基于双模型融合的盾构施工地面沉降量预测方法

    公开(公告)号:CN108985340B

    公开(公告)日:2021-06-01

    申请号:CN201810650131.2

    申请日:2018-06-22

    摘要: 本发明公开了一种基于大数据分析的盾构施工地面沉降预测方法,主要解决现有技术在盾构施工大数据场景下,地面沉降进行预测精度不高的问题,预测方法步骤包括:数据预处理;获取影响地面沉降的参数数据;建立沉降预测模型;对预测模型的参数进行优化;利用最优参数重新训练模型;模型融合;获取实时地面沉降量数据。本发明整个方案设计严谨、完整,地面沉降量预测的效率和准确性高,用于地铁施工地面沉降预测,保障工程质量和安全。

    贮箱质量评估方法、系统、存储介质、计算机设备及应用

    公开(公告)号:CN112446597A

    公开(公告)日:2021-03-05

    申请号:CN202011272825.0

    申请日:2020-11-14

    IPC分类号: G06Q10/06

    摘要: 本发明属于自动化控制技术领域,公开了一种贮箱质量评估方法、系统、存储介质、计算机设备及应用,获取贮箱生产过程数据集:根据生产流程,对贮箱采集的装配与检测过程中各数据进行采集,得到贮箱原始数据集;判断贮箱原始数据集中数据类型,根据数据类型不同,将数据分为时序数据部分和宽表数据部分;全生产周期数据的数据预处理与特征重构;特征权重提取:输入数据,基于树模型和经验知识,进行特征重要度分析,得到特征重要度;对重要度值使用softmax函数进行输出,得到融合特征权重;对贮箱进行质量评估。本发明对聚类中心使用加权最小二乘,得出类别标签,保证特征在数据聚类与评级中具有不同的影响程度,给出了更为精准的贮箱质量评估模型。

    加速试验剖面优化方法、系统、机电产品、介质及终端

    公开(公告)号:CN112446139A

    公开(公告)日:2021-03-05

    申请号:CN202011226283.3

    申请日:2020-11-05

    摘要: 本发明属于可靠性试验技术领域,公开了一种加速试验剖面优化方法、系统、机电产品、介质及终端,根据机电产品的失效分布和加速模型构建累积失效模型;采用蒙特卡洛方法模拟失效数据;采用极大似然法估计模型参数;将产品在正常应力水平下的寿命估计值的渐进方差最小化作为优化准则。本发明基于三参数指数‑威布尔分布,使用温度作为机电产品的加速试验应力,采用步进形式作为机电产品的加速试验应力加载方式,以产品在正常应力水平下的寿命估计值的渐进方差最小化为优化准则,解决机电产品在加速寿命试验过程中出现的试验时间长和寿命估计精度低的问题。

    基于并行特征学习和多分类器的滚动轴承故障诊断方法

    公开(公告)号:CN110110768B

    公开(公告)日:2021-02-26

    申请号:CN201910331462.4

    申请日:2019-04-24

    IPC分类号: G06K9/62

    摘要: 本发明提出了一种基于多分类器集成和并行特征学习的滚动轴承智能故障诊断方法,旨在提高模型的分类精度,实现步骤为:获取训练样本集和测试样本集;建立多个堆栈自编码器模型,以训练样本集为输入对堆栈式自编码器模型进行并行训练,提取训练样本集的多个特征;基于softmax模型对提取的特征进行特征评价,根据相应的阈值和评价指标值筛选特征构成特征子集;根据特征子集建立基于softmax模型的多个分类器,以特征子集为输入获取每个分类器的分类精度,根据阈值重新选择多个分类器构造集成多分类器模型,通过多数投票法获得集成多分类器模型预测标签,将预测标签与滚动轴承故障类型进行映射,实现滚动轴承的智能故障诊断。

    基于CLARA聚类的制造加工设备群能效状态评价方法

    公开(公告)号:CN112329868A

    公开(公告)日:2021-02-05

    申请号:CN202011246905.9

    申请日:2020-11-10

    IPC分类号: G06K9/62 G06F17/16 G06Q10/06

    摘要: 本发明提出了一种基于CLARA聚类的制造加工设备群能效状态评价方法,用以解决现有技术中存在的评价可靠性较差的技术问题,实现步骤为:获取设备群的能效状态训练数据集和能效状态验证数据集;对能效状态训练数据集和能效状态验证数据集进行预处理;对CLARA聚类算法进行优化;获取设备群在指定时间区间内的能效状态评价结果。本发明通过采集、构造设备群中设备的相关运行参数,通过网格搜索法寻找CLARA聚类算法的最优中心点个数和最优选样次数,通过优化后的CLARA聚类算法对能效状态验证数据集进行聚类处理,具有评价可靠性高和评价成本低的特点,可用于工厂设备的运行状态检测。

    基于大数据的液晶显示器响应时间预测方法

    公开(公告)号:CN108873401B

    公开(公告)日:2020-10-09

    申请号:CN201810650117.2

    申请日:2018-06-22

    IPC分类号: G02F1/13

    摘要: 本发明公开了一种基于大数据的液晶显示器响应时间预测方法,解决了现有技术中预测精度较低的技术问题,实现步骤为:获取液晶显示器生产过程数据集I1;判断数据集I1中是否存在缺失的特征数据;对I1中缺失的特征数据进行填充;提取完整的特征数据集中的关键特征数据;构建液晶显示器响应时间预测模型;对液晶显示器响应时间进行预测。本发明根据生产过程中液晶显示器每道工序所使用设备的参数数据及其对应的特征数据缺失列的离散性,对特征数据缺失列进行填充,避免了缺失值填充后的数据对预测模型的干扰,进一步提高了液晶显示器预测模型的预测精度,可用于液晶显示器响应时间的预测。

    一种适用沙漠地区电子装备综合环境试验仿真系统及方法

    公开(公告)号:CN107291992B

    公开(公告)日:2020-04-07

    申请号:CN201710379084.8

    申请日:2017-05-25

    IPC分类号: G06F30/20 G06F8/30

    摘要: 本发明提出了一种适用沙漠地区电子装备综合环境试验仿真系统及方法,旨在实现对电子装备进行环境试验仿真,并提高仿真效率。系统包括前处理模块、网格模型建模模块、生成仿真计算文件模块、仿真计算及后处理模块和文件管理库模块,该五个模块及仿真所涉及的软件均集成在该系统中;方法为:构建电子装备几何模型,同时编写不同环境的参数化求解程序和不同环境不同形式的参数化日志文件;对电子装备几何模型进行流场网格划分;生成仿真计算日志文件和仿真计算自定义函数UDF文件;读取仿真计算日志文件和仿真计算自定义UDF函数对流场网格划分模型进行自动驱动仿真计算并输出结果云图。

    一种考虑轴向变形的斜齿圆柱齿轮时变啮合刚度计算方法

    公开(公告)号:CN107798200B

    公开(公告)日:2019-12-24

    申请号:CN201711101909.6

    申请日:2017-11-10

    IPC分类号: G06F17/50

    摘要: 本发明提出了一种考虑轴向变形的斜齿圆柱齿轮时变啮合刚度计算方法,旨在提高斜齿圆柱齿轮啮合刚度的计算精度。实现步骤为:计算斜齿圆柱齿轮的端面弯曲刚度、端面剪切刚度、径向压缩刚度和端面齿基刚度;计算接触刚度;计算单齿对的端面啮合刚度;推导并计算轴向弯曲刚度、轴向剪切刚度和轴向齿基刚度;计算单齿对啮合刚度;计算时变啮合刚度。本发明考虑了轴向啮合力对斜齿圆柱齿轮时变啮合刚度的影响,推导了斜齿圆柱齿轮轴向弯曲刚度,轴向剪切刚度和轴向齿基刚度定量计算的计算表达式,并结合端面方向的各刚度共同计算了斜齿圆柱齿轮的时变啮合刚度,提高了计算精度,可用于斜齿圆柱齿轮的动态性能分析及优化设计。

    基于集成深度自编码器的旋转机械智能故障诊断方法

    公开(公告)号:CN110334764A

    公开(公告)日:2019-10-15

    申请号:CN201910600138.8

    申请日:2019-07-04

    IPC分类号: G06K9/62 G01M99/00

    摘要: 本发明提出了一种基于深度自动编码器的旋转机械故障诊断方法,旨在提高旋转机械的故障诊断精度,实现步骤为:首先采集旋转机械振动加速度时域信号,获取训练数据集和测试数据集;其次,对每个激活函数,使用K折交叉验证方法,通过不同的训练集训练一系列的深度自编码器;然后,通过验证集验证训练后的深度自编码器,获得每个故障标签的精度;再次,采用网格搜索方法寻找最优选择参数,通过最优选择参数对深度自编码器进行筛选,构建集成深度自编码器模型;最终,得到对输入样本的预测标签,将预测标签映射回旋转机械的故障类型,实现对旋转机械的故障诊断。

    基于并行特征学习和多分类器的滚动轴承故障诊断方法

    公开(公告)号:CN110110768A

    公开(公告)日:2019-08-09

    申请号:CN201910331462.4

    申请日:2019-04-24

    IPC分类号: G06K9/62

    摘要: 本发明提出了一种基于多分类器集成和并行特征学习的滚动轴承智能故障诊断方法,旨在提高模型的分类精度,实现步骤为:获取训练样本集和测试样本集;建立多个堆栈自编码器模型,以训练样本集为输入对堆栈式自编码器模型进行并行训练,提取训练样本集的多个特征;基于softmax模型对提取的特征进行特征评价,根据相应的阈值和评价指标值筛选特征构成特征子集;根据特征子集建立基于softmax模型的多个分类器,以特征子集为输入获取每个分类器的分类精度,根据阈值重新选择多个分类器构造集成多分类器模型,通过多数投票法获得集成多分类器模型预测标签,将预测标签与滚动轴承故障类型进行映射,实现滚动轴承的智能故障诊断。