基于深度学习回归算法的数控机床刀具磨损值预测方法

    公开(公告)号:CN111126255A

    公开(公告)日:2020-05-08

    申请号:CN201911335398.3

    申请日:2019-12-23

    Abstract: 本发明属于数控机床刀具状态监测相关技术领域,其公开了一种基于深度学习回归算法的数控机床刀具磨损值预测方法,方法包括以下步骤:(1)采集数控机床进行切削加工时的三向振动信号;(2)将振动信号分别输入到堆栈式稀疏自动编码器网络进行训练,并将每次训练得到的最后一个编码矢量作为自适应提取得到的特征输出;(3)将特征输入到非线性回归函数中;(4)将得到的刀具磨损的预测值与实际值进行求差,进而对所述堆栈式稀疏自动编码器网络进行微调,判断迭代次数是否达到阈值,若未达到,则转至步骤(2);否则,训练完成,由此得到深度学习回归算法模型,进而对数控机床刀具磨损值进行实时预测。本发明提高了实时性及预测精度。

    基于引入自动记忆机制对抗自编码器的异常区域检测方法

    公开(公告)号:CN110992354A

    公开(公告)日:2020-04-10

    申请号:CN201911286021.3

    申请日:2019-12-13

    Abstract: 本发明属于图像处理技术领域,并具体公开了一种基于引入自动记忆机制对抗自编码器的异常区域检测方法。包括:在工业现场图像划分的训练集和测试集中,训练集仅包含OK样本,测试集包含OK和NG样本;设计具备自动记忆机制的对抗自编码器模型;使用训练集训练,测试集评价,得到最优模型;构建训练集样本异常值的统计模型,得出判别OK/NG的判别阈值。将待检测样本输入已训练网络模型,生成器重构得到重构图,获取异常值,若小于判别阈值判定为OK,否则判定为NG,将输入图与重构图输入比较模块得到异常区域位置。本发明仅使用OK样本作为训练集,能够判别OK/NG,定位异常区域位置,并且NG样本召回率较高,检测速度较快。

    基于区块链的跨通道数据分享模型、分享方法和装置

    公开(公告)号:CN110266817A

    公开(公告)日:2019-09-20

    申请号:CN201910637066.4

    申请日:2019-07-15

    Abstract: 本发明提供了一种基于区块链的跨通道数据分享模型,包括:第一子网,用于接收请求数据信息,并将请求数据信息通过第一联络通道进行发送;服务中心,用于接收并转发请求数据信息;第二子网,用于通过第二联络通道接收请求数据信息,并从服务中心的中继链账本中解析子网和联络通道参数信息,读取数据编号对应的目标编号数据,并写入第二联络通道,以使服务中心通过中继链读取第二联络通道的目标编号数据,并加密上传到第一子网的第一联络通道,以使第一子网读取目标编号数据;其中,第一子网、第二子网为预先加入服务中心的任意子网。在保障数据安全的前提下,解决了区块链子网之间的信息传输问题。

    一种用于工业大数据处理的训练样本生成方法

    公开(公告)号:CN109583474A

    公开(公告)日:2019-04-05

    申请号:CN201811297153.1

    申请日:2018-11-01

    Abstract: 本发明属于图像处理领域,并具体公开了一种用于工业大数据处理的训练样本生成方法,包括:构建各类工业图像数据集,并根据各类工业图像数据集中的数据量划分出大样本数据集与小样本数据集;构建工业图像生成对抗网络及优化目标函数,基于优化目标函数对工业图像生成对抗网络进行迭代训练获得小样本生成参数模型;将大样本数据集中的大样本图像输入训练获得的小样本生成参数模型中以生成小样本图像,以此完成训练样本的生成。本发明无需对工业图像进行复杂的数字图像处理操作,也无需对原始工业图像进行各种变换,可以避免过多的人工干预,减少操作人员专业素养造成的工业图像生成的误差。

    一种基于可移动计算机的产品装配工艺增强现实指导方法

    公开(公告)号:CN109189213A

    公开(公告)日:2019-01-11

    申请号:CN201810930954.0

    申请日:2018-08-15

    Abstract: 本发明属于产品装配相关技术领域,其公开了一种基于可移动计算机的产品装配工艺增强现实指导方法,该方法包括以下步骤:(1)提供可移动的计算机及装配工艺增强指导系统,并将两者进行通讯连接;(2)将待装配工件的装配工艺文件输入到该装配工艺增强指导系统,并控制该计算机内置的摄像头拍摄工件装配的实时视频图像,同时将拍摄到的该实时视频图像传输给该装配工艺增强指导系统;(3)该装配工艺增强指导系统以摄像头坐标系为基准坐标系将工件几何模型投影到视频图像,并使工件几何模型在视频图像中的投影与相应的真实物体影像重合,以完成摄像头与实时空间场景的标定注册。本发明易于实施,灵活性较好,缩短了时间及出错率。

    基于几何误差补偿和测距调整提高车床加工精度的方法

    公开(公告)号:CN106825639B

    公开(公告)日:2018-12-11

    申请号:CN201710207542.X

    申请日:2017-03-31

    Abstract: 本发明公开了基于几何误差补偿和测距调整提高车床加工精度的方法。通过激光干涉仪对导轨运动过程进行测量,得出导轨在Z轴的直线度和X轴的定位误差;由激光位移传感器测量刀具和被加工轴的距离,再通过误差辨识算法来计算真实的平行度误差;通过误差补偿和调整的方法减小各误差项。本方法由误差辨识算法来计算刀具相对工件轴的平行度误差,通过激光位移传感器和激光干涉仪测得的各项误差,并进行误差补偿和调整的方法来提高精度,具有精度高,加工效率高等优点,可用于长轴数控机床加工精度的提高。

    奇异点的识别方法及装置
    48.
    发明公开

    公开(公告)号:CN107871043A

    公开(公告)日:2018-04-03

    申请号:CN201711092049.4

    申请日:2017-11-08

    CPC classification number: G06F17/5018

    Abstract: 本发明涉及一种奇异点的识别方法及装置,其中,奇异点的识别方法,包括以下步骤:选取包含待处理目标点的预设方向网格线、各待观察三角面元;获取垂直于预设方向网格线的各坐标轴方向网格线,得到预设方向网格线分别与各坐标轴方向网格线构成的各辅助平面;获取辅助平面与待观察三角面元相交线,当位于同一个辅助平面内的相交线落在预设方向网格线的同一侧时,确认待处理目标点为奇异点。本发明能更有效的识别奇异点,将待处理交点中的奇异点准确识别得到正确的交点信息。不需要重新平移网格线来获取新的交点,实现了不同复杂结构中的奇异点的统一描述,更具有通用性,提高了网格剖分的准确性。

    一种基于卷积神经网络的芯片缺陷识别方法

    公开(公告)号:CN107563999A

    公开(公告)日:2018-01-09

    申请号:CN201710789301.0

    申请日:2017-09-05

    Abstract: 本发明属于图像处理领域,并具体公开了一种基于卷积神经网络的芯片缺陷识别方法,其包括如下步骤:按预设的分类类别采集各类别芯片图像,并进行大小归一化处理以构建数据集;构建包括输入层、卷积层、降采集层、全连接层和输出层的卷积神经网络初始模型;从构建的数据集中随机提取图像以构建训练集,并将训练集中的图像输入构建的卷积神经网络初始模型中进行训练,获得卷积神经网络最终模型;采集待识别的芯片图像作为输入层直接输入卷积神经网络最终模型中,依次经过卷积层、降采集层和全连接层完成图像的特征提取,并由输出层输出识别结果,以此方式完成芯片缺陷的在线识别。本发明可实现芯片缺陷的快速识别,具有识别精度高、速度快的优点。

    一种数控机床进给系统装配质量的快速判别方法

    公开(公告)号:CN104950811B

    公开(公告)日:2017-10-31

    申请号:CN201510331424.0

    申请日:2015-06-16

    Abstract: 本发明公开了一种数控机床进给系统装配质量的快速判别方法,其基于数控机床内置传感器的信号进行判别,包括如下步骤:确定数控机床进给系统的进给速度和行程范围,利用根据进给速度和行程范围生成的进给G代码控制数控机床进给系统做进给运动,从而获取正常装配条件下进给系统的内置传感器的信号以作为参考样本参数;采用进给G代码控制,使新装配的进给系统做进给运动,并获取该新装配进给系统内置传感器的实时监测信号;通过实时监测信号与参考样本参数进行在线比较,以此实现数控机床进给系统装配质量的快速判别。采用本发明的判别方法对数控机床进给系统装配质量进行判别,具有省时省力,判别简单快速,效率高等优点。

Patent Agency Ranking