-
公开(公告)号：CN113807014A
公开(公告)日：2021-12-17
申请号：CN202111094421.1
申请日：2021-09-17
申请人： 沈阳工业大学
IPC分类号： G06F30/27 , G06K9/62 , G06N3/00 , G06F111/06
摘要： 本发明涉及一种考虑统计性、经济性的非参数自适应动态EWMA控制图多目标优化设计方法，属于统计过程控制领域。包括如下步骤：构建面向多品种小批量制造过程关键工序非参数自适应动态EWMA控制图；基于马尔卡夫链确定统计性指标、经济性指标计算方法；建立控制图多目标优化设计模型，采用云清晰综合评价方法对目标函数进行线性加权处理；基于改进人工鱼群算法对模型进行求解；以某航天复杂构件制造企业生产制造工艺流程为例，采用优化后控制图进行控制图，验证提出模型与方法有效性与可行性。本发明保证控制效果同时降低控制成本，实现对多品种小批量制造过程质量控制。为多品种小批量生产模式下控制图研究提供借鉴，为其质量控制提供支撑。
-
公开(公告)号：CN113664612A
公开(公告)日：2021-11-19
申请号：CN202110976220.8
申请日：2021-08-24
申请人： 沈阳工业大学
IPC分类号： B23Q17/09
摘要： 本发明涉及一种基于深度卷积神经网络的铣削刀具磨损状态实时监测方法，属于自动化监测识别技术领域。包括如下步骤：采集数控机床铣削工件时所产生的多源异构状态数据及对应的铣削刀具全生命周期磨损数据，预处理以上数据并贴标签；构建深度学习网络，实现刀具磨损量结果的精准回归预测；构建深度卷积神经网络，实现了刀具磨损量临界状态的有效识别；将实时刀具磨损量与对应临界状态阈值比较，及时采取更换刀具或改变参数等措施，实现刀具磨损状态实时监测。本发明具有网络模型输入信号来源完备、刀具磨损临界状态类别划分精细及模型预测准确率高的优点，可实现精准实时监测铣削刀具磨损状态，避免非正常状态刀具铣削加工，保证加工产品质量可控。
-
公开(公告)号：CN112465377A
公开(公告)日：2021-03-09
申请号：CN202011425542.5
申请日：2020-12-09
申请人： 沈阳工业大学
摘要： 本发明涉及一种面向多品种小批量制造过程的关键工序识别与聚类分析方法，包括：S1、多品种小批量质量关键工序识别模型的构建；S2、基于层次聚类分析法对各品种的关键工序进行聚类分析，进而确定分辨率的选择方案，扩大质量特征数据样本量，解决关键工序的质量特征数据不足的问题；S3、以某航天复杂构件制造企业的各品种产品制造工艺流程为例，验证提出模型与方法的有效性与可行性。本发明考虑了关键工序所涉及的关键质量特性与影响因素，对制造过程的工序关键度进行了定量分析与计算，实现对关键工序的识别，并对关键工序进行聚类分组。通过程序仿真与实例分析验证了准确性、有效性与可行性，为关键工序研究提供借鉴，为质量控制提供支撑。
-
公开(公告)号：CN112465377B
公开(公告)日：2024-07-19
申请号：CN202011425542.5
申请日：2020-12-09
申请人： 沈阳工业大学
IPC分类号： G06F18/2321 , G06Q10/0639 , G06Q50/04
摘要： 本发明涉及一种面向多品种小批量制造过程的关键工序识别与聚类分析方法，包括：S1、多品种小批量质量关键工序识别模型的构建；S2、基于层次聚类分析法对各品种的关键工序进行聚类分析，进而确定分辨率的选择方案，扩大质量特征数据样本量，解决关键工序的质量特征数据不足的问题；S3、以某航天复杂构件制造企业的各品种产品制造工艺流程为例，验证提出模型与方法的有效性与可行性。本发明考虑了关键工序所涉及的关键质量特性与影响因素，对制造过程的工序关键度进行了定量分析与计算，实现对关键工序的识别，并对关键工序进行聚类分组。通过程序仿真与实例分析验证了准确性、有效性与可行性，为关键工序研究提供借鉴，为质量控制提供支撑。
-
公开(公告)号：CN113627544B
公开(公告)日：2024-03-08
申请号：CN202110935063.6
申请日：2021-08-16
申请人： 沈阳工业大学
IPC分类号： G06F18/2415 , G06F18/214 , G06N3/0464 , G06N3/09
-
公开(公告)号：CN113807014B
公开(公告)日：2024-03-12
申请号：CN202111094421.1
申请日：2021-09-17
申请人： 沈阳工业大学
IPC分类号： G06F30/27 , G06F18/20 , G06F18/2321 , G06N3/006 , G06F111/06
摘要： 本发明涉及一种考虑统计性、经济性的非参数自适应动态EWMA控制图多目标优化设计方法，属于统计过程控制领域。包括如下步骤：构建面向多品种小批量制造过程关键工序非参数自适应动态EWMA控制图；基于马尔卡夫链确定统计性指标、经济性指标计算方法；建立控制图多目标优化设计模型，采用云清晰综合评价方法对目标函数进行线性加权处理；基于改进人工鱼群算法对模型进行求解；以某航天复杂构件制造企业生产制造工艺流程为例，采用优化后控制图进行控制图，验证提出模型与方法有效性与可行性。本发明保证控制效果同时降低控制成本，实现对多品种小批量制造过程质量控制。为多品种小批量生产模式下控制图研究提供借鉴，为其质量控制提供支撑。
-
公开(公告)号：CN114818201A
公开(公告)日：2022-07-29
申请号：CN202210574445.5
申请日：2022-05-25
申请人： 沈阳工业大学
IPC分类号： G06F30/17 , G06F30/27 , G06F119/02
摘要： 本发明涉及一种基于机理与数据驱动的发动机缸盖铣削表面质量预测方法，属于自动化预测技术领域。包括如下步骤：确定缸盖铣削表面质量关键评价指标及影响因素；采集工艺参数及表面粗糙度值，结合缸盖铣削力学状态构建基于半解析法、热源法的铣削力与热机理模型，获取状态变量数据，预处理后存储至历史数据库；构建基于ADE算法优化SVR的表面粗糙度预测模型，将工艺参数与机理模型输出状态变量数据作数据驱动模型输入，表面粗糙度值作输出，利用历史数据训练得到SVR最优参数组合；利用实时工艺参数及机理模型输出状态变量数据预测铣削表面粗糙度。具有模型状态表征能力强、状态变量数据获取成本低的优点，可实现缸盖铣削表面质量精准预测。
-
公开(公告)号：CN113627544A
公开(公告)日：2021-11-09
申请号：CN202110935063.6
申请日：2021-08-16
申请人： 沈阳工业大学
摘要： 本发明涉及一种基于多源异构数据融合的机床铣刀状态识别方法，属于数控机床刀具磨损监测技术领域。其包括以下步骤：基于压缩感知与加噪处理的数据预处理方法；基于Dropout方法的堆栈稀疏自编码器；基于改进D‑S证据理论的数据融合算法；基于SSAE与改进D‑S证据理论的刀具状态监测模型；验证本发明所提方法的实用性，在生产线的自动化监控平台中获取生产线状态数据进行试验验证。本发明解决深度学习网络的过拟合与小样本多源异构数据的识别精度低的问题。与人工特征提取方法和SSAE方法对比，本发明具有更好的识别精度与泛化性能。识别结果表明，该模型与方法能够准确反映多品种小批量航天企业生产线机床铣刀状态。
-
公开(公告)号：CN113418229A
公开(公告)日：2021-09-21
申请号：CN202110657417.5
申请日：2021-06-11
申请人： 沈阳工业大学
IPC分类号： F24D19/10 , G06F16/2458 , G06N3/04
摘要： 本发明构建了一种基于卷积‑自编码神经网络的供暖管控阀门智能调控系统，包括：数据采集模块，用于实时采集流经控制阀门的流体运行状态数据；数据库模块，用于接收实时状态运行数据并存储历史运行状态数据，状态识别模型包含于智能决策模块；智能决策模块，用于专家知识库基于当前供暖系统状态识别结果选择匹配度最高的调控决策方案，并将调控决策方案上传至信息管控平台；信息管控平台，用于显示当前运行状态并将智能决策结果提供给管控人员，由管控人员确认调控决策执行，从而实时、智能远程精准调控阀门开度大小，降低滞后性，保证供暖调节平衡。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.021 秒)