迁移学习作为智能数字孪生的赋能技术

数字孪生被描述为在虚拟调试、故障预测或重构规划等许多领域有益。为数字孪生配备人工智能功能可大幅扩展这些有益应用或开辟全新的应用领域，其中包括跨阶段工业迁移学习。在机器学习背景下，迁移学习代表一组基于先前获取的知识来增强学习新任务的方法。此处，知识从一个生命周期阶段转移到另一个阶段，以减少训练机器学习算法所需的数据量或时间。审视开发和部署具有深度学习功能的工业机械时的常见挑战，采纳该概念将带来若干优势：使用智能数字孪生，可在物理系统存在并收集真实数据之前的设计阶段设计、配置和测试学习算法。一旦获得真实数据，算法仅需微调，从而显著加快调试速度并降低昂贵修改的概率。此外，利用数字孪生的仿真能力虚拟注入罕见故障以训练算法响应，或使用强化学习（例如教导机器人）变得切实可行。本文展示了若干利用智能数字孪生的跨阶段工业迁移学习用例。使用一个由自动焊接机和配备机械臂的自动导引车组成的真实信息物理生产系统来说明相应优势。