-
公开(公告)号：CN113312705A
公开(公告)日：2021-08-27
申请号：CN202110657749.3
申请日：2021-06-14
Applicant: 西北工业大学
IPC: G06F30/15 , G06F30/17 , G06F30/27 , G06F111/06 , G06F119/02
Abstract: 本发明公开了一种航空发动机低压风扇转子叶片排序方法。该方法以转子叶片质量矩和转子初始不平衡量为输入，引入退火选择操作，建立了基于退火单亲遗传算法的风扇转子叶片排序模型。此方法在无需人工微调的情况下便可得到优于传统遗传算法的结果，可靠性较高，寻优速度快，且不易陷入局部收敛，有利于进行高效快速准确的风扇转子叶片排序。
-
公开(公告)号：CN113313198B
公开(公告)日：2022-08-19
申请号：CN202110684408.5
申请日：2021-06-21
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于多尺度卷积神经网络的刀具磨损预测方法，解决现有刀具磨损预测方法依赖人工特征提取、模型泛化能力不足、应用场景受限的问题。本发明利用深度学习从原始数据中提取数据的本质特征，自动建立特征与目标之间的映射关系，并将其与人工特征提取方法相结合，提高了模型的准确率，该方法首先利用离散小波变换对预处理后的原始信号进行变换，在不损失原始信号信息的情况下对特征进行更好的表示，设计了一种增强的多尺度CNN结构，并将其应用于变换后的小波尺度图上，自动从原始数据中学习刀具的磨损特征；最后，将人工特征和自动特征相结合形成混合特征向量，利用全连接神经网络实现自动特征和人工特征的融合，以实现刀具磨损的预测。
-
公开(公告)号：CN113420375B
公开(公告)日：2022-05-31
申请号：CN202110657757.8
申请日：2021-06-14
Applicant: 西北工业大学
IPC: G06F30/15 , G06F30/17 , G06F30/20 , G06F119/02
Abstract: 本发明公开了一种基于Apriori建立工艺‑质量‑不平衡量关联关系模型的方法，首先调取装配留档数据库内数据以及云端大数据，对数据进行预处理；再对连续数据Chi‑merge离散化，之后形成事务数据集；然后对事务数据集进行关联分析，得到事务或项集与不平衡量之间的关联关系支持度和置信度；接下来基于Apriori关联算法，对装配过程中的影响因素与不平衡量进行关联分析，建立不平衡量关联关系模型；最后基于不平衡量关联关系模型，挖掘工艺、质量和不平衡量之间的内在关系，分析计算其中相关性影响因子的影响比重，并对不平衡量增减影响进行定量分析。本发明能为航空发动机低压风扇转子的设计、制造和装配提供建设性建议根据。
-
公开(公告)号：CN116702361A
公开(公告)日：2023-09-05
申请号：CN202310673083.X
申请日：2023-06-08
Applicant: 西北工业大学
IPC: G06F30/17 , G06F30/27 , G06F18/214 , G06N3/0442 , G06N3/08 , G06F119/14
Abstract: 为解决目前圆筒类薄壁件加工完成后虽然符合设计要求，但是放置一段时间后会产生工件变形超差的技术问题，本发明提出了一种基于半实物仿真的圆筒类薄壁件的加工变形优化方法，通过建立残余应力分层解析模型获得每个加工层的实际残余应力，使后续所建立的加工变形预测模型的预测结果更加准确；采用元学习的方法，将圆筒类薄壁件的多层加工累积变形看成是多个不同的加工任务组合，建立基于元LSTM的加工变形预测模型；采用半实物仿真方法对各层加工参数进行优化，将真实加工数据不断迭代加入半实物仿真优化模型中，在每一个加工层中不断优化加工参数，使薄壁件最终加工变形始终保持在设计要求范围内，解决了薄壁件放置一段时间后变形超差的问题。
-
公开(公告)号：CN115470579A
公开(公告)日：2022-12-13
申请号：CN202211021968.3
申请日：2022-08-24
Applicant: 西北工业大学
IPC: G06F30/17 , G06F30/23 , G06F30/27 , G06F119/14
Abstract: 本发明提出一种面向低压转子装配的螺栓拧紧工艺优化方法，以螺栓预紧力为优化变量，同轴度与刚度为优化目标，以实际装配过程中已经安装好的螺栓的拧紧力矩与预紧力均布限制为约束条件，建立同轴度与刚度双目标优化模型；利用NSGA‑Ⅱ算法求解得到后续待安装螺栓初始预紧力非劣解组，实现同轴度与刚度的同步优化。
-
Patent Agency Ranking
公开(公告)号：CN113435110A
公开(公告)日：2021-09-24
申请号：CN202110629422.5
申请日：2021-06-04
Applicant: 西北工业大学
Abstract: 本发明公开了一种面向装配过程的低压转子多工序不平衡量预测方法，用于解决低压转子初始不平衡量波动大，一次成功率低的问题。该发明的技术方案是通过对低压转子的结构以及装配工艺分析，从零部件加工质量、装配工艺、装配质量中确定各工序不平衡量的影响因素构建关键影响因素备选集，然后利用复杂网络对关键影响因素进行识别；其次在此基础上，针对每一装配工序建立基于双向LSTM网络的不平衡量预测模型；最后以所建立的不平衡量预测模型为基础构建低压转子半实物仿真模型实现装配过程中不平衡量的预测。
-
公开(公告)号：CN110458606A
公开(公告)日：2019-11-15
申请号：CN201910657296.7
申请日：2019-07-19
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于深度学习的非标刀具价格预测方法，用于解决现有非标刀具价格预测方法实用性差的技术问题。技术方案是利用深度学习技术挖掘非标刀具设计参数与非标刀具价格之间的关联关系，以实现非标刀具价格预测。首先对刀具设计参数建模，为每个参数添加标签；然后采用GA-BP神经网络预测非标刀具的加工工时，从而与机床单位时间成本相乘得到制造成本；最后将刀具设计参数与制造成本组成的新向量输入DBN多专家模型，输出多组预测值，通过价值评估算法筛选出合理的预测结果输出，作为最终的价格，实用性好。
-
公开(公告)号：CN113420375A
公开(公告)日：2021-09-21
申请号：CN202110657757.8
申请日：2021-06-14
Applicant: 西北工业大学
IPC: G06F30/15 , G06F30/17 , G06F30/20 , G06F119/02
Abstract: 本发明公开了一种基于Apriori建立工艺‑质量‑不平衡量关联关系模型的方法，首先调取装配留档数据库内数据以及云端大数据，对数据进行预处理；再对连续数据Chi‑merge离散化，之后形成事务数据集；然后对事务数据集进行关联分析，得到事务或项集与不平衡量之间的关联关系支持度和置信度；接下来基于Apriori关联算法，对装配过程中的影响因素与不平衡量进行关联分析，建立不平衡量关联关系模型；最后基于不平衡量关联关系模型，挖掘工艺、质量和不平衡量之间的内在关系，分析计算其中相关性影响因子的影响比重，并对不平衡量增减影响进行定量分析。本发明能为航空发动机低压风扇转子的设计、制造和装配提供建设性建议根据。
-
公开(公告)号：CN113313198A
公开(公告)日：2021-08-27
申请号：CN202110684408.5
申请日：2021-06-21
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于多尺度卷积神经网络的刀具磨损预测方法，解决现有刀具磨损预测方法依赖人工特征提取、模型泛化能力不足、应用场景受限的问题。本发明利用深度学习从原始数据中提取数据的本质特征，自动建立特征与目标之间的映射关系，并将其与人工特征提取方法相结合，提高了模型的准确率，该方法首先利用离散小波变换对预处理后的原始信号进行变换，在不损失原始信号信息的情况下对特征进行更好的表示，设计了一种增强的多尺度CNN结构，并将其应用于变换后的小波尺度图上，自动从原始数据中学习刀具的磨损特征；最后，将人工特征和自动特征相结合形成混合特征向量，利用全连接神经网络实现自动特征和人工特征的融合，以实现刀具磨损的预测。
-
公开(公告)号：CN115146399B
公开(公告)日：2024-09-06
申请号：CN202210560366.9
申请日：2022-05-23
Applicant: 西北工业大学
IPC: G06F30/17 , G06F30/23 , G06F30/27 , G06F111/10 , G06F119/14
Abstract: 本发明提出一种面向装配过程的低压转子同轴度预测方法，考虑到了影响同轴度变化的装配因素，并针对螺栓预紧力和其他装配因素的动态变化性及复杂的耦合作用关系，使用有限元仿真的方式建立弹性相互作用矩阵实现螺栓预紧力的动态计算；且考虑到了装配因素变化与同轴度变化本身具备的规律性，并有针对性地利用GRU网络在解决时序相关问题方面的优势学习训练得到预紧力、其他装配因素与同轴度变化之间的关联关系，从而能够大幅提升了预测模型的适用性与准确性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
