-
公开(公告)号：CN112131796B
公开(公告)日：2022-05-03
申请号：CN202011023865.1
申请日：2020-09-25
申请人： 上海交通大学 , 上海智能制造功能平台有限公司
IPC分类号： G06F30/27 , G06N3/12 , G06F111/08 , G06F119/04
摘要： 本发明公开了一种基于基因表达式编程的硬岩TBM滚刀磨损实时评估方法，该方法构造表征每把滚刀磨损的健康因子，利用基因表达式编程算法建立关键的影响滚刀磨损的现场参数与健康因子之间的映射关系，得到评估滚刀磨损的显式表达式模型；对于待评估的某滚刀，构造特征集输入到训练好的模型中，评估各开挖区间的健康因子并累加得到其健康状态值，如果该值接近1，表明需要更换滚刀。本发明方法能建立高精度的滚刀磨损实时评估显式表达式模型，无需地质信息而仅需要监测若干现场参数便能获取每把滚刀的磨损信息，因而能很方便地部署于实际施工中，保证滚刀在临近磨损极限时被及时更换，减少滚刀检测时间，提高刀具利用率。
-
公开(公告)号：CN113792610A
公开(公告)日：2021-12-14
申请号：CN202110959720.0
申请日：2021-08-20
申请人： 上海智能制造功能平台有限公司 , 上海交通大学
IPC分类号： G06K9/00 , G06K9/62 , G06F30/17 , G06F30/27 , G06F111/08
摘要： 本发明公开了一种谐波减速器健康评估方法及装置，其中健康评估方法包括：采集谐波减速器的转速和扭矩数据；提取转速和扭矩数据的时域特征，并将时域特征转化为高维特征矢量；利用降维算法将高维特征矢量转化为低维特征；将低维特征通过马氏距离度量得到距离集；将距离集转化为健康指标；将健康指标与健康阈值对比，高于健康阈值为健康。本发明提出一种基于数据驱动的方法，采集实际运行过程中的信号，方便快速地分析健康性能，缓解了基于模型方法依赖较多物理假设的技术问题。
-
公开(公告)号：CN113221458A
公开(公告)日：2021-08-06
申请号：CN202110534801.6
申请日：2021-05-17
申请人： 上海交通大学 , 上海智能制造功能平台有限公司
摘要： 本发明提供了一种盾构刀盘扭矩多步预测方法和系统，包括：采集刀盘扭矩信号并预处理为刀盘扭矩序列；利用VMD分解法将刀盘扭矩序列分解为多个子序列和残差序列，通过EWT分解法对残差序列进行进一步分解；对扭矩子序列进行归一化并输送至LSTM神经网络；构建盾构刀盘扭矩神经网络多步预测模型并进行训练；对预设未来时刻的刀盘扭矩数值进行预测；根据预设未来时刻的刀盘扭矩数值分别计算均方根误差、平均绝对误差和平均绝对百分误差，测试刀盘扭矩的预测精度。本发明实现了高精度的刀盘扭矩实时多步预测，有助于指导司机提前调整盾构机的操作参数，实现盾构机的高效安全推进，从而提升盾构机的自动化和智能化水平。
-
公开(公告)号：CN113006828A
公开(公告)日：2021-06-22
申请号：CN202110217867.2
申请日：2021-02-26
申请人： 上海交通大学 , 上海智能制造功能平台有限公司
摘要： 本发明提供了一种带自锁功能的拱架连接结构及安装方法，包括第一拱形结构体以及第二拱形结构体，所述第一拱形结构体、第二拱形结构体上分别设置有第一连接端、第二连接端，所述第一连接端、第二连接端上分别设置有连接件、阻挡件，所述第一连接端能够可转动的安装在第二连接端上并能够在相对于第二连接端转动时带动连接件从打开状态运动至锁定状态，其中，在锁定状态时，所述阻挡件阻挡连接件的运动并能够使第一拱形结构体和第二拱形结构体连接形成拱形，本发明能够实现TBM隧道初期支护拱架的快速拼装和拆卸，避免人工使用螺栓对接的操作，大大提高了工作效率和安全系数，并具有锁紧功能和较高抗载荷能力。
-
公开(公告)号：CN113513331A
公开(公告)日：2021-10-19
申请号：CN202110407464.4
申请日：2021-04-15
申请人： 上海交通大学 , 上海智能制造功能平台有限公司
摘要： 本发明提供了一种基于盾构机运行参数的掘进掌子面岩土类型识别方法、系统及介质，包括：筛选盾构机运行参数，构造高维盾构机运行参数集；利用LTSA数据降维算法从高维运行参数集中提取内蕴低维特征，作为掘进掌子面地质特征表征向量；构造基于Xgboost的识别模型，建立地质特征向量与掌子面岩土类型之间的映射关系，通过盾构机运行参数中提取的地质特征表征向量准确识别当前掌子面岩土类型。本发明只需利用土压平衡盾构机盾构机自带的状态监测系统获取的海量现场参数便可以实时识别掘进时掌子面的岩土类型，减少了盾构机停机进行地质勘探的时间，加快了施工进度，降低了施工成本。
-
公开(公告)号：CN112131796A
公开(公告)日：2020-12-25
申请号：CN202011023865.1
申请日：2020-09-25
申请人： 上海交通大学 , 上海智能制造功能平台有限公司
IPC分类号： G06F30/27 , G06N3/12 , G06F111/08 , G06F119/04
摘要： 本发明公开了一种基于基因表达式编程的硬岩TBM滚刀磨损实时评估方法，该方法构造表征每把滚刀磨损的健康因子，利用基因表达式编程算法建立关键的影响滚刀磨损的现场参数与健康因子之间的映射关系，得到评估滚刀磨损的显式表达式模型；对于待评估的某滚刀，构造特征集输入到训练好的模型中，评估各开挖区间的健康因子并累加得到其健康状态值，如果该值接近1，表明需要更换滚刀。本发明方法能建立高精度的滚刀磨损实时评估显式表达式模型，无需地质信息而仅需要监测若干现场参数便能获取每把滚刀的磨损信息，因而能很方便地部署于实际施工中，保证滚刀在临近磨损极限时被及时更换，减少滚刀检测时间，提高刀具利用率。
-
公开(公告)号：CN113297704A
公开(公告)日：2021-08-24
申请号：CN202110672801.2
申请日：2021-06-17
申请人： 上海交通大学 , 上海智能制造功能平台有限公司
摘要： 本发明提供了一种基于混合深度神经网络的谐波减速器功率实时预测方法及系统，包括：搭建谐波减速器加速寿命试验平台，采集谐波减速器的运行及监测参数；基于采集到的运行及监测参数构造数据集，并对数据集进行预处理；将预处理后的数据集按照预设比例划分为训练集、验证集和测试集；利用训练集训练混合深度神经网络，得到训练后的混合深度神经网络；利用训练后的混合深度神经网络预测验证集的功率信号，计算验证集数据的预测误差，当预测误差未满足预设要求时，调整训练后的混合深度神经网络的超参数，直至预测误差满足预设要求；将对应测试集数据输入调整后训练好的混合深度神经网络，对下一时刻功率信号进行预测。
-
公开(公告)号：CN113792610B
公开(公告)日：2024-05-31
申请号：CN202110959720.0
申请日：2021-08-20
申请人： 上海智能制造功能平台有限公司 , 上海交通大学
IPC分类号： G06F18/213 , G06F18/24 , G06F30/17 , G06F30/27 , G06F111/08
摘要： 本发明公开了一种谐波减速器健康评估方法及装置，其中健康评估方法包括：采集谐波减速器的转速和扭矩数据；提取转速和扭矩数据的时域特征，并将时域特征转化为高维特征矢量；利用降维算法将高维特征矢量转化为低维特征；将低维特征通过马氏距离度量得到距离集；将距离集转化为健康指标；将健康指标与健康阈值对比，高于健康阈值为健康。本发明提出一种基于数据驱动的方法，采集实际运行过程中的信号，方便快速地分析健康性能，缓解了基于模型方法依赖较多物理假设的技术问题。
-
公开(公告)号：CN113221458B
公开(公告)日：2023-04-07
申请号：CN202110534801.6
申请日：2021-05-17
申请人： 上海交通大学 , 上海智能制造功能平台有限公司
IPC分类号： G06F30/27 , G06F30/17 , E21D9/08 , G06N3/0442 , G06N3/08
摘要： 本发明提供了一种盾构刀盘扭矩多步预测方法和系统，包括：采集刀盘扭矩信号并预处理为刀盘扭矩序列；利用VMD分解法将刀盘扭矩序列分解为多个子序列和残差序列，通过EWT分解法对残差序列进行进一步分解；对扭矩子序列进行归一化并输送至LSTM神经网络；构建盾构刀盘扭矩神经网络多步预测模型并进行训练；对预设未来时刻的刀盘扭矩数值进行预测；根据预设未来时刻的刀盘扭矩数值分别计算均方根误差、平均绝对误差和平均绝对百分误差，测试刀盘扭矩的预测精度。本发明实现了高精度的刀盘扭矩实时多步预测，有助于指导司机提前调整盾构机的操作参数，实现盾构机的高效安全推进，从而提升盾构机的自动化和智能化水平。
-
公开(公告)号：CN115870568A
公开(公告)日：2023-03-31
申请号：CN202211605090.8
申请日：2022-12-14
申请人： 上海智能制造功能平台有限公司
摘要： 本发明公开了一种基于PSoC的电火花加工放电状态识别系统及方法，属于电火花机床的伺服控制技术领域，本发明首先通过比较电路对采集的电火花放电加工间隙的电压和电流信号与参考电压比较，获取电压信号和电流信号的阈值比较结果；然后基于可编程化系统单芯片(PSoC)设计了电路，对阈值比较结果进行滤波和进一步抓取波形，对加工过程中放电脉冲的状态精准识别和计数，为机床伺服控制提供参数，进而降低加工过程中的速度波动、提升加工效率。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.082 秒)
