基于自编码特征和深度学习回归模型的盾构姿态预测方法

    公开(公告)号:CN110533065A

    公开(公告)日:2019-12-03

    申请号:CN201910647803.9

    申请日:2019-07-18

    Abstract: 本发明公开了一种基于自编码特征和深度学习回归模型的盾构姿态预测方法,其主要步骤是:(1)采集数据;(2)预处理;(3)生成训练样本和测试样本;(4)构建自编码器和构建深度学习回归模型;(5)提取额数据特征;(6)训练深度学习回归模型;(7)预测盾构姿态。本发明结合了盾构机掘进过程中设备参数信息,能够利用参数信息来体现盾构姿态,并且避免了繁琐的求解过程,提高了对盾构姿态变化的反应时间,具有高效的数据分析能力,可以为施工操作人员提供参考和调整依据,保障施工质量。

    基于统计分析与XGboost结合的盾构纠偏方法

    公开(公告)号:CN108868805A

    公开(公告)日:2018-11-23

    申请号:CN201810583493.4

    申请日:2018-06-08

    Abstract: 本发明提出了一种基于统计分析与XGboost结合的盾构纠偏方法,用于解决现有技术中存在的纠偏精度较低的技术问题,实现步骤为:获取盾构参数数据包;获取训练集数据和测试集数据;获取基于XGboost的盾构姿态参数回归模型;获取多组掘进样本数据;对盾构机姿态进行纠偏。通过统计分析,将姿态参数值划分为多个区间,并且对每个区间掘进数据通过XGboost所建立的回归模型进行计算,得到每组包含多条盾构数据的多组数据,使得每个区间给出一组盾构参考数据,给多环纠偏时参数设置提供依据,通过基于XGboost所拟合的回归模型,有效提高了所给出的盾构参考数据的准确性,进而提高了掘进纠偏的准确度。

    一种MEMS麦克风结构及其制备方法

    公开(公告)号:CN114727206A

    公开(公告)日:2022-07-08

    申请号:CN202210153476.3

    申请日:2022-02-18

    Abstract: 本发明公开了一种MEMS麦克风结构及其制备方法,包括:麦克风本体;麦克风本体上设有第一电极通孔、第一电极安装槽、第二电极通孔和第二电极安装槽;第一电极通孔、第一电极安装槽和第二电极安装槽的侧壁上均覆盖有二氧化硅连接层;二氧化硅连接层表面平滑且为背向侧壁凸起的弧面。本发明的麦克风结构及其制备方法通过在第一电极通孔、第一电极安装槽和第二电极安装槽的侧壁上均覆盖有表面平滑的二氧化硅连接层,金属电极与二氧化硅连接层的接触面较为平滑,金属电极覆盖性较佳,避免金属电极连接发生断裂造成的器件失效,提升了器件制造良率。

    基于深度神经网络与关联分析结合的盾构轴线纠偏方法

    公开(公告)号:CN110242310B

    公开(公告)日:2020-08-11

    申请号:CN201910517580.4

    申请日:2019-06-14

    Abstract: 本发明提出了一种基于深度神经网络与关联分析结合的盾构轴线纠偏方法,用于解决现有技术中存在的纠偏精度较低的技术问题,实现步骤为:构建盾构参数数据包;计算每类盾构轴线偏差的历史纠偏数据;构建基于深度神经网络DNN的轴线偏差参数回归模型;获取每类盾构轴线偏差的历史纠偏数据区间;获取每类盾构轴线偏差的每环纠偏量区间关联的纠偏掘进数据区间;获取盾构机各环所需的纠偏量;获取每环的纠偏掘进参数推荐数值。通过深度神经网络DNN构建盾构轴线偏差参数回归模型,通过关联分析获得与每环纠偏量区间关联的纠偏掘进数据区间,通过反向圆几何计算方法获得每环纠偏量,并通过每环纠偏掘进参数推荐数值实现纠偏,有效提高了纠偏精度。

Patent Agency Ranking