基于人工智能的模具结构健康监测方法及系统技术方案

本申请提供一种基于人工智能的模具结构健康监测方法及系统，首先利用第一人工智能网络对目标模具结构图像进行向量表示，有效提取了模具的关键结构特征；随后，通过第二人工智能网络进行图像语义域变换，构建了反映模具结构深层次语义关系的空间模型，显著增强了信息的表征能力；最后，第三人工智能网络基于该语义关系空间进行健康状态估计，输出了详尽且准确的健康状态知识数据。此外，通过引入参考训练代价机制，对三个网络进行联合优化，其中，第一训练代价聚焦于提升模具结构语义表示的准确性和一致性，第二训练代价则直接关联于健康状态估计的准确性，两者共同作用，使得网络参数调整更加科学、合理。

【技术实现步骤摘要】

本申请涉及人工智能，具体而言，涉及一种基于人工智能的模具结构健康监测方法及系统。

技术介绍

1、在模具制造领域，模具作为生产过程中的关键部件，其健康状态直接影响到产品的质量和生产效率。传统的模具健康监测方法往往依赖于人工定期检查，这种方法不仅效率低下，且难以全面、准确地评估模具的细微损伤和潜在故障。

2、现有方案大多侧重于单一模型的应用，缺乏针对模具结构特性的定制化优化和多模型协同工作的机制。此外，这些方法在特征提取、语义关系构建以及健康状态估计等关键环节上，往往存在信息损失、关系表征不精确或估计结果不准确等问题。

3、因此，迫切需要一种更加高效、准确且适应性强的基于人工智能的模具结构健康监测方法，以解决现有技术中存在的问题。

技术实现思路

1、鉴于上述提及的问题，结合本申请的第一方面，本申请实施例提供一种基于人工智能的模具结构健康监测方法，所述方法包括：

2、获取待进行健康状态知识抽取的目标模具结构图像数据；

3、依据第一人工智能网络对所述目标模具结构图像数据本文档来自技高网...

【技术保护点】

1.一种基于人工智能的模具结构健康监测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于人工智能的模具结构健康监测方法，其特征在于，所述第一人工智能网络、所述第二人工智能网络以及所述第三人工智能网络的组合网络参数优化过程，包括：

3.根据权利要求2所述的基于人工智能的模具结构健康监测方法，其特征在于，所述依据所述第一训练代价以及所述第二训练代价对所述第一人工智能网络、所述第二人工智能网络以及所述第三人工智能网络进行网络参数优化，包括：

4.根据权利要求2所述的基于人工智能的模具结构健康监测方法，其特征在于，所述对所述示例模具结构图像进行模具...

【技术特征摘要】

1.一种基于人工智能的模具结构健康监测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于人工智能的模具结构健康监测方法，其特征在于，所述第一人工智能网络、所述第二人工智能网络以及所述第三人工智能网络的组合网络参数优化过程，包括：

3.根据权利要求2所述的基于人工智能的模具结构健康监测方法，其特征在于，所述依据所述第一训练代价以及所述第二训练代价对所述第一人工智能网络、所述第二人工智能网络以及所述第三人工智能网络进行网络参数优化，包括：

4.根据权利要求2所述的基于人工智能的模具结构健康监测方法，其特征在于，所述对所述示例模具结构图像进行模具结构图像识别生成对应的示例图像语义特征，并依据第四人工智能网络对所述示例图像语义特征进行图像语义域变换，生成所述第二示例模具结构语义关系空间之后，所述方法还包括：

5.根据权利要求4所述的基于人工智能的模具结构健康监测方法，其特征在于，所述依据所述第三人工智能网络对所述跨域语义关系空间进行模具结构健康状态估计生成第二估计健康状态知识数据，以及依据所述第三人工智能网络对所述第二示例模具结构语义关系空间进行模具结构健康状态估计生成第三估计健康状态知识数据之后，还包括：

6.根据权利要求5所述的基于人工智能的模具结构健康监测方法，其特征在于，所述对所述示例模具结构图像进行模具结构图像识...

【专利技术属性】
技术研发人员：余新乐，周少良，
申请(专利权)人：维克多精密工业深圳有限公司，
类型：发明
国别省市：