-
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:CN115099160B
公开(公告)日:2024-04-19
申请号:CN202210872620.9
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
IPC分类号: G06F30/27 , G06N3/006 , G06F115/12 , G06F119/18
摘要: 本发明提出一种基于特征重构和猫群优化算法的SMT工艺参数优化方法,解决了SMT产线数据噪声多,工艺参数的设置依赖专家经验的问题。实现步骤有:对SMT产线状态样本集进行预处理,生成印刷预处理集和回流焊预处理集;对印刷预处理集进行特征交互和特征筛选的特征重构;使用猫群算法优化印刷工艺参数和回流焊工艺参数。本发明通过特征重构挖掘出印刷数据的原有特征之间的隐藏关系,充分利用产线数据信息;利用猫群算法获得最优的回流焊和印刷工艺参数,减少了对于专家经验的依赖,有效降低SMT产线的缺陷率,提高了企业的生产效率。
-
公开(公告)号:CN116822711A
公开(公告)日:2023-09-29
申请号:CN202310594545.9
申请日:2023-05-24
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
IPC分类号: G06Q10/04 , G06Q10/0639 , G06Q50/04 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0475 , G06N3/048 , G06N3/096 , G06N3/084 , G06N3/094
摘要: 本发明公开了一种基于迁移学习算法的SMT产线质量预测方法,主要解决现有技术的SMT产线PCB质量预测模型容易过拟合,准确率低的问题。其实现方案为:对SMT产线初始状态样本集进行预处理,得到SMT特征集;使用生成对抗方法对SMT特征集中的大尺寸数据进行数据增强;构建基于迁移学习的SMT产线质量合格率预测模型,并对其进行训练得到预测结果;根据预测结果与真实结果计算出质量合格率。本发明通过对SMT大尺寸数据进行数据增强,防止了模型的过拟合,通过利用迁移学习最大均值差异算法降低了特征之间的分布差异,有效提升了质量预测模型的准确率,从而提高了企业的生产效率,可用于对印制电路板进行印刷质量的预测。
-
公开(公告)号:CN116628623A
公开(公告)日:2023-08-22
申请号:CN202310590118.3
申请日:2023-05-24
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
IPC分类号: G06F18/25 , G06F18/10 , G06F18/213 , G06Q10/04 , G06Q10/0639 , G06Q50/04 , G06N3/0455 , G06N3/048 , G06N3/047 , G06N3/084 , G06F40/295 , G06F16/901 , G06F16/28 , G06N3/0442 , G06N3/0464 , G06N5/01 , G06N20/20
摘要: 本发明公开一种基于SMT质量大数据的高维特征重构与融合方法,主要解决现有技术中数据利用率低,特征维数过少和预测模型准确率低的问题。其实现方案为:对SMT产线文本数据集及结构化数据集进行预处理;构建并训练文本数据特征提取模型,得到文本数据提取特征;构建结构化数据特征提取模型,得到结构化数据提取特征;合并及去重文本数据和结构化数据提取的特征;采用堆栈式自编码器及基于均方误差与平均绝对百分比误差结合的方法对所提取的特征进行重构与融合。本发明提高了SMT企业数据的利用率,实现了文本数据与结构化数据的融合,数据维度提升到了50维以上,提高了模型的准确率,可用于对SMT产线质量大数据的多模态数据处理。
-
公开(公告)号:CN115099160A
公开(公告)日:2022-09-23
申请号:CN202210872620.9
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
IPC分类号: G06F30/27 , G06N3/00 , G06F115/12 , G06F119/18
摘要: 本发明提出一种基于特征重构和猫群优化算法的SMT工艺参数优化方法,解决了SMT产线数据噪声多,工艺参数的设置依赖专家经验的问题。实现步骤有:对SMT产线状态样本集进行预处理,生成印刷预处理集和回流焊预处理集;对印刷预处理集进行特征交互和特征筛选的特征重构;使用猫群算法优化印刷工艺参数和回流焊工艺参数。本发明通过特征重构挖掘出印刷数据的原有特征之间的隐藏关系,充分利用产线数据信息;利用猫群算法获得最优的回流焊和印刷工艺参数,减少了对于专家经验的依赖,有效降低SMT产线的缺陷率,提高了企业的生产效率。
-
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。
-
-
-
-
-
-
-
-
-