今天给大家分享一篇题为《Intelligentlaser welding through representation, prediction, and control learning:An architecture with deepneural networks and reinforcement learning》的文章,将深度学习和强化学习实现激光焊接过程,实现焊接过程的自学习和自提升。
首先,在论文的引言部分,作者阐述了激光焊接系统的重要型和存在的问题。同时,对特征表达、预测和控制三个方面的研究现状进行分析,提出了基于深度学习和强化学习的激光焊接系统。
在文章的第二部分,作者对实验系统和文章的框架进行分析。传感系统包括工业相机和光电二极管。同时,为了适应不同的测量需求,三个不同波长的光电二极管被采用。为了更好地实现焊接过程的控制,文章的框架如下:
1.基于深度学习的表达算法将传感器数据转换到低维的数据空间中;
2.基于时间查分法的强化学习算法对焊接过程进行预测,建立焊接过程的知识库模型,对当前的状态进行评价和对未来的行为进行预测;
3.特征表达和预测的结果被应用到过程控制算法中,保证焊接的质量;
文章的第三部分,作者阐述了深度自编码神经网络的构建方法,为了更好地验证本文的算法,PCA算法在本文中作为对比实验,经过实验分析,深度自编码神经网络可以取得更好地效果,更好地表达不同的焊缝。
文章的第四部分,作者阐述了强化学习,分别是nexting算法用于焊接过程的检测和预测,执行者和评价者算法用来完成焊接过程的控制。在焊接过程的预测中,nexting算法可以取得很好地预测效果,可以获得很小的预测误差。
为了更好地验证控制效果,本文利用有限元仿真软件对激光焊接系统进行仿真,实验结果表明,本文的算法可以很好地实现焊接过程的控制。
本文的主要工作是将强化学习和深度学习算法应用到焊接过程中,实现焊接过程的观察、知识系统的建立和焊接过程的控制,这是是目前较少的文章完成这一项工作的。本文的PPT如下:
领取专属 10元无门槛券
私享最新 技术干货