一种基于演进因果模型的检测玻璃洁净度的方法

    公开(公告)号:CN114898166A

    公开(公告)日:2022-08-12

    申请号:CN202210821427.2

    申请日:2022-07-13

    摘要: 本发明涉及玻璃表面洁净度检测技术领域,具体是一种基于演进因果模型的检测玻璃洁净度的方法,步骤如下:S1、对玻璃表面进行拍照识别,获取玻璃图片检测信息,将图片标记分类,并分成训练数据集和测试数据集;S2、应用工具变量I对训练数据集进行采样,将采样的样本数据输入因果模型进行训练,获得因果模型;S3、将测试数据集输入到因果模型中,测试因果模型的检测精度;若检测精度满足要求,则模型训练完成;若检测精度不满足要求,则在因果模型中加入降噪器CI,接着将训练数据集输入到因果模型中训练直至精度满足要求,从而获得演进因果模型,继而模型训练完成;本发明在不观察混杂因子的情况下能够有效准确的检测玻璃表面的洁净度。

    一种基于演进因果模型的检测玻璃洁净度的方法

    公开(公告)号:CN114898166B

    公开(公告)日:2022-09-27

    申请号:CN202210821427.2

    申请日:2022-07-13

    摘要: 本发明涉及玻璃表面洁净度检测技术领域,具体是一种基于演进因果模型的检测玻璃洁净度的方法,步骤如下:S1、对玻璃表面进行拍照识别,获取玻璃图片检测信息,将图片标记分类,并分成训练数据集和测试数据集;S2、应用工具变量I对训练数据集进行采样,将采样的样本数据输入因果模型进行训练,获得因果模型;S3、将测试数据集输入到因果模型中,测试因果模型的检测精度;若检测精度满足要求,则模型训练完成;若检测精度不满足要求,则在因果模型中加入降噪器CI,接着将训练数据集输入到因果模型中训练直至精度满足要求,从而获得演进因果模型,继而模型训练完成;本发明在不观察混杂因子的情况下能够有效准确的检测玻璃表面的洁净度。

    一种基于因果机制的最优工况索引生成方法

    公开(公告)号:CN116028509A

    公开(公告)日:2023-04-28

    申请号:CN202310300650.7

    申请日:2023-03-27

    摘要: 本发明涉及轴承故障评估技术领域,具体是一种基于因果机制的最优工况索引生成方法,包括以下步骤:使用联邦学习法获取故障轴承的训练数据,所述训练数据的类型包括故障轴承的工况,该工况对应的故障类型,以及该工况对应的故障特征值;对训练数据进行拟合训练,构建故障轴承的工况与该工况下产生的故障特征值的拟合公式;建立因果模型,将拟合公式的计算值导入因果模型中,进而得出故障轴承在预定工况下的故障类型;本发明能够形成轴承故障的参数配合表,通过查表的方式,能够快速准确地得出轴承在预定工况下的故障类型。

    一种基于因果机制的最优工况索引生成方法

    公开(公告)号:CN116028509B

    公开(公告)日:2023-06-06

    申请号:CN202310300650.7

    申请日:2023-03-27

    摘要: 本发明涉及轴承故障评估技术领域,具体是一种基于因果机制的最优工况索引生成方法,包括以下步骤:使用联邦学习法获取故障轴承的训练数据,所述训练数据的类型包括故障轴承的工况,该工况对应的故障类型,以及该工况对应的故障特征值;对训练数据进行拟合训练,构建故障轴承的工况与该工况下产生的故障特征值的拟合公式;建立因果模型,将拟合公式的计算值导入因果模型中,进而得出故障轴承在预定工况下的故障类型;本发明能够形成轴承故障的参数配合表,通过查表的方式,能够快速准确地得出轴承在预定工况下的故障类型。