基于图卷积网络的数字孪生车间生产行为识别方法

TP391; 车间人员行为的智能识别对规范生产过程、保障安全生产、实现车间生产行为数字孪生模型的快速构建具有重要的现实意义.提出一种融合注意力机制的图卷积网络的生产行为识别方法,对数字孪生车间生产行为进行数字化描述和快速识别.构建了一种基于拓扑图结构的人员数字孪生体特征,以及一种基于图卷积网络的注意力图卷积网络模型,将数字孪生体特征输入注意力网络模型,实现了对车间生产行为的识别.实验结果表明,该方法在车间生产行为数据集NJUST-3D上取得了较好的识别准确率,能够支持生产行为数字孪生模型的高效构建....

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 27; no. 2; pp. 501 - 509
Main Authors 刘庭煜, 洪庆, 孙毅锋, 刘洋, 杜小东, 刘晓军, 宋豪杰
Format Journal Article
LanguageChinese
Published 南京理工大学 机械工程学院,江苏 南京 210094%南京理工大学 机械工程学院,江苏 南京 210094%中国电子科技集团公司 第二十九研究所,四川 成都 610036%东南大学 机械工程学院,江苏 南京 211189%中国电子科技集团公司 第二十八研究所,江苏 南京 210007 01.02.2021
东南大学 机械工程学院,江苏 南京 211189
Subjects
注意力机制
图卷积网络
数字孪生车间
拓扑图结构
生产行为识别
Online AccessGet full text

Cover

More Information
Summary:TP391; 车间人员行为的智能识别对规范生产过程、保障安全生产、实现车间生产行为数字孪生模型的快速构建具有重要的现实意义.提出一种融合注意力机制的图卷积网络的生产行为识别方法,对数字孪生车间生产行为进行数字化描述和快速识别.构建了一种基于拓扑图结构的人员数字孪生体特征,以及一种基于图卷积网络的注意力图卷积网络模型,将数字孪生体特征输入注意力网络模型,实现了对车间生产行为的识别.实验结果表明,该方法在车间生产行为数据集NJUST-3D上取得了较好的识别准确率,能够支持生产行为数字孪生模型的高效构建.
ISSN:1006-5911
DOI:10.13196/j.cims.2021.02.017