论文部分内容阅读
针对装配质量预测过程中，由于三维点云数据量不足而导致建模精度无法满足实际要求的问题，提出了一种基于主动学习的深层网络建模与装配质量预测方法。首先，在深层网络上嵌入主动学习网络作为总网络；其次，采用自定义的主动学习损失函数，获取点云数据中信息量较大的样本作为预训练集；最后，对某车门内板和铰链加强件的装配过程进行案例分析。结果表明，与单一的深度学习模型相比，该建模方法可以显著提高装配质量的预测精度，以及降低训练模型对样本量的依赖。