公开(公告)号：CN116796142A

公开(公告)日：2023-09-22

申请号：CN202310269968.3

申请日：2023-03-15

Applicant: 北京工业大学

Inventor： 昝涛 ,  马志谦 ,  陈佳伟 ,  孙志略 ,  王民 ,  高相胜 ,  高鹏

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/048 ,  B23Q17/09

Abstract: 本发明提供一种刀具磨损状态识别方法、系统、电子设备及存储介质，方法包括：采集刀具磨损振动信号；将所述刀具磨损振动信号输入预设的卷积神经网络，进行特征提取与一次降维，获取振动信号特征；基于预设的局部线性嵌入规则，对所述振动信号特征进行二次降维，获取观测序列；将所述观测序列输入预先训练好的隐马尔科夫模型，进行刀具磨损状态识别与刀具磨损状态预测，获取识别结果与预测结果；将所述识别结果与预测结果反馈至关联终端设备。本发明提供的刀具磨损状态识别方法，能够自动实现刀具磨损振动信号的特征提取，准确度较高，实时性较强，并且，本方法的刀具磨损状态识别精确度较高。

公开(公告)号：CN113283471A

公开(公告)日：2021-08-20

申请号：CN202110406474.6

申请日：2021-04-15

Applicant: 北京工业大学

Inventor： 昝涛 ,  苏自峰 ,  陈德垠 ,  马志谦 ,  王民 ,  高相胜

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F30/27 ,  G06F9/50 ,  G06Q50/04

Abstract: 本发明实施例提供一种基于边缘计算的控制图模式识别方法和系统，其方法包括：确定待识别的控制图数据；将所述待识别的控制图数据输入至模式识别模型中，得到所述模式识别模型输出的控制图模式识别结果；其中，所述模式识别模型是基于样本特征值及对应的采样时刻训练得到的；所述模式识别模型用于基于所述样本特征值及对应的采样时刻训练后，对所述待识别的控制图数据进行模式识别。本发明能够实现控制图的现场判别的高实时性和高效率以便快速定位异常。

公开(公告)号：CN116486325A

公开(公告)日：2023-07-25

申请号：CN202310250586.6

申请日：2023-03-15

Applicant: 北京工业大学

Inventor： 昝涛 ,  陈佳伟 ,  孙志略 ,  马志谦 ,  王民 ,  刘智豪

IPC: G06V20/52 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/044 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明实施例提供了一种控制图模式识别的方法、装置、设备和存储介质，该方法包括：获取待识别的控制图；将待识别的控制图输入模式识别模型中，得到待识别的控制图对应的模式识别结果；其中，所述模式识别模型基于循环神经网络构建，包括：输入层、隐藏层和输出层。本发明通过基于循环神经网络构建的模式识别模型，对待识别的控制图进行特征提取，并利用隐藏层，将具有前后时序的特征数据进行关联性分析，进而预测控制图对应不同模式的概率，从而实现对控制图对应的所有模式一次性识别，该模式识别模型的准确率更高，更适应未来大数据环境下快速生产的需求，有助于降低企业生产质量带来的损失和提高企业经济效益。