且测量噪声难以避免,导致难以实现可靠的刀具磨损监测。针对该问题,融合半监督Transformer模型、Dropout、蒙特卡罗(MC)模拟方法,提出了基于半监督贝叶斯Transformer的刀具磨损软测量及其不确定性分析方法。首先,构建基于半监督Transformer网络架构的软测量模型,利用无监督特征提取和有监督微调的网络训练方式,指导小样本下的刀具磨损软测量模型构建;然后,为量化噪声对刀具磨损的影响,设计面向不确定性分析的噪声网络通道;最后,结合MC-Dropout近似贝叶斯过程,对噪声引起的随机不确定性和建模误差引起的认知不确定性进行量化,为刀具磨损评估提供更加全面的信息。研究结果表明,所提出的刀具磨损软测量模型及其不确定性分析框架能够为刀具健康管理提供有力工具。