中文字幕一级黄色A级片|免费特级毛片。性欧美日本|偷拍亚洲欧美1级片|成人黄色中文小说网|A级片视频在线观看|老司机网址在线观看|免费一级无码激情黄所|欧美三级片区精品网站999|日韩av超碰日本青青草成人|一区二区亚洲AV婷婷

一、引言

 

隨著《中國制造2025》的推進，智能制造蓬勃發(fā)展，工業(yè)制造的精度和質(zhì)量控制也將更加嚴格。為了維持工業(yè)制造的生產(chǎn)水平，很多企業(yè)都建立了內(nèi)部或第三方實驗室來實現(xiàn)質(zhì)量把控。而實驗室的質(zhì)量把控在很大程度上取決于用以進行檢測或校準的儀器設(shè)備的量值溯源，即采用準確可靠的計量器具對被測量進行測量。因此，研究適用于智能制造的測量不確定度新型評定方法并做好測量結(jié)果的測量不確定度評定，對于提升制造業(yè)中的生產(chǎn)質(zhì)量水平和檢測水平具有極大的推動作用，對于支撐國民經(jīng)濟高質(zhì)量發(fā)展也具有重要意義。

 

二、GUM法和蒙特卡洛法的現(xiàn)狀及問題

 

依據(jù)目前的計量技術(shù)規(guī)范JJF1059，通用的測量不確定度評定方法有兩種，GUM法和蒙特卡洛法(MCM)。GUM法是一種應(yīng)用測量不確定度傳播律的方法，該方法是國際組織ISO/IEC在GUIDE98-3:2008《測量不確定度表示 第3部分 測量不確定度表示指南》中推薦采用的。在采用GUM法進行測量不確定度評定的流程中有一個關(guān)鍵步驟，就是要建立測量模型。測量模型的建立是基于測量方法，考慮不確定度對被測量的影響而定的，反映了測量結(jié)果與其直接測量的量、引用的量以及影響量等有關(guān)量之間的數(shù)學(xué)關(guān)系。GUM法主要適用于測量模型為線性函數(shù)的情形，當測量模型為非線性的函數(shù)時，需要采用泰勒級數(shù)展開并忽略高階項，將被測量近似為輸入量的線性函數(shù)。正是由于GUM法的適用范圍受限，不能處理明顯呈非線性的測量模型，其替代方法MCM產(chǎn)生。MCM是利用概率分布的隨機抽樣而進行不確定度傳播的方法，主要適用于各不確定度分量大小不相近、測量模型明顯呈非線性以及輸出量的概率密度函數(shù)明顯非對稱等情況。對于物理量測量，測量模型一般根據(jù)物理原理確定。而對于非物理量或不能用物理原理確定的情況，一般由實驗方法確定或給出數(shù)值方程。在可能情況下，盡可能地由經(jīng)驗?zāi)Ｐ徒o出。某些情況下，輸出量的每個輸入量可以看作被測量，也可能取決于其他量，從而導(dǎo)出十分復(fù)雜的函數(shù)關(guān)系。在測量不確定度評定中，GUM法和MCM主要是對測量模型能夠顯式表達的系統(tǒng)進行評定。

 

然而，隨著現(xiàn)代信息技術(shù)的發(fā)展，人工智能技術(shù)與制造業(yè)深度融合，在產(chǎn)品的校準檢測環(huán)節(jié)，測量不確定度評定所需建立的測量模型更為復(fù)雜。究其原因，主要在于有些現(xiàn)有計量器具自身的系統(tǒng)比較復(fù)雜，采用新技術(shù)之后的計量器具測量原理變得不清楚，或者利用新技術(shù)制造的新的測量裝置系統(tǒng)原理模糊等。相關(guān)的計量器具主要應(yīng)用在動態(tài)視頻和靜態(tài)圖像識別、人臉識別、模式識別等領(lǐng)域，如生產(chǎn)線質(zhì)量缺陷檢測、機械臂自動定位抓取零部件、無人駕駛汽車視覺感知系統(tǒng)、智能汽車動力系統(tǒng)、高速測速拍照系統(tǒng)等。系統(tǒng)變得更為復(fù)雜的結(jié)果就使得測量模型無法由物理原理或經(jīng)驗方程給出，更不能由函數(shù)公式顯式表達，因而傳統(tǒng)的測量不確定度評定方法就不適用了。

 

三、深度學(xué)習(xí)

 

深度學(xué)習(xí)是機器學(xué)習(xí)研究中的一個新領(lǐng)域，在處理大數(shù)據(jù)方面很有優(yōu)勢。在復(fù)雜系統(tǒng)模型未知的情況下，深度學(xué)習(xí)可以運用算法從原始數(shù)據(jù)中提取信息，將系統(tǒng)用某種類型的模型表示，并使用該模型對其他數(shù)據(jù)進行推斷，這是深度學(xué)習(xí)算法最主要的特點。近年來，深度學(xué)習(xí)的發(fā)展逐漸成熟，很多復(fù)雜函數(shù)都可以通過運用深度學(xué)習(xí)算法表示。而且深度學(xué)習(xí)已經(jīng)廣泛應(yīng)用在語音識別、圖像識別、人臉識別、自然語言處理等領(lǐng)域，同時也出現(xiàn)在了現(xiàn)代制造業(yè)的眾多生產(chǎn)檢測環(huán)節(jié)中。

 

因此在測量系統(tǒng)的理論模型不清楚或測量系統(tǒng)過于復(fù)雜而無法建立測量模型的情況下，采用深度學(xué)習(xí)算法來擬合復(fù)雜系統(tǒng)，建立測量模型是可行的。

 

四、測量不確定度的深度學(xué)習(xí)評定方法

 

測量不確定度的深度學(xué)習(xí)評定方法分為數(shù)據(jù)收集、深度學(xué)習(xí)模型訓(xùn)練、模型不確定度評定、蒙特卡洛方法模擬等步驟。

 

1.數(shù)據(jù)收集

 

針對特定的復(fù)雜系統(tǒng)，盡可能多地收集與被測量相關(guān)的數(shù)據(jù)，形成數(shù)據(jù)集。例如針對智能汽車障礙物識別系統(tǒng)，收集不同溫度、濕度、氣候、路況、電磁場、光照、速度和障礙物等相關(guān)參數(shù)，形成數(shù)據(jù)集；或者針對人臉識別系統(tǒng)，收集不同背景、光照、面部、頭部裝飾物下的人臉數(shù)據(jù)，形成數(shù)據(jù)集。

 

2.深度學(xué)習(xí)模型與測量模型的關(guān)系

 

目前有PaddlePaddle、Tensorflow、Caffe、Theano、MXNet、Torch和PyTorch等多種深度學(xué)習(xí)框架工具，用于快速構(gòu)建深度學(xué)習(xí)程序。在這些框架下有許多深度學(xué)習(xí)模型，如卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network， CNNs)、深度置信網(wǎng)絡(luò)(Deep Belief Network， DBNs)和堆棧自編碼網(wǎng)絡(luò)(Stacked Auto-Encoder Network， SAE)模型等。

 

深度學(xué)習(xí)算法，其基本原理是通過輸入層的大數(shù)據(jù)和輸出層對應(yīng)結(jié)果，訓(xùn)練構(gòu)建一個復(fù)雜的參數(shù)隱層，從而形成一個深度學(xué)習(xí)模型實例。在使用時，當有未知結(jié)果的一組輸入層數(shù)據(jù)輸入該深度學(xué)習(xí)模型實例后，依據(jù)模型實例隱層參數(shù)就可以計算出對應(yīng)的結(jié)果，如圖1所示。

 

 

圖1  深度學(xué)習(xí)算法模型與測量模型的關(guān)系

 

從測量模型而言，深度學(xué)習(xí)模型的輸入層I就對應(yīng)著測量模型的輸入量X；深度學(xué)習(xí)模型的隱層就對應(yīng)著測量模型f；深度學(xué)習(xí)模型的輸出層就對應(yīng)著測量模型的被測量Y，如圖1所示。

 

在測量上可以理解為當測量模型f未知時，如何對被測量Y進行測量不確定度評定。

 

3.測量模型f的求取，即深度學(xué)習(xí)模型實例的訓(xùn)練

 

對于不同的復(fù)雜系統(tǒng)，比如汽車動力系統(tǒng)、圖像識別系統(tǒng)和模式識別系統(tǒng)等，用同一種深度學(xué)習(xí)算法模擬可能會產(chǎn)生截然不同的效果，選取不同的激活函數(shù)、不同的神經(jīng)網(wǎng)絡(luò)層數(shù)、每層不同的神經(jīng)元個數(shù)或參數(shù)個數(shù)，都會對測量產(chǎn)生不同的影響。因此在進行深度學(xué)習(xí)訓(xùn)練時，依據(jù)如下過程開展:

 

(1)將收集到的數(shù)據(jù)分為訓(xùn)練集T和驗證集V。

 

(2)從PaddlePaddle、Tensorflow、Caffe、Theano、MXNet、Torch和PyTorch等工具中選定深度學(xué)習(xí)框架。

 

(3)選定深度學(xué)習(xí)模型，如從CNNs、DBNs或SAE等模型中選取一個進行編程。

 

 (4)使用訓(xùn)練集T進行訓(xùn)練，并獲得模型實例。

 

(5)使用驗證集V驗證模型實例。

 

(6)獲得深度學(xué)習(xí)模型實例f及估算其可能影響的概率分布DMPF(分布的相關(guān)特征值和概率由深度學(xué)習(xí)工具提供或估算)。

 

該深度學(xué)習(xí)模型實例即隱式的測量模型f，并且工具給出的模型實例的概率分布就是該測量模型的測量不確定度的概率分布。

 

4.利用已有的蒙特卡洛方法進行被測量Y的測量不確定度評定

 

對于已知輸入量X的測量，要求得被測量Y，并求其相應(yīng)的測量不確定度。由于測量模型f的隱式特性，因而需要采用蒙特卡洛方法進行。其方法如下:

 

(1)對輸入量X中的每個分量xi(i=1，2，……，n)，求其相應(yīng)測量數(shù)據(jù)的均值，并使用B類方法和A類方法評定其標準合成測量不確定度。

 

(2)使用蒙特卡洛方法依據(jù)輸入量每個分量xi(i=1， 2，……，n)的概率分布和標準合成測量不確定度，生成對應(yīng)的隨機數(shù)xij， i=1， 2，……， n；j=1，2，……， m。

 

(3)對于1≤k≤m，如取j=k，從xij中抽取x1k，x2k，……， xnk，形成一組輸入量數(shù)據(jù)(x1k，x2k，……， xnk)，將該組數(shù)據(jù)輸入深度學(xué)習(xí)模型實例f，獲得一個待測量值yk，并且可由深度學(xué)習(xí)模型實例計算出yk的概率分布DMPFk，直到生成m個yk和對應(yīng)的概率分布DMPFk。

 

(4)按1……k……m的順序,依據(jù)yk和其對應(yīng)的概率分布DMPFk，使用蒙特卡洛方法生成l個ykp(p=1，2，……， l)，共生成m×l個Y的模擬值。

 

(5)求取m×l個ykp(k=1，2，……， m；p=1，2，……， l)的均值作為被測量Y的估計值，其分布作為被測量Y的分布，其標準差作為被測量Y的標準測量不確定度。

 

上述過程，即為測量不確定度的深度學(xué)習(xí)評定方法，其流程如圖2所示。

 

 

圖2  測量不確定度的深度學(xué)習(xí)評定方法

 

五、結(jié)束語

 

本文從理論上提出了一種對于不可顯式表達的復(fù)雜測量的測量不確定度評定方法，對智能制造、人工智能等技術(shù)的質(zhì)量提升具有顯著意義。