-
公开(公告)号:CN118155732A
公开(公告)日:2024-06-07
申请号:CN202410269920.7
申请日:2024-03-11
申请人: 西安电子科技大学
摘要: 本公开提供了一种基于分子动力学仿真的缺陷消除方法及装置、设备,涉及晶片加工技术领域,融合大数据技术和机器学习技术。该基于分子动力学仿真的缺陷消除方法包括:可以将待处理晶片的分子结构数据输入到晶片缺陷估计模型中,得到表面缺陷估计位置以及相应的表面缺陷特征参数;根据表面缺陷特征参数确定表面缺陷估计位置处的目标加工参数;通过目标加工参数对相应的表面缺陷估计位置处的区域进行加工处理,得到表面缺陷消除后的待处理晶片。本公开实施例的技术方案能够从根源上对晶片表面缺陷进行消除,提高晶片表面消除的成功率,有效降低晶片的表面损伤,保证加工得到的晶片的质量。
-
公开(公告)号:CN112446139B
公开(公告)日:2024-05-10
申请号:CN202011226283.3
申请日:2020-11-05
申请人: 西安电子科技大学
IPC分类号: G06F30/20 , G06F119/02 , G06F119/04
摘要: 本发明属于可靠性试验技术领域,公开了一种加速试验剖面优化方法、系统、机电产品、介质及终端,根据机电产品的失效分布和加速模型构建累积失效模型;采用蒙特卡洛方法模拟失效数据;采用极大似然法估计模型参数;将产品在正常应力水平下的寿命估计值的渐进方差最小化作为优化准则。本发明基于三参数指数‑威布尔分布,使用温度作为机电产品的加速试验应力,采用步进形式作为机电产品的加速试验应力加载方式,以产品在正常应力水平下的寿命估计值的渐进方差最小化为优化准则,解决机电产品在加速寿命试验过程中出现的试验时间长和寿命估计精度低的问题。
-
公开(公告)号:CN117610442A
公开(公告)日:2024-02-27
申请号:CN202311328258.X
申请日:2023-10-13
摘要: 本发明属于机械加工技术领域,公开了一种薄壁件铣削加工变形误差预测方法及系统,利用多源信息融合的手段,基于Stacking集成学习思想构建薄壁件铣削加工变形误差预测模型,首先采集加工过程中产生的多源数据,其次将多源信息划分为不同数据类型并进行对应的数据处理工作实现多源信息特征融合,构造变形误差建模数据集,随后,将数据集用于训练Stacking集成学习模型第一层的各个元模型,并将元模型的输出纵向拼接形成新的特征集作为第二层元回归模型的输入,最后再次训练元回归模型得到最终的薄壁件铣削加工变形误差预测模型。本发明能够更加全面地反映铣削加工过程的动静态信息,进一步提高模型预测结果的鲁棒性和精度。
-
公开(公告)号:CN117554265A
公开(公告)日:2024-02-13
申请号:CN202311561034.3
申请日:2023-11-22
申请人: 中国航空油料集团有限公司 , 西安电子科技大学
IPC分类号: G01N15/08 , G06F30/17 , G06F30/28 , G06F111/10 , G06F113/08 , G06F119/14
摘要: 本发明涉及机械状态评估与诊断技术领域,提供一种基于数字孪生技术的过滤器状态监测和故障诊断方法,包括:获取过滤器的多源数据集;对多源数据集中的数据进行预处理;基于过滤器的自身参数、预设参数、部件的装配关系以及达西理论,构建过滤器的数字孪生模型;将预处理后的数据输入到数字孪生模型中进行仿真迭代;基于仿真迭代的结果输出数字孪生模型的状态值;根据状态值判断过滤器是否发生故障。本发明的基于数字孪生技术的过滤器状态监测和故障诊断方法基于数字孪生模型的高保真度,通过实时数据流,在线反馈过滤器设备的健康状态,具有较高的诊断精度和应用范围,评估结果相对于传统人工监测更加稳定且可靠。
-
公开(公告)号:CN116127398A
公开(公告)日:2023-05-16
申请号:CN202310372305.4
申请日:2023-04-10
申请人: 中国航空油料集团有限公司 , 西安电子科技大学
IPC分类号: G06F18/2433 , G06F18/25
摘要: 本发明提供一种基于机理模型与多源数据融合的液压泵故障诊断方法,包括如下步骤:获取液压泵的多源数据集,构建液压泵退化机理模型,并构建训练集和测试集;对训练集和测试集的数据样本进行数据预处理以及特征提取和筛选,获取液压泵退化的关键特征集;根据关键特征集构建基于多核的SVC的集成多分类器模型,获取数据模型的诊断结果;将液压泵退化机理模型分别在数据级和决策级与数据模型融合,获取混合模型的故障诊断结果;将混合模型的预测标签与液压泵的故障标签进行映射,实现液压泵的故障诊断。本发明的一个技术效果在于,设计合理,提高液压泵的故障诊断精度,诊断结果更准确,泛化能力更优越。
-
公开(公告)号:CN115630172A
公开(公告)日:2023-01-20
申请号:CN202211663436.X
申请日:2022-12-23
申请人: 中国航空油料集团有限公司 , 西安电子科技大学
摘要: 本公开实施例涉及数字主线技术领域,提供一种针对流程行业的数字主线构建方法及系统,方法包括:获取流程行业关键设备的三维模型,并基于三维模型,构建关键设备对应的知识图谱;采用预设的数据描述格式,分别对知识图谱以及三维模型对应的实际性能特征数据进行统一描述,并基于统一描述后的实际性能特征数据构建数字主线数据库;将统一描述后的实际性能特征数据与知识图谱进行关联,得到流程行业对应的数字主线。本公开实施例可对流程行业中各关键设备的多阶段过程数据演化模型进行统一管理,为关键设备的智能诊断、智能运维提供权威、可信的数据服务,为流程行业的数字孪生提供支持。
-
公开(公告)号:CN110543616B
公开(公告)日:2022-12-02
申请号:CN201910632492.9
申请日:2019-07-13
申请人: 西安电子科技大学
摘要: 本发明公开了一种基于工业大数据的SMT锡膏印刷体积预测方法,解决了构造时间序列特征和对模型参数进行寻优的技术问题。实现包括:数据资源准备、选影响锡膏印刷体积的关键因素作特征、构造锡膏体积时间序列作为特征、提取样本数据、数据预处理、选择并优化预测算法、构建SMT焊盘锡膏印刷体积预测模型、训练并评价预测模型。本发明用AGNES算法确定RBF神经网络隐含层神经元个数和隐含层中心点,用PSO算法对AGNES算法和RBF神经网络算法中的关键参数寻优。本发明数据利用充分,数据处理高效,数据分析系统化,提高了印刷过程中的焊盘体积预测准确性,设计的预测模型为质量提供了有效的风险检测手段,用于保障SMT焊盘锡膏印刷质量。
-
公开(公告)号:CN115098703A
公开(公告)日:2022-09-23
申请号:CN202210870267.0
申请日:2022-07-18
申请人: 西安电子科技大学 , 中国电子科技集团公司第十研究所
摘要: 本发明公开一种基于SMT质量大数据分析的知识图谱构建方法,其步骤为:对SMT产线文本数据集进行预处理,生成SMT产线文本数据训练集和测试集,构建并训练BERT‑Bi‑LSTM‑CRF命名实体模型,其结构包括BERT嵌入层,Bi‑LSTM层和CRF层;构建并训练BERT实体关系抽取模型,其结构包括BERT编码层、信息交互层和关系抽取层;对SMT产线结构化数据进行预处理;利用XGBoost算法计算结构化数据的影响因素;通过SMT产线高发缺陷成因关联分析构建SMT产线质量知识图谱。本发明提高了SMT企业累计数据利用率,形成规则,降低产品坏品率,降低企业生产成本。
-
公开(公告)号:CN112069621B
公开(公告)日:2022-09-06
申请号:CN202010933425.3
申请日:2020-09-08
申请人: 西安电子科技大学
IPC分类号: G06F30/17 , G06F30/25 , G06F30/27 , G06K9/62 , G06Q10/04 , G06Q10/06 , G06N3/04 , G01M13/045 , G06F119/02 , G06F119/12
摘要: 本发明提出了一种基于线性可靠度指标的精确预测滚动轴承的剩余使用寿命的方法,旨在提高模型的预测精度,实现步骤为:获取训练样本集和测试样本集;建立多个堆栈自编码器模型,以训练样本集和测试样本集分别作为输入依次对多个堆栈式自编码器模型进行训练,提取性能退化特征;基于聚类、单调性和相关性对评价性能退化特征,设置阈值筛选特征;基于单调性选取训练原始最优特征,建立线性可靠度指标曲线,并进行特征平移和特征插值,分别构建训练映射特征集和测试映射特征集;训练映射特征集为输入训练可靠性评估模型,将测试映射特征集输入训练好的可靠度评估模型得到测试可靠度,基于粒子滤波算法预测待预测轴承的剩余使用寿命。
-
公开(公告)号:CN110533278B
公开(公告)日:2022-03-22
申请号:CN201910635333.4
申请日:2019-07-15
申请人: 西安电子科技大学
摘要: 本发明提出了一种基于粒子群优化算法的SMT产线检测阈值设定方法,用于解决现有技术中存在的因为SMT产线的检测阈值设定不合理导致的产品合格率较低的技术问题,实现步骤为:获取关联数据表,然后获取阈值设定数据表,采用粒子群优化算法计算设定阈值,最后获取最优阈值。本发明利用SMT产线的生产数据,并将SMT产线上SPI锡膏检测仪的检测合格率用于计算粒子群优化算法中的个体适应度,通过粒子群优化算法的迭代之后,能够获得的多组检测阈值能提高SPI锡膏检测仪的检测合格率,从而提高SMT产线的产品合格率,并且降低了获取到的多组检测阈值全部不满足生产工艺要求的风险。
-
-
-
-
-
-
-
-
-