汽车后地板压铸质量在线预测(小米合作)
把强化学习策略优化(GRPO)落到真实压铸数据,做标签稀缺下的在线质量预测与半监督设计。有界召回率 91%,对应极低漏检。
我研究工业智能诊断的一个根子问题:数据和知识这两个证据源都不完备,而它们之间缺一个可信的互补机制。围绕这个问题,我的工作横跨故障预测与健康管理(PHM)、时空建模与 LLM 智能体。
// 全部见 项目时间线
把强化学习策略优化(GRPO)落到真实压铸数据,做标签稀缺下的在线质量预测与半监督设计。有界召回率 91%,对应极低漏检。
用图像+振动多模态识别地铁钢轨波磨,先重新定义"高铁标准套地铁会漏检"的问题,再用主动学习解决标签匮乏。边缘/中线双模型 AUC 0.852 / 0.936。
// 全部见 论文与研究主线
期刊: Advanced Engineering Informatics
状态: 审稿中
期刊: Applied Soft Computing
状态: 审稿中
期刊: IEEE Transactions on Semiconductor Manufacturing
状态: 审稿中