一种基于机理模型与多源数据融合的液压泵故障诊断方法

    公开(公告)号:CN116127398A

    公开(公告)日:2023-05-16

    申请号:CN202310372305.4

    申请日:2023-04-10

    IPC分类号: G06F18/2433 G06F18/25

    摘要: 本发明提供一种基于机理模型与多源数据融合的液压泵故障诊断方法,包括如下步骤:获取液压泵的多源数据集,构建液压泵退化机理模型,并构建训练集和测试集;对训练集和测试集的数据样本进行数据预处理以及特征提取和筛选,获取液压泵退化的关键特征集;根据关键特征集构建基于多核的SVC的集成多分类器模型,获取数据模型的诊断结果;将液压泵退化机理模型分别在数据级和决策级与数据模型融合,获取混合模型的故障诊断结果;将混合模型的预测标签与液压泵的故障标签进行映射,实现液压泵的故障诊断。本发明的一个技术效果在于,设计合理,提高液压泵的故障诊断精度,诊断结果更准确,泛化能力更优越。

    针对流程行业的数字主线构建方法及系统

    公开(公告)号:CN115630172A

    公开(公告)日:2023-01-20

    申请号:CN202211663436.X

    申请日:2022-12-23

    IPC分类号: G06F16/36 G06T17/00

    摘要: 本公开实施例涉及数字主线技术领域,提供一种针对流程行业的数字主线构建方法及系统,方法包括:获取流程行业关键设备的三维模型,并基于三维模型,构建关键设备对应的知识图谱;采用预设的数据描述格式,分别对知识图谱以及三维模型对应的实际性能特征数据进行统一描述,并基于统一描述后的实际性能特征数据构建数字主线数据库;将统一描述后的实际性能特征数据与知识图谱进行关联,得到流程行业对应的数字主线。本公开实施例可对流程行业中各关键设备的多阶段过程数据演化模型进行统一管理,为关键设备的智能诊断、智能运维提供权威、可信的数据服务,为流程行业的数字孪生提供支持。

    一种面向流程行业的关键设备数字孪生模型构建方法

    公开(公告)号:CN117094228A

    公开(公告)日:2023-11-21

    申请号:CN202311177462.6

    申请日:2023-09-13

    摘要: 本发明提供一种面向流程行业的关键设备数字孪生模型构建方法,属于数字孪生技术领域,解决了关键设备健康状态难以掌握的问题;包括:获取设备各部件的形状、尺寸和装配关系,构建设备的几何模型;通过设备的二维结构图和设备手册,提取设备性能参数和结构参数,分别构建水力子模型和机械子模型,通过联立两个子模型,构建设备的物理模型;基于历史记录设备退化数据,构建设备的逻辑规则模型;通过融合几何、物理和逻辑规则模型,构建设备的数字孪生模型;将模型封装导出后,设置数据接口,监测设备运行状态;本发明可实现物理设备实体与孪生模型的数据互联和虚实映射,实时监控设备的运行状态,降低巡检频率,减少人力资源的浪费。

    一种基于机理模型与多源数据融合的液压泵故障诊断方法

    公开(公告)号:CN116127398B

    公开(公告)日:2023-06-23

    申请号:CN202310372305.4

    申请日:2023-04-10

    IPC分类号: G06F18/2433 G06F18/25

    摘要: 本发明提供一种基于机理模型与多源数据融合的液压泵故障诊断方法,包括如下步骤:获取液压泵的多源数据集,构建液压泵退化机理模型,并构建训练集和测试集;对训练集和测试集的数据样本进行数据预处理以及特征提取和筛选,获取液压泵退化的关键特征集;根据关键特征集构建基于多核的SVC的集成多分类器模型,获取数据模型的诊断结果;将液压泵退化机理模型分别在数据级和决策级与数据模型融合,获取混合模型的故障诊断结果;将混合模型的预测标签与液压泵的故障标签进行映射,实现液压泵的故障诊断。本发明的一个技术效果在于,设计合理,提高液压泵的故障诊断精度,诊断结果更准确,泛化能力更优越。

    基于分子动力学仿真的缺陷消除方法及装置、设备

    公开(公告)号:CN118155732A

    公开(公告)日:2024-06-07

    申请号:CN202410269920.7

    申请日:2024-03-11

    IPC分类号: G16C10/00 G06N20/00

    摘要: 本公开提供了一种基于分子动力学仿真的缺陷消除方法及装置、设备,涉及晶片加工技术领域,融合大数据技术和机器学习技术。该基于分子动力学仿真的缺陷消除方法包括:可以将待处理晶片的分子结构数据输入到晶片缺陷估计模型中,得到表面缺陷估计位置以及相应的表面缺陷特征参数;根据表面缺陷特征参数确定表面缺陷估计位置处的目标加工参数;通过目标加工参数对相应的表面缺陷估计位置处的区域进行加工处理,得到表面缺陷消除后的待处理晶片。本公开实施例的技术方案能够从根源上对晶片表面缺陷进行消除,提高晶片表面消除的成功率,有效降低晶片的表面损伤,保证加工得到的晶片的质量。

    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:CN112446139B

    公开(公告)日:2024-05-10

    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。

    一种薄壁件铣削加工变形误差预测方法及系统

    公开(公告)号:CN117610442A

    公开(公告)日:2024-02-27

    申请号:CN202311328258.X

    申请日:2023-10-13

    IPC分类号: G06F30/28 G06F30/17 G06F18/25

    摘要: 本发明属于机械加工技术领域,公开了一种薄壁件铣削加工变形误差预测方法及系统,利用多源信息融合的手段,基于Stacking集成学习思想构建薄壁件铣削加工变形误差预测模型,首先采集加工过程中产生的多源数据,其次将多源信息划分为不同数据类型并进行对应的数据处理工作实现多源信息特征融合,构造变形误差建模数据集,随后,将数据集用于训练Stacking集成学习模型第一层的各个元模型,并将元模型的输出纵向拼接形成新的特征集作为第二层元回归模型的输入,最后再次训练元回归模型得到最终的薄壁件铣削加工变形误差预测模型。本发明能够更加全面地反映铣削加工过程的动静态信息,进一步提高模型预测结果的鲁棒性和精度。

    基于工业大数据的SMT锡膏印刷体积预测方法

    公开(公告)号:CN110543616B

    公开(公告)日:2022-12-02

    申请号:CN201910632492.9

    申请日:2019-07-13

    IPC分类号: G06F17/18 G06K9/62 G06N3/04

    摘要: 本发明公开了一种基于工业大数据的SMT锡膏印刷体积预测方法,解决了构造时间序列特征和对模型参数进行寻优的技术问题。实现包括:数据资源准备、选影响锡膏印刷体积的关键因素作特征、构造锡膏体积时间序列作为特征、提取样本数据、数据预处理、选择并优化预测算法、构建SMT焊盘锡膏印刷体积预测模型、训练并评价预测模型。本发明用AGNES算法确定RBF神经网络隐含层神经元个数和隐含层中心点,用PSO算法对AGNES算法和RBF神经网络算法中的关键参数寻优。本发明数据利用充分,数据处理高效,数据分析系统化,提高了印刷过程中的焊盘体积预测准确性,设计的预测模型为质量提供了有效的风险检测手段,用于保障SMT焊盘锡膏印刷质量。