-
公开(公告)号：CN114218186B
公开(公告)日：2024-08-16
申请号：CN202111339376.1
申请日：2021-11-12
申请人： 南京航空航天大学 , 北京星航机电装备有限公司
IPC分类号： G06F16/21 , G06F16/2458 , G06F18/2135 , G05B17/02
摘要： 本发明公开了一种数字孪生车间模型准确性验证方法，包括以下步骤：S1，构建用于描述连续变化的要素对象基础数据的数字孪生车间张量模型；S2，选择合适的阶，对步骤S1中的张量模型进行融合，形成统一张量融合模型；S3，选择关联因素，根据张量融合模型构建整个车间生产过程所有变量集合的时空数据模型；S4，采用模糊层次分析法，对虚拟车间模型进行显性特征验证；S5，对虚拟车间模型进行隐形特征验证；S6,当显性特征验证和隐性特征验证均通过时，则判定所验证的车间为数字孪生车间。本发明利用海量制造数据中蕴含的信息，只需通过提取主要特征，获得虚拟车间模型构建精度，方法简单，提升了计算效率，满足在线分析的需求。
-
公开(公告)号：CN114218186A
公开(公告)日：2022-03-22
申请号：CN202111339376.1
申请日：2021-11-12
申请人： 南京航空航天大学 , 北京星航机电装备有限公司
IPC分类号： G06F16/21 , G06F16/2458 , G06K9/62 , G05B17/02
摘要： 本发明公开了一种数字孪生车间模型准确性验证方法，包括以下步骤：S1，构建用于描述连续变化的要素对象基础数据的数字孪生车间张量模型；S2，选择合适的阶，对步骤S1中的张量模型进行融合，形成统一张量融合模型；S3，选择关联因素，根据张量融合模型构建整个车间生产过程所有变量集合的时空数据模型；S4，采用模糊层次分析法，对虚拟车间模型进行显性特征验证；S5，对虚拟车间模型进行隐形特征验证；S6,当显性特征验证和隐性特征验证均通过时，则判定所验证的车间为数字孪生车间。本发明利用海量制造数据中蕴含的信息，只需通过提取主要特征，获得虚拟车间模型构建精度，方法简单，提升了计算效率，满足在线分析的需求。
-
公开(公告)号：CN118261443A
公开(公告)日：2024-06-28
申请号：CN202410420086.7
申请日：2024-04-09
申请人： 南京航空航天大学
IPC分类号： G06Q10/0637 , G06Q10/0639 , G06F18/2411 , G06N20/10 , G06Q50/04
摘要： 本发明公开了一种分析离散制造车间生产性能异常原因的方法，包括如下步骤：(1)根据离散制造车间参数和条件，构建数字孪生车间生成计划指标与预测数据，构建生产性能数据集；(2)基于Shapley值法筛选重要特征，基于数字孪生数据生成方法扩充不平衡样本数据集；(3)训练与优化车间级、单元级分类模型；(4)获得正常与异常生产性能类型对应的特征的Shapley值；(5)将获得的Shapley值进行作差并取绝对值，则前后变化超过设定阈值的特征对应的实际因素即为造成生产性能异常的原因。本发明能够保证孪生模型应用中的稳定性，提高孪生模型的可解释性，提升数字孪生车间应用效果，提升制造水平，重塑竞争优势。
-
公开(公告)号：CN114398049B
公开(公告)日：2024-10-18
申请号：CN202111438858.2
申请日：2021-11-29
申请人： 南京航空航天大学
IPC分类号： G06F8/65
摘要： 本发明公开了一种离散制造车间数字孪生模型自适应动态更新方法，首先采集虚拟车间和实际车间的数据并选取特征数据集，分别计算性能指标的真实值和模型预测的理论值精度误差，然后基于Mann‑Kendall的精度误差趋势分析方法，以此作为孪生模型动态修正的触发条件；然后，选择DNN和LSTM作为基学习器，采用集成学习的方法，进行不断的迭代训练，分别从数据重要性和性能重要性两个角度，改进基学习器的权重更新方式，形成基于Adaboost‑DNN‑LSTM孪生模型动态修正算法，并采用差额基学习器优选方法，完成孪生模型动态修正。本发明提供的数字孪生模型自适应动态更新方法为离散制造系统数字孪生的精确应用，提供了模型更新方法，对车间生产管控智能化水平的提升具有重要的价值。
-
公开(公告)号：CN114332675B
公开(公告)日：2024-10-15
申请号：CN202111443127.7
申请日：2021-11-30
申请人： 南京航空航天大学
IPC分类号： G06V20/40 , G06V40/20 , G06V10/25 , G06V10/764
摘要： 一种面向增强现实辅助装配的零件拾取感知方法，包括图像离线训练模块、感兴趣区域获取模块、拾取状态识别模块、装配信息推送模块。图像离线训练模块对手势区域与装配零件的图像进行目标检测训练，并将手势对装配零件的交互状态图像进行分类训练；感兴趣区域获取模块检测现场采集图像，获取装配零件的位置、类别信息，以及手势与零件交互的感兴趣区域；拾取状态识别模块对装配现场环境采集到的视频流进行逐帧识别并进行连续帧分析；装配信息推送模块将当前的拾取状态，推送当前工序的装配辅助信息。本发明实现了装配零件以及装配工人手势区域的获取，对工人与装配零件的交互状态进行了跟踪，从而对装配信息进行智能推送，提高装配效率。
-
公开(公告)号：CN114332675A
公开(公告)日：2022-04-12
申请号：CN202111443127.7
申请日：2021-11-30
申请人： 南京航空航天大学
IPC分类号： G06V20/40 , G06K9/62 , G06V40/20 , G06V10/25 , G06V10/764
摘要： 一种面向增强现实辅助装配的零件拾取感知方法，包括图像离线训练模块、感兴趣区域获取模块、拾取状态识别模块、装配信息推送模块。图像离线训练模块对手势区域与装配零件的图像进行目标检测训练，并将手势对装配零件的交互状态图像进行分类训练；感兴趣区域获取模块检测现场采集图像，获取装配零件的位置、类别信息，以及手势与零件交互的感兴趣区域；拾取状态识别模块对装配现场环境采集到的视频流进行逐帧识别并进行连续帧分析；装配信息推送模块将当前的拾取状态，推送当前工序的装配辅助信息。本发明实现了装配零件以及装配工人手势区域的获取，对工人与装配零件的交互状态进行了跟踪，从而对装配信息进行智能推送，提高装配效率。
-
公开(公告)号：CN114398049A
公开(公告)日：2022-04-26
申请号：CN202111438858.2
申请日：2021-11-29
申请人： 南京航空航天大学
IPC分类号： G06F8/65
摘要： 本发明公开了一种离散制造车间数字孪生模型自适应动态更新方法，首先采集虚拟车间和实际车间的数据并选取特征数据集，分别计算性能指标的真实值和模型预测的理论值精度误差，然后基于Mann‑Kendall的精度误差趋势分析方法，以此作为孪生模型动态修正的触发条件；然后，选择DNN和LSTM作为基学习器，采用集成学习的方法，进行不断的迭代训练，分别从数据重要性和性能重要性两个角度，改进基学习器的权重更新方式，形成基于Adaboost‑DNN‑LSTM孪生模型动态修正算法，并采用差额基学习器优选方法，完成孪生模型动态修正。本发明提供的数字孪生模型自适应动态更新方法为离散制造系统数字孪生的精确应用，提供了模型更新方法，对车间生产管控智能化水平的提升具有重要的价值。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.057 秒)
