公开(公告)号：CN113420375A

公开(公告)日：2021-09-21

申请号：CN202110657757.8

申请日：2021-06-14

Applicant: 西北工业大学

Inventor： 王明微 ,  邓伟 ,  周竞涛 ,  张惠斌 ,  李智昂

IPC: G06F30/15 ,  G06F30/17 ,  G06F30/20 ,  G06F119/02

Abstract: 本发明公开了一种基于Apriori建立工艺‑质量‑不平衡量关联关系模型的方法，首先调取装配留档数据库内数据以及云端大数据，对数据进行预处理；再对连续数据Chi‑merge离散化，之后形成事务数据集；然后对事务数据集进行关联分析，得到事务或项集与不平衡量之间的关联关系支持度和置信度；接下来基于Apriori关联算法，对装配过程中的影响因素与不平衡量进行关联分析，建立不平衡量关联关系模型；最后基于不平衡量关联关系模型，挖掘工艺、质量和不平衡量之间的内在关系，分析计算其中相关性影响因子的影响比重，并对不平衡量增减影响进行定量分析。本发明能为航空发动机低压风扇转子的设计、制造和装配提供建设性建议根据。

公开(公告)号：CN113313198A

公开(公告)日：2021-08-27

申请号：CN202110684408.5

申请日：2021-06-21

Applicant: 西北工业大学

Inventor： 周竞涛 ,  杨长森 ,  李恩明 ,  王明微 ,  张惠斌 ,  蒋腾远

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于多尺度卷积神经网络的刀具磨损预测方法，解决现有刀具磨损预测方法依赖人工特征提取、模型泛化能力不足、应用场景受限的问题。本发明利用深度学习从原始数据中提取数据的本质特征，自动建立特征与目标之间的映射关系，并将其与人工特征提取方法相结合，提高了模型的准确率，该方法首先利用离散小波变换对预处理后的原始信号进行变换，在不损失原始信号信息的情况下对特征进行更好的表示，设计了一种增强的多尺度CNN结构，并将其应用于变换后的小波尺度图上，自动从原始数据中学习刀具的磨损特征；最后，将人工特征和自动特征相结合形成混合特征向量，利用全连接神经网络实现自动特征和人工特征的融合，以实现刀具磨损的预测。