-
-
公开(公告)号：CN107491582B
公开(公告)日：2020-05-12
申请号：CN201710549207.8
申请日：2017-07-07
Applicant: 西北工业大学
IPC: G06F30/20
Abstract: 本发明提出一种基于DWCN_NodeRank算法的产品设计关键要素提取方法，首先针对产品的不同设计场景，获取对应不同设计场景的产品的若干SysML模型；分别从每个SysML模型中读取设计元素以及各设计元素之间的关系；其次根据5种关系类型的关系强度值，计算设计元素集合中两两设计元素之间的贡献度，并建立基于设计要素的设计结构矩阵IDSM；最后迭代计算所有设计元素的权值向量NR，在得到的权值向量NR中，取其中大于设定阈值δ的元素所对应的设计元素为关键要素。本发明不仅充分利用了系统模型所体现的各种关系，而且与仿真方式或者根据实际使用效果运用概率推算方式相比，时间短、效率高，并且能够处理大量系统模型中的关键要素提取问题。
-
公开(公告)号：CN107301283B
公开(公告)日：2020-05-01
申请号：CN201710439689.1
申请日：2017-06-12
Applicant: 西北工业大学
Abstract: 本发明提出一种基于设计变化矩阵的产品方案设计阶段风险评估方法，该方法结合公理化设计原理，以公理化设计矩阵为基础，通过设计方案之间的对比，找到设计方案之间发生变化的因素，进而构建出用以反映变化的设计变化矩阵，并结合以往设计方案和应用结果，提取出方案设计过程中风险指标，进而分析出设计方案的风险值，完成产品方案设计阶段风险评估。本发明在构建设计变化矩阵的过程中，同时考虑了设计方案之间的变化问题和设计要素的应用反馈，能够较为全面分析出设计方案中存在风险的设计要素，据此所建立的设计变化矩阵为产品方案设计阶段风险管理提供依据。
-
公开(公告)号：CN110472774A
公开(公告)日：2019-11-19
申请号：CN201910657300.X
申请日：2019-07-19
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于LSTM网络的变工况下刀具剩余寿命预测方法，用于解决现有刀具寿命预测方法实时性差的技术问题。技术方案是采用希尔伯特黄变换从过程监测信号中提取出磨损特征，并对多工况因素加工工况场景进行定义，通过长短期记忆网络学习加工中工况场景与刀具磨损特征变化之间的关联关系，预测刀具剩余寿命。由于LSTM模型充分考虑时间序列中工况场景和磨损特征的变化及其累积效应，同时LSTM的模糊性能够在空间上对工况场景和加工磨损特征复杂相关关系进行建模。本发明考虑了变工况场景下工况变化与刀具磨损之间复杂的时空关系，实用性好。与现有技术相比，预测误差达到0.01，样本实例的网络预测准确率达到85％以上。
-
公开(公告)号：CN107315873A
公开(公告)日：2017-11-03
申请号：CN201710488016.5
申请日：2017-06-23
Applicant: 西北工业大学
Abstract: 本发明提出一种面向飞机总体设计方案优选的可拓灰关联投影评价法，该方法将对设计方案的评判问题转换为评价指标空间中各设计方案到理想方案的广义距离计算问题，这在一定程度上简化了设计方案优选的复杂性，同时该方法为解决含有不确定型指标值评价决策问题提供一种思路，以期能够为飞机研制的多方案论证阶段合理优选设计方案提供一定的科学依据。
-
Patent Agency Ranking
公开(公告)号：CN118114396A
公开(公告)日：2024-05-31
申请号：CN202410252362.3
申请日：2024-03-06
Applicant: 西北工业大学
IPC: G06F30/17 , G06F30/23 , G06F30/27 , G06N3/126 , G06N3/0499 , G06N3/096 , G06F111/04 , G06F113/14
Abstract: 本发明提供了一种基于数据驱动的薄壁钢管件数控绕弯工艺参数优化方法，解决了有限元技术仿真所存在的加工精度低、加工可靠性差、加工场景具有多变性和预测模型泛化性能力不足的问题。本发明提出管件弯曲成形质量参数机理预测方法，并通过构建回弹预测模型，准确控制管件弯曲角度，为工艺优化提供参考依据；本发明构建基于增量学习的管件弯曲成形质量参数仿真数据与实际数据融合预测模型更新方法，通过增大隐藏层节点数量，并采用知识蒸馏策略实现增量转化，提高了模型的泛化能力；本发明使用MIV方法对影响成形质量的工艺参数进行了排序，并在此基础上提出了双目标优化方法，以实现壁厚减薄和截面畸变的同步优化。
-
公开(公告)号：CN115422670A
公开(公告)日：2022-12-02
申请号：CN202210950004.0
申请日：2022-08-09
Applicant: 西北工业大学
IPC: G06F30/17 , G06F30/27 , G06F113/24 , G06F119/14
Abstract: 本发明提出一种基于切削力与夹紧力时空学习的薄壁件加工变形预测方法，该方法将实际加工过程中采集到的切削力与夹紧力作为主要外载荷，首先建立切削力与夹紧力的时变关联模型；接着将被加工零件进行几何模型参数化，获得可以表示零件几何结构的参数化矩阵，用来反映零件的弯曲刚度；之后针对变形形成过程中上述外载荷、几何与变形之间的时序与空间关联特征，建立卷积网络与循环神经网络结合的时空学习模型，将切削力、夹紧力、工件几何与变形信息作为数据样本训练该网络，实现加工变形预测。本发明可以用在对切削力与夹紧力敏感的加工变形中，训练完成后变形预测模型可以达到较高的效率，同时适用性较好。
-
公开(公告)号：CN113703395B
公开(公告)日：2022-10-21
申请号：CN202110770039.1
申请日：2021-07-07
Applicant: 西北工业大学
IPC: G05B19/408
Abstract: 为了克服现有方法在解决变工况加工夹紧力预测问题方面的不足，且考虑到铣削加工是常用的加工方式，因此本发明提供一种面向加工变形控制的变工况铣削加工夹紧力预测方法。该方法主要包括三方面内容：针对时变工况数据波动性、非线性、冗余性问题，提出利用缺失值补充、小波阈值降噪、数据标准化三个过程对数据预处理，进而实现数据质量的提升；针对时变工况因素动态耦合问题，提出构建基于卷积神经网络(CNN)的特征提取模型，进而实现从多种动态耦合的时变工况数据中自适应提取时变工况特征；针对时变工况因素变化以及夹紧力变化存在的时序相关性问题，提出基于门控循环单元网络(GRU)的夹紧力预测模型，进而实现变工况加工时夹紧力的准确预测。
-
公开(公告)号：CN110472635B
公开(公告)日：2022-06-21
申请号：CN201910656404.9
申请日：2019-07-19
Applicant: 西北工业大学
IPC: G06V10/44 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于深度学习的刀具特征识别方法，用于解决现有非标专用刀具设计方法实用性差的技术问题。技术方案是从图像视觉入手，挖掘工件加工特征与刀具的二维工程图二者的关联关系，实现刀具设计方案重用。首先基于卷积深度信念网络生成模型，融合二维工程图的结构信息和尺寸信息，对高维刀具图进行特征提取，获取低维的刀具特征向量；然后结合CDBN判别模型和迁移学习，在重用刀具特征提取网络参数的基础上，挖掘加工特征与刀具特征向量的关联关系；最后通过基于Sofmax的刀具分类和基于夹角余弦法的相似性匹配两个步骤，实现刀具特征向量到历史刀具设计方案的映射，实用性好。
-
公开(公告)号：CN114089690A
公开(公告)日：2022-02-25
申请号：CN202111238575.3
申请日：2021-10-25
Applicant: 西北工业大学
IPC: G05B19/4065
Abstract: 本发明公开了一种用于车间监控的边缘计算设备与方法，包括供电模块、数据传输模块、数据处理模块、数据分析模块和数据存储模块；供电模块为边缘计算设备运行提供能源支撑；数据传输模块用于将采集的高端数控机床运行数据及辅助设备数据传入边缘计算设备，并将计算结果传输到计算机进行显示与云平台进一步处理；数据处理模块用于关联多个产品的采集数据及转换，数据分析模块用于对采集的数据进行实时分析，数据存储模块用于存储加工过程产生的数据。本发明通过边缘计算技术以及加工监控，实现现场处理与远程监控的结合，可有效地提高生产现场的决策能力与自适应能力。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.02 seconds)
