[发明专利]一种基于卷积神经网络的导爆索压接参数自主优化方法

摘要

基于神经网络的导爆索压接参数自主优化方法，涉及一种导爆索压接生产，特别是一种基于神经网络的导爆索压接参数自主优化，具体步骤为：1)神经网络模型建立；2)参数投喂，输入训练集与测试集；3)残差网络输出函数的建立；4)激活函数ReLU的算法设置与位置匹配；5)权值的综合管理与增量学习。该方法可以通过神经网络自主优化压接参数，降低机器耗损对压接效果的影响，提高导爆索压接过程的自动化程度，同时提高生产的效率。

主权项

1.一种基于神经网络的导爆索压接参数自主优化方法，其特征在于，该方法包含了以下步骤：步骤一：将机械压力、保压时间等参数信息及压力变化、油缸位移等图像信息分割成块学习特征，采用卷积神经网络(CNN)拟合相耦合的参数，建立神经网络模型；步骤二：选取自设计参数图像库，并按照4：1的比例划分训练集和测试集两个子集，保证训练集与测试集的精准学习；步骤三：应用深度残差网络(Resnet)解决网络层过深，训练准确率下降的问题；步骤四：应用激活函数ReLU实现模型稀疏化，使模型能更好挖掘相关特征，拟合训练数据；步骤五：设置增量学习中各网络架构层的权值初始值，可视化其输出概率，以得到压接效果的准确率。步骤六：由传感器与神经网络算法判断是否某些参数有突发性或由机器耗损引发的变化，由深度学习架构权值衡量对压接效果引起的影响，从而自主优化剩余参数，并输出到控制装置，进而控制执行器，保护压接效果。