-
公开(公告)号:CN112505549B
公开(公告)日:2021-09-03
申请号:CN202011343531.2
申请日:2020-11-26
申请人: 西安电子科技大学
IPC分类号: G01R31/367 , G01R31/3842 , G06K9/62
摘要: 本发明提供了一种基于孤立森林算法的新能源汽车电池异常检测方法,用于解决现有技术中存在的异常检测的准确性和实时性较差的技术问题。实现步骤为:1.获取样本训练样本集合测试样本集;2.构建孤立森林IForest模型;3.获取新能源汽车的电池异常检测结果。本发明通过对多维特征构建IForest模型,对每个特征的异常得分进行判定,解决了只依靠单一维度特征对电池进行异常检测的单一性问题,提高了对新能源汽车电池异常检测的准确性,同时,通过对大量数据进行了预处理工作,降低了构建的孤立森林模型的时间,并且异常阈值是根据异常得分计算公式自动得出的固定值,提高了对新能源汽车电池异常检测的实时性。
-
公开(公告)号:CN113569903B
公开(公告)日:2024-04-09
申请号:CN202110642404.0
申请日:2021-06-09
申请人: 西安电子科技大学
IPC分类号: G06F18/20 , G06F18/213 , G06N3/08
摘要: 本发明属于机械技术领域,公开了一种数控机床刀具磨损预测方法、系统、设备、介质、终端,所述数控机床刀具磨损预测方法包括:进行信号采集与处理;进行信号特征提取;进行信号特征选择;进行健康指标数据集构建;生成健康指标序列数据集;进行刀具磨损预测。本发明通过采集数控机床工作过程中的控制器信号和传感器信号,利用多源信号建立刀具健康指标模型,考虑不同类型的信号反映的刀具磨损情况,提高刀具健康状态评估模型的泛化能力;通过动态时间规整算法构建刀具健康指标,利用不同时刻特征数据之间的差异来衡量刀具的磨损情况,在此基础上进行刀具磨损趋势预测,不需要依赖刀具磨损标签值即可开展刀具磨损预测,提高在实际工业场景中的应用范围与便捷性。
-
公开(公告)号:CN113560955B
公开(公告)日:2022-09-09
申请号:CN202110642406.X
申请日:2021-06-09
申请人: 西安电子科技大学
摘要: 本发明属于机械技术领域,公开了一种数控机床刀具剩余使用寿命预测方法、系统及应用,所述数控机床刀具剩余使用寿命预测方法包括:采集数控机床工作过程中的控制器信号和传感器信号,并对信号进行预处理、特征提取以及特征选择,挖掘各种信号中与刀具磨损相关的信息;利用长短时记忆网络与注意力机制建立刀具剩余使用寿命预测模型,实现数控机床刀具的剩余使用寿命预测。本发明通过采集数控机床工作过程中的控制器信号和传感器信号,利用多源信息建立刀具剩余使用寿命预测模型,充分考虑了不同类型的信号反映的刀具磨损情况,有效地克服了现有技术用单一信号建立预测模型的局限性,使得本发明提高了刀具剩余使用寿命预测模型的泛化能力。
-
公开(公告)号:CN110561191A
公开(公告)日:2019-12-13
申请号:CN201910693058.1
申请日:2019-07-30
申请人: 西安电子科技大学
IPC分类号: B23Q17/09
摘要: 本发明属于数控加工刀具磨损监测技术领域,公开了一种基于PCA与自编码器的数控机床刀具磨损数据处理方法,对数控机床上刀具传感器采集的数据进行归一化,得到具有刀具磨损量标签的训练数据和待测试数据;对所得到具有刀具磨损量标签的训练数据进行数据融合;将融合后的数据输入到堆栈自编码器进行训练,得到影响刀具磨损特征数据集;构建基于BP神经网络的刀具磨损预测模型并进行训练,对训练完成的BP神经网络模型进行预测。本发明能充分挖掘输入数据中的重要特征,将得到的数据特征输入到BP神经网络中,利用BP神经网络的拟合能力,将提取的特征映射到预测结果上,实现数控机床刀具磨损的预测,实现单个神经网络不能实现的效果。
-
公开(公告)号:CN116049442A
公开(公告)日:2023-05-02
申请号:CN202310105755.7
申请日:2023-02-13
申请人: 嘉善鑫海精密铸件有限公司 , 西安电子科技大学 , 浙江鑫淼精密铸件股份有限公司
IPC分类号: G06F16/36 , G06F16/35 , G06F30/20 , G06Q50/04 , G06Q10/0633
摘要: 本发明适用于数据链技术领域,尤其涉及一种蜡模铸造生产线数据链构建方法及系统,所述方法包括:获取蜡模铸造产线设备以及工件的CAX模型,构建物理实体模型并存储,构建知识图谱;对知识图谱中的实体、属性、关系集成以及连接多源异构数据表示为一个统一的数据描述格式,并构建数据链数据库;将工艺参数、设备管理数据导入至知识图谱中,并构建关联关系;为数据链数据库设置数据接口。本发明构建的数据链对关键工艺参数信息和工件的尺寸偏差、设备三维模型信息等统一管理而不失真,能够为产品、工艺参数优化、设备的活动提供权威、可信的数据服务,能够提供高层的语义丰富的详细任务信息,对构建蜡模铸造产线的数字孪生提供了支持。
-
公开(公告)号:CN113435258A
公开(公告)日:2021-09-24
申请号:CN202110628157.9
申请日:2021-06-06
申请人: 西安电子科技大学
摘要: 本发明属于机械技术领域,公开了一种转子系统异常智能检测方法、系统、计算机设备、终端,所述转子系统异常智能检测方法包括:采集转子系统支承界面相互垂直方向的电涡流位移信号;利用谐波窗分解提取转子系统振动信号的特定频率成分,构建转子系统的合成轴心轨迹,将合成轴心轨迹数据转换为一个数值方阵;将所述数值方阵作为生成对抗网络模型的输入,通过正常运行状态下的数据对生成对抗网络进行训练,利用待检测数据输入网络后所得的损失作为异常指标实现转子系统运行异常检测。本发明利用全息谱技术,能够更全面地反映转子系统转频、分倍频以及高倍频故障相关信息,使得转子系统异常检测范围更全面,能够有效避免现有技术中漏检率高的问题。
-
公开(公告)号:CN112329868A
公开(公告)日:2021-02-05
申请号:CN202011246905.9
申请日:2020-11-10
申请人: 西安电子科技大学
摘要: 本发明提出了一种基于CLARA聚类的制造加工设备群能效状态评价方法,用以解决现有技术中存在的评价可靠性较差的技术问题,实现步骤为:获取设备群的能效状态训练数据集和能效状态验证数据集;对能效状态训练数据集和能效状态验证数据集进行预处理;对CLARA聚类算法进行优化;获取设备群在指定时间区间内的能效状态评价结果。本发明通过采集、构造设备群中设备的相关运行参数,通过网格搜索法寻找CLARA聚类算法的最优中心点个数和最优选样次数,通过优化后的CLARA聚类算法对能效状态验证数据集进行聚类处理,具有评价可靠性高和评价成本低的特点,可用于工厂设备的运行状态检测。
-
公开(公告)号:CN110119551B
公开(公告)日:2022-12-06
申请号:CN201910353374.4
申请日:2019-04-29
申请人: 西安电子科技大学
摘要: 提供了一种机器学习的盾构机刀具磨损退化关联特征分析方法,用于解决现有技术中存在的适用范围较窄的技术问题,同时提高对刀具健康状态监测和寿命预测的准确率,实现步骤包括:获取微风化地层下的原始特征数据集data3;获取数据资源集Data;构建LightGBM特征排序模型;获取重要特征子集Fea;对重要特征子集Fea进行离散化;对离散化的重要特征子集data_lsh进行关联规则挖掘;获取盾构机刀具磨损退化关联特征。本发明充分考虑所有采集的数据对盾构机刀具磨损的影响,适用范围广且准确率高。
-
公开(公告)号:CN115391566A
公开(公告)日:2022-11-25
申请号:CN202211085737.9
申请日:2022-09-06
申请人: 嘉善鑫海精密铸件有限公司 , 西安电子科技大学 , 浙江鑫淼精密铸件股份有限公司
摘要: 本发明适用于数据链技术领域,尤其涉及一种蜡模铸造生产线数据链构建方法及系统,所述方法包括:获取蜡模铸造产线设备以及工件的CAX模型,构建物理实体模型并存储,构建知识图谱;对知识图谱中的实体、属性、关系集成以及连接多源异构数据表示为一个统一的数据描述格式,并构建数据链数据库;将工艺参数、设备管理数据导入至知识图谱中,并构建关联关系;为数据链数据库设置数据接口。本发明构建的数据链对关键工艺参数信息和工件的尺寸偏差、设备三维模型信息等统一管理而不失真,能够为产品、工艺参数优化、设备的活动提供权威、可信的数据服务,能够提供高层的语义丰富的详细任务信息,对构建蜡模铸造产线的数字孪生提供了支持。
-
公开(公告)号:CN113560955A
公开(公告)日:2021-10-29
申请号:CN202110642406.X
申请日:2021-06-09
申请人: 西安电子科技大学
摘要: 本发明属于机械技术领域,公开了一种数控机床刀具剩余使用寿命预测方法、系统及应用,所述数控机床刀具剩余使用寿命预测方法包括:采集数控机床工作过程中的控制器信号和传感器信号,并对信号进行预处理、特征提取以及特征选择,挖掘各种信号中与刀具磨损相关的信息;利用长短时记忆网络与注意力机制建立刀具剩余使用寿命预测模型,实现数控机床刀具的剩余使用寿命预测。本发明通过采集数控机床工作过程中的控制器信号和传感器信号,利用多源信息建立刀具剩余使用寿命预测模型,充分考虑了不同类型的信号反映的刀具磨损情况,有效地克服了现有技术用单一信号建立预测模型的局限性,使得本发明提高了刀具剩余使用寿命预测模型的泛化能力。
-
-
-
-
-
-
-
-
-