基于特征差异增强的工程装备知识跨项目多源域迁移学习研究

工程装备智能化是发展智能建造的重要基础,项目知识是工程装备智能化的知识源泉,因此,工程装备知识跨项目的有效共享与利用是实现智能建造的重要环节.为了增强工程装备知识的跨项目利用效率与效果,本文提出了一种基于特征差异增强的多源域迁移学习框架.该框架利用混合深度神经网络提取源项目的通用时空特征表示,基于项目相似度度量筛选可迁移源项目,通过所设计的特征差异增强方法挖掘多源域的域特殊特征表示并进行集成,在避免负迁移的同时实现工程装备知识的跨项目有效转移.本文使用多个隧道工程项目的数据进行了实验,在六个盾构设备姿态预测知识转移任务的两个预测目标上,该框架相较于基线模型的预测准确性平均提升度分别为86.48%、117.01%,并具有良好的稳健性和情景适应性.实验结果表明:本文所设计的新框架可以挖掘多个源域项目的特性知识并整合其共性知识,通过集成多源域迁移学习的知识来提高知识利用率,为大型工程装备知识的跨项目转移提供了有效的方法和工具,有助于提升施工项目的知识管理与智能建造水平.