对偶域自适应双任务学习的机器人磨削预测方法及设备技术

本发明专利技术属于机器人磨削技术领域，并具体公开了一种对偶域自适应双任务学习的机器人磨削预测方法及设备。包括：将机器人磨削的历史工艺参数以及新工艺参数循环配对，以形成“目标‑源”样本对和“源‑源”样本对，对“目标‑源”样本对和“源‑源”样本对进行特征转换和合并后，分别得到“目标‑源”特征和“源‑源”特征；构建经验最大均值差异模型，计算域自适应损失；构建多门控混合专家模型的整体损失函数，进行双任务监督优化训练，以获取磨削预测模型；基于磨削预测模型对机器人磨削的材料去除深度和平均表面粗糙度进行双预测。本发明专利技术有效地平衡了材料去除深度和平均表面粗糙度之间的相关性和差异性，提升了样本数量和多样性，预测精度高。

【技术实现步骤摘要】

本专利技术属于机器人磨削，更具体地，涉及一种对偶域自适应双任务学习的机器人磨削预测方法及设备。

技术介绍

1、机器人磨削技术因其灵活性高、操作空间大和成本效益高，已被公认为是精加工和处理难加工材料的有效技术。高精制造是机器人磨削技术的目标，这可以通过同时提高材料去除能力和工件表面质量来实现。过去几十年来，人们提出了许多机器学习方法来单独预测材料去除深度和平均表面粗糙度。然而，这些方法通常需要训练两个不同的模型，忽略了他们之间潜在的相关性。多任务监督学习(如共享底层法、张量因式分解法和多门专家混合法)是一种更有效的技术。在多任务监督学习方法中，多门专家混合方法能够利用少量训练样本中的参数来平衡各任务之间的相关性和差异性。

2、然而，传统的多任务监督学习方法通常假设训练和测试数据独立同分布。事实上，不同区间的加工参数呈现出不同的数据分布，在使用传统的多任务监督学习方法时，往往会导致对未知加工参数的预测偏移。一种合理的方法是利用基于深度自适应的方法来缓解机器人磨削中现有加工参数和新加工参数之间的数据分布差异，从而在处理新加工参数时实现材料去除深度和平本文档来自技高网...

【技术保护点】

1.一种对偶域自适应双任务学习的机器人磨削预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种对偶域自适应双任务学习的机器人磨削预测方法，其特征在于，步骤一中，采用域自适应策略使得源域和目标域之间的数据对齐，将所述“目标-源”样本对和“源-源”样本输入至特征转换器中进行转换和合并后，分别得到“目标-源”特征和“源-源”特征。

3.根据权利要求2所述的一种对偶域自适应双任务学习的机器人磨削预测方法，其特征在于，步骤一中，为了学习MRD与Ra之间的共享知识，利用两个全连接层FC1和FC2进行特征变换；

4.根据权利要求1所述的一种对偶域自适应...

【技术特征摘要】

1.一种对偶域自适应双任务学习的机器人磨削预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种对偶域自适应双任务学习的机器人磨削预测方法，其特征在于，步骤一中，采用域自适应策略使得源域和目标域之间的数据对齐，将所述“目标-源”样本对和“源-源”样本输入至特征转换器中进行转换和合并后，分别得到“目标-源”特征和“源-源”特征。

3.根据权利要求2所述的一种对偶域自适应双任务学习的机器人磨削预测方法，其特征在于，步骤一中，为了学习mrd与ra之间的共享知识，利用两个全连接层fc1和fc2进行特征变换；

4.根据权利要求1所述的一种对偶域自适应双任务学习的机器人磨削预测方法，其特征在于，步骤二中，所域自适应损失计算模型包括：

5.根据权利要求3所述的一种对偶域自适应双任务学习的机器人磨削...

【专利技术属性】
技术研发人员：袁烨，马贵君，杨泽源，王愉哲，严思杰，丁汉，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：