首页期刊导航|浙江大学学报（工学版）
期刊信息/Journal information
浙江大学学报（工学版）
浙江大学学报（工学版）

岑可法

月刊

1008-973X

xbgkb@zju.edu.cn

0571-87952273

310027

杭州市浙大路38号

浙江大学学报（工学版）/Journal Journal of Zhejiang University(Engineering Science)CSCD北大核心CSTPCDEI
查看更多>>本学报的前身是浙江大学学报（自然科学版），四校合并后，为了突出浙江大学的工科优势，改为浙江大学学报工学版，稿源主要来之于本校教师、学生、研究所的科研工作者。刊登内容包括计算机科学技术与工程，信电与电子工程，光电，工业控制，材料，化工，高分子，机械，电机，能源，土木建筑工程、力学、生物工程和生命科学、环境科学、食品工程、农业工程以及理科方面和交叉学科等方面的最新研究成果。
正式出版
收录年代

    基于DL-BiGRU多特征融合的注塑件尺寸预测方法

    钱庆杰余军合战洪飞王瑞...
    646-654页
    查看更多>>摘要：为了充分挖掘注塑成型过程中模腔内的高频时序特征和注塑成型机状态特征，提出基于双层双向门控循环单元网络(DL-BiGRU)的多特征融合注塑件尺寸预测方法。分析膜腔内传感器高频时序特征与注塑件尺寸间的关联性，采用DL-BiGRU网络从高频数据中自动提取时序特征，表征注塑件成型过程状态变化特性。通过采样模腔内高频时序数据进行展成平铺，表征注塑成型的瞬时特征。融合时序特征、瞬时特征和成型机状态特征，构建端到端的深度学习多特征融合框架。将上述 3 种特征融合并联合训练，提升注塑件尺寸预测精度。在注塑成型数据集上进行模型验证，预测尺寸平均均方误差为 4。7×10-4 mm2，最小误差波动为 10-5 mm2 量级，模型具有较高的预测精度和稳定性。

    注塑成型深度学习双向门控循环单元网络(BiGRU)多特征融合尺寸预测

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普