-
公开(公告)号：CN115033800B
公开(公告)日：2024-07-26
申请号：CN202210806187.9
申请日：2022-07-08
申请人： 西安电子科技大学
IPC分类号： G06F16/9535 , G06F16/36
摘要： 本发明提出了一种基于知识图谱的数控加工刀具推荐方法，可用于数控加工刀具的精确推荐，实现步骤为：对数控加工原始数据进行预处理；构建数控加工的本体模型；构建数控加工的知识图谱；构建数控加工单向加权知识图谱；获取数控加工刀具的推荐结果。本发明通过数控加工的本体模型构建数控加工的知识图谱，并通过该知识图谱所构建的数控加工单向加权知识图谱，使用PPR算法计算刀具节点与待加工零件节点的相关度，再将相关度最高的刀具节点作为推荐的刀具，充分考虑了刀具几何参数在刀具推荐过程中的影响，有效提高了刀具推荐的准确度。
-
公开(公告)号：CN116520772A
公开(公告)日：2023-08-01
申请号：CN202310596101.9
申请日：2023-05-24
申请人： 西安电子科技大学
IPC分类号： G05B19/408
摘要： 一种基于多任务迁移学习的薄板零件数控加工质量预测方法，先形成数控加工的原始加工特征数据集集合D，对集合D内每个数据集进行预处理；针对预处理后的特征数据集集合D′，选择分布差异小的源域和目标域进行迁移，对选择的源域和目标域数据集进行训练集和测试集划分；再构建多任务特征提取的共享层网络E；然后构建基于动态分布自适应的任务专有层网络L；最后动态调整每个任务总损失的权重，完成多任务迁移学习模型R构建；本发明实现未知工况下的质量预测与并行输出多个质量指标的预测结果，多质量指标并行输出的结果精度高，质量预测的迁移效果可靠性高。
-
公开(公告)号：CN110427593B
公开(公告)日：2022-12-02
申请号：CN201910632485.9
申请日：2019-07-13
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于工业大数据的SMT印刷参数优化方法，旨在提高印刷参数优化效率，实现步骤为：获取包括印刷机设定数据和SPI检测结果数据的工业大数据集；对工业大数据集进行预处理；计算出每组印刷参数对应的锡膏体积区间、面积区间和高度区间，印刷参数数据和锡膏区间数据组成锡膏区间数据集；采用DE算法优化BP神经网络的初始权值、初始阈值和隐藏层节点数目，用锡膏区间数据集训练优化后的BP神经网络，构建每组印刷参数对应的锡膏区间的预测模型；设计印刷参数的正交表，通过预测模型获取正交表的最优水平组合作为最优的印刷参数。
-
公开(公告)号：CN110533071B
公开(公告)日：2022-03-22
申请号：CN201910688024.3
申请日：2019-07-29
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于自编码器和集成学习的SMT生产追溯方法，本发明具体步骤如下：(1)构建自编码器；(2)获取SPI缺陷追溯数据集；(3)对SPI缺陷追溯数据集进行归一化处理；(4)训练自编码器；(5)使用集成学习方法获得分类树集合；(6)获得SPI生产追溯序列。本发明将归一化后的SPI缺陷追溯数据集输入到训练好的自编码器，生成分类数据集，使用集成学习的方法训练分类树，遍历训练好的分类树，获得SMT生产追溯序列，定位导致产品缺陷的关键因素，提升了SMT生产追溯的准确率。
-
公开(公告)号：CN108985340B
公开(公告)日：2021-06-01
申请号：CN201810650131.2
申请日：2018-06-22
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于大数据分析的盾构施工地面沉降预测方法，主要解决现有技术在盾构施工大数据场景下，地面沉降进行预测精度不高的问题,预测方法步骤包括：数据预处理；获取影响地面沉降的参数数据；建立沉降预测模型；对预测模型的参数进行优化；利用最优参数重新训练模型；模型融合；获取实时地面沉降量数据。本发明整个方案设计严谨、完整，地面沉降量预测的效率和准确性高，用于地铁施工地面沉降预测，保障工程质量和安全。
-
公开(公告)号：CN108803478B
公开(公告)日：2020-01-31
申请号：CN201810617404.3
申请日：2018-06-15
申请人： 西安电子科技大学
IPC分类号： G05B19/19 , G05B19/408
摘要： 本发明提出了一种航空发动机叶片加工过程退化的轮廓质量控制方法，用于解决现有航空发动机叶片加工过程轮廓质量控制精度低的问题。实现步骤为：建立航空发动机叶片多阶段加工过程退化Profile误差累积的耦合预测模型；对航空发动机叶片多阶段加工过程退化Profile误差累积的耦合预测模型进行最小二乘回归；采用提前一步预测残差方法，对发动机叶片加工过程轮廓误差进行自性关性处理；对发动机叶片加工过程节点工序k的残差方程进行最小二乘回归；建立基于聚类的T2控制图监控模型；获取航空发动机叶片加工过程退化的轮廓质量控制结果。本发明可以提高发动机叶片加工过程轮廓质量控制精度,可应用于航空工业领域中发动机叶片加工过程轮廓质量控制。
-
公开(公告)号：CN109597968A
公开(公告)日：2019-04-09
申请号：CN201811645536.3
申请日：2018-12-29
申请人： 西安电子科技大学
摘要： 本发明提出一种基于SMT大数据的锡膏印刷性能影响因素分析方法，解决了锡膏印刷性能影响因素分析中分析不全面、精度低的问题。实现步骤有：采集锡膏印刷参数和性能指标构建锡膏印刷数据集；用马氏距离和空值处理数据；计算特征间相关系数，过滤冗余特征；划分训练和测试样本集；随机抽取部分特征并构建随机森林模型；设定模型终止条件；以模型均方误差增加量估计特征重要度分数，并排序；确定关键影响因素子集。本发明通过随机森林特征选择结合大数据处理技术挖掘SMT锡膏印刷性能的关键影响因素，确定性能指标与印刷参数的关联，优化锡膏印刷性能，提升电路板印刷质量。用于表面贴装技术锡膏印刷过程的工艺优化和锡膏印刷性能改善。
-
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：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。
-
公开(公告)号：CN107153843B
公开(公告)日：2020-07-10
申请号：CN201710303112.8
申请日：2017-05-03
申请人： 西安电子科技大学
IPC分类号： G06K9/62 , G06F16/182 , G06F16/25
摘要： 本发明公开了一种基于支持向量机的地面沉降预测系统和方法，主要用于解决配套系统无法应对盾构施工过程中对海量数据的分析需求。系统包括Hadoop大数据分析平台、数据收集模块、数据预处理模块、模型构建模块、沉降预测模块，预测方法中，对预处理的去噪提出了基于置信度区间估计和拉依达准则的聚类算法进行异常点检测；构建预测模型时，权重向量的迭代计算过程是用N个分区的平均值进行更新，此策略和随机梯度下降相结合，提升了训练速度。本发明具备海量数据的存储和分析能力以及高性能的冗余能力，数据分析具有实时性和高效性，用于盾构施工过程的地面沉降量预测，为工程管理人员和施工操作人员提供参考和调整依据。
-
-
-
-
-
-
-
-
-
搜索结果
39 条记录 (耗时 0.051 秒)
