-
公开(公告)号：CN114239909A
公开(公告)日：2022-03-25
申请号：CN202111339047.7
申请日：2021-11-12
申请人： 合肥工业大学
摘要： 本发明提供了一种金融服务约束下多主体协同制造任务分配系统和方法，涉及多主体协同制造任务分配技术领域。本发明考虑金融服务约束下的订单从产生到交付整个过程中涉及到的主要环节，对这些环节中的制造任务和制造服务进行分析和建模，构建制造任务与制造服务匹配模型。并通过对制造任务与制造服务匹配模型进行求解，得到对这些服务与其对应的任务进行一对一匹配的组合优化，达到了综合统筹优化资源配置的目的，降低了总成本，使得服务资源得到了合理的分配，降低了资源闲置或资源紧缺的现象，提高了整体的效率。
-
公开(公告)号：CN108805302B
公开(公告)日：2020-07-17
申请号：CN201810614941.2
申请日：2018-06-14
申请人： 合肥工业大学
IPC分类号： G06F11/28
摘要： 本发明公开了一种制造设备预测性维护方法及系统。所述维护方法包括：首先，根据设备生产的产品的合格率，划分设备健康等级；根据所述设备健康等级，建立设备状态模型和预维修策略模型；根据所述设备状态模型和所述预维修策略模型，建立状态转移模型；然后，根据所述状态转移模型，采用强化学习的方法确定每种设备状态对应的预维修策略，获得设备状态与预维修策略的对应表；最后，根据所述当前设备状态和所述对应表，确定当前设备状态对应的预维修策略；并根据当前设备状态对应的预维修策略对设备进行预测性维护，实现了在当前设备健康状态下对设备进行预测性维护操作。
-
公开(公告)号：CN108171976B
公开(公告)日：2020-07-07
申请号：CN201711481037.0
申请日：2017-12-29
申请人： 合肥工业大学
摘要： 本发明提供一种基于在途数据的车辆用途识别方法，涉及运动轨迹研究计算领域，包括如下步骤：S1、每个车辆每天的行驶轨迹描述；S2、针对每个车辆每天的行驶轨迹，进行时间序列聚类，并根据聚类结果找出该车辆的主要行驶轨迹：S3、计算每个车辆在不同轨迹类中的数量占自身所有轨迹的比重，依次从大到小累加排序后的比重，将累加值大于且最靠近阈值的轨迹认为是该车辆的主要行驶轨迹；S4、根据主要行驶轨迹定义车辆用途。本发明以车辆每日行驶规律为中间变量进行聚类，结合统计知识分析车辆主要行驶规律，从时间、地理位置、里程三个纬度描述车辆运动轨迹相对于现有技术直接对车辆本身进行聚类更能贴切实际用车的真实情况。
-
公开(公告)号：CN107688332B
公开(公告)日：2019-11-05
申请号：CN201710796541.3
申请日：2017-09-06
申请人： 合肥工业大学
IPC分类号： G05B19/418
摘要： 本发明公开了一种基于客户需求的锻压产品生产线配置方法及系统，该方法或者系统基于客户需求获取锻压机的配置参数、锻压机的辅助设备参数以及锻压机的控制设备参数，并根据这些参数配置锻压产品生产线；然后判断配置的锻压产品生产线模拟生产的成型锻压产品质量参数与客户需求的成型锻压产品质量参数之间的误差是否小于设定阈值，若是则配置的锻压装备生产线满足客户需求，并保存客户需求、配置锻压产品生产线的参数；若否则重新获取锻压机的配置参数、锻压机的辅助设备参数以及锻压机的控制设备参数，重新配置锻压产品生产线。本发明提供的方法或者系统能够根据客户需求自动化配置锻压产品生产线，符合实际生产，提高生产效率，减低制造成本。
-
公开(公告)号：CN110032735A
公开(公告)日：2019-07-19
申请号：CN201910218684.5
申请日：2019-03-21
申请人： 合肥工业大学
IPC分类号： G06F17/27
摘要： 本发明提供一种隐含观点情感极性的分析方法，涉及社交网络分析领域。所述隐含观点情感极性的分析方法包括：S1、获取用户的评论数据，所述评论数据包括：评论文本；S2、对所述评论数据进行预处理，将所述评论文本划分为子句；S3、从所述评论数据中提取产品特征；S4、构建领域依赖的情感词典，并基于所述情感词典从所述子句中提取隐含观点子句；S5、从所述隐含观点子句中提取频繁模式，从所述频繁模式中提取特征模式，从所述特征模式中提取特征隐含观点模式并分析所述特征隐含观点模式的情感极性；S6、进行特征级别情感极性分析和评论级别情感极性分析。本发明可以准确分析隐含观点的情感极性。
-
公开(公告)号：CN107718522A
公开(公告)日：2018-02-23
申请号：CN201711146171.5
申请日：2017-11-17
申请人： 合肥工业大学
摘要： 本发明提供一种汽车复合内饰件成型生产线安全总线控制系统，解决车内饰件加工过程的脱模、抓取困难、无法实现自适应识别换模和物料一体化输送等问题，具体涉及汽车内饰件成型生产线控制领域，包括自适应送料工作站、多自由度机器人、自识别快速换模机构、卸料工作站、热成型液压机及冲裁伺服液压机，自适应送料工作站设置在热成型液压机的进料侧，多自由度机器人设置在热成型液压机的出料侧，卸料工作站和冲裁伺服液压机设置在多自由度机器人的两侧；本发明能够独立完成从工件识别、送料定位、热压成型、工件抓取、反向落料接料等5个工艺难点，有效的解决了超轻汽车内饰件加工过程的脱模和抓取困难等难题。
-
公开(公告)号：CN107480715A
公开(公告)日：2017-12-15
申请号：CN201710680573.7
申请日：2017-08-10
申请人： 合肥工业大学
CPC分类号： G06K9/6269 , G06Q10/04
摘要： 本发明公开一种液压成形装备的传动装置故障预测模型的建立方法及系统，所述建立方法包括：获取液压成形装备的传动装置的多组原始运行数据；对所述原始运行数据进行预处理，合成新数据样本；基于迭代-支持向量机组合算法，根据所述新数据样本建立传动装置故障预测模型，用于对传动装置的故障情况进行预测。本发明通过对液压成形装备的传动装置的多组原始运行数据进行预处理，解决了液压成形装备的传动装置的运行数据中的存在异常值、数据维度高、数据样本不均衡的问题；此外，基于迭代-支持向量机组合算法，建立传动装置故障预测模型，比单一运用SVM进行预测的预测准确度高，可以降低液压成形装备的传动装置故障的风险和危害。
-
公开(公告)号：CN107392258A
公开(公告)日：2017-11-24
申请号：CN201710661722.5
申请日：2017-08-04
申请人： 合肥工业大学
CPC分类号： G06K9/6278 , G06Q10/20
摘要： 本发明公开了一种设备故障元件排查方法及系统，通过获取元件状态异常数据和设备故障维修数据，建立故障-元件-传感器贝叶斯信念网络模型，并基于故障-元件-传感器贝叶斯信念网络模型，计算与元件相连的传感器检测到元件异常时元件实际异常的概率；将此概率按照从大到小的顺序依次排列，得到排列后的元件实际异常的概率，并通过排列后的元件实际异常的概率的顺序对应排列元件，则排列在前的元件为优先排查的元件。即采用本发明提供的方法或者系统，能够系统的建立故障、元件以及传感器三者之间的关系式，并根据此关系式能够快速的得到设备故障发生时最有可能出现故障的元件，避免人为主观进行故障排查，提高设备故障元件排查效率。
-
公开(公告)号：CN106779905A
公开(公告)日：2017-05-31
申请号：CN201611031495.X
申请日：2016-11-18
申请人： 合肥工业大学
IPC分类号： G06Q30/06
CPC分类号： G06Q30/0631
摘要： 本发明实施例公开了一种基于用户行为推荐电池配置的方法，涉及新能源汽车领域，包括：获取用户驾驶的电动汽车的在途数据，所述在途数据包括在途电池模块信息、充电行为信息和驾驶行为信息其中一个或多个；对所述在途电池模块信息进行筛选，筛选后得出在途特征子集；对所述特征子集进行因子分析，根据分析结果向用户发送新的电池的设置信息，同时向服务器发送用户行为分布信息。本发明还提供一种基于用户行为推荐电池配置的装置，包括：信息采集模块，信息筛选模块，信息分析模块、信息发送模块。根据本发明实施例，实现了能够对用户的真实行为进行概括与描述，并能根据用户需求满足程度对电动汽车设置提供改进方案。
-
公开(公告)号：CN106515478A
公开(公告)日：2017-03-22
申请号：CN201610956071.8
申请日：2016-10-27
申请人： 合肥工业大学
IPC分类号： B60L11/18
CPC分类号： B60L3/12 , B60L11/1861 , B60L2240/12 , B60L2240/421 , B60L2240/547 , B60L2240/549 , B60L2240/62 , B60L2240/64 , B60L2240/662 , B60L2260/52 , B60L2260/54 , B60L11/1851 , B60L2240/642 , B60L2240/645
摘要： 本发明涉及一种电动汽车剩余行驶里程在线预测方法及装置。所述方法包括：获取正在行驶的电动汽车的在途数据和行驶环境数据；利用所述在途数据和所述行驶环境数据结合电量消耗速度数据模型计算所述电动汽车当前情况下的单位里程电量消耗；根据所述单位里程电量消耗预测所述电动汽车的剩余行驶里程。本发明提供的装置基于上文的方法实现。本发明的预设结果更准确，避免出现超过用户预期的行驶里程就电力耗尽导致无法继续行驶的问题，进而提高用户的驾车体验。
-
-
-
-
-
-
-
-
-
搜索结果
62 条记录 (耗时 0.033 秒)
