-
公开(公告)号：CN116957153A
公开(公告)日：2023-10-27
申请号：CN202310920792.3
申请日：2023-07-25
Applicant: 河北工业大学
IPC: G06Q10/04 , B22D18/08 , B22D18/04 , G06F18/243 , G06N3/0475 , G06F18/214 , G06F18/21 , G06F18/22 , G06Q50/04 , G06F18/23 , G06F18/27
Abstract: 本发明公开了一种基于混合驱动的轮毂压铸冷却工艺参数确定方法，包括以下步骤：结合生成对抗网络思想及聚类筛选扩充原始数据集，确定待预测轮毂冷却点位流量档位初类别；用代价敏感思想改进XGBoost算法结合轮毂初类别及机理知识建立水冷却流量预测模型，使用支持向量回归机SVR建立冷却时间预测模型；根据建立的水冷却流量预测模型和冷却时间预测模型，本发明涉及汽车轮毂压铸技术领域。该基于混合驱动的轮毂压铸冷却工艺参数确定方法，通过针对各个冷却点位，利用其需要带走的热量、水比热容、水比重、冷却前后冷却水的温度差和冷却流量、冷却时间两个参数之间的热力学关系，结合机器学习思想确定轮毂压铸冷却工艺参数中的冷却水流量及其冷却时间。
-
公开(公告)号：CN116304861A
公开(公告)日：2023-06-23
申请号：CN202310108116.6
申请日：2023-02-09
Applicant: 河北工业大学
IPC: G06F18/241 , G06F18/2431 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/084 , G01M13/045
Abstract: 本发明提供了一种基于自注意力的时频特征融合故障诊断方法，属于轴承设备故障诊断的技术领域，包括下述步骤：1.对各种状态下运行的轴承采集其振动信号；2.对轴承振动信号进行数据预处理，获得振动信号的频谱，并划分训练集和测试集；3.将原始振动信号和相应频谱同时输入到模型中进行训练；4.当有新的振动数据数据时，采用相同的方法进行预处理并输入到模型中，实现故障类型的分类诊断。本发明提出一种新的时频域特征融合方法，能够学习时、频域两方面的特征，相较于依赖单一时域或频域特征的故障诊断模型具有更高的诊断精度，具有较好的理论基础和应用价值。
-
公开(公告)号：CN115344712A
公开(公告)日：2022-11-15
申请号：CN202210986757.7
申请日：2022-08-17
Applicant: 河北工业大学
IPC: G06F16/36 , G06F16/332 , G06F16/338
Abstract: 本发明提供了一种基于融合文本的碳标准知识图谱构建方法，属于知识图谱的技术领域，解决了现有技术在碳标准知识图谱构建时存在检索时实体指代不明的问题。一种基于融合文本的碳标准知识图谱构建方法，包括：数据获取，读取碳标准文件，获得非结构化文本数据；标准节点网络设计，定义知识图谱的实体、关系和属性类型；知识抽取，对获取的非结构化数据进行实体抽取、属性抽取和关系抽取；知识融合，构建混合相似度匹配的实体对齐模型(EA‑HSM)消除重复实体；知识存储，对抽取和融合后的三元组进行图数据库存储；平台展示，设计构建基于知识图谱的交互式碳标准展示平台。
-
公开(公告)号：CN111832839B
公开(公告)日：2021-04-30
申请号：CN202010723405.3
申请日：2020-07-24
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于充分增量学习的能耗预测方法，包含以下内容：对能耗数据的多维参数进行整理，提取不同轮毂的型号并用于加权核主成分分析法对样本进行有效特征提取；然后对数据分组后通过在每一轮增量学习的过程中计算并判断相似度值，按照相似度值的不同程度进行多轮增量学习，同时不断动态调整判断阈值、数据样本及权重值；最后使用误差反向传播神经网络进行能耗预测，并使用均方根误差RMSE值对预测结果进行评价。本发明验证了预测方法的有效性，最终得到的RMSE值低至0.000112，相对于其他对比方法效果最优。
-
公开(公告)号：CN115096908B
公开(公告)日：2025-05-16
申请号：CN202210696608.7
申请日：2022-06-20
Applicant: 河北工业大学
IPC: G01N21/952 , G01N21/01 , B65G15/58 , B65G37/00
Abstract: 本发明提供了一种应用于轮毂缺陷检测的装置，属于智能制造中缺陷检测领域，缓解了因为检测设备的损坏等原因导致对轮毂缺陷的误检问题。该装置包括环形传送带、轮毂检测固定座、轮毂、测距传感器、CCD工业相机、伸缩杆、旋转电机、循环轨道、检测支撑架、轮毂输入传送带、1号轮毂搬运机械手、轮毂输出传送带、2号轮毂搬运机械手；本系统对安装在传送带上的轮毂进行跟随式检测，同时对检测结果为有缺陷的轮毂进行二次换机复检，避免因为检测设备的损坏等原因导致对轮毂缺陷的误检，可以提高轮毂缺陷检测的精度，同时通过换机检测的方式进行检测设备的损坏自查，第一时间发现检测设备是否有损坏，避免出现较大的经济损失。
-
Patent Agency Ranking
公开(公告)号：CN119399223A
公开(公告)日：2025-02-07
申请号：CN202411461205.X
申请日：2024-10-18
Applicant: 河北工业大学
IPC: G06T7/11 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464
Abstract: 本发明涉及图像分割技术领域，且公开了一种基于KAN网络的医学图像分割方法，包括如下步骤：步骤一，对医学图像数据集进行数据增强与预处理，构建出训练数据集；步骤二，搭建初始网络模型；步骤三，将训练数据集输入构建的初始医学图像分割模型中进行训练，直至损失函数收敛，得到训练好的医学图像分割模型；提出的KAN通道注意力模块和KAN空间注意力模块使KAN网络替换传统MLP结构，使输入特征直接经过非线性激活函数，相比MLP，KAN网络节点数可以大大减少，降低模型复杂度，减少算力成本，本发明提出的KAN通道注意力模块可解决解码器中对于图像的过度分割问题，删除无效通道信息。本发明提出的KAN网络能有效提高医学图像分割精度。
-
公开(公告)号：CN118798321A
公开(公告)日：2024-10-18
申请号：CN202410784120.9
申请日：2024-06-18
Applicant: 河北工业大学
IPC: G06N3/098 , G06N3/084 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于公平联邦学习的表面缺陷检测方法，包括以下步骤：S1.所有工厂子端对生产数据进行采集；S2.工厂子端通过卷积神经网络生成局部检测模型；S3.工厂子端将局部检测模型参数和本地资源配置上传至中心端；S4.中心端根据工厂子端资源配置信息和局部检测模型对全局检测模型的效用影响进行贡献度评估；S5.中心端根据贡献度将局部检测模型聚合得到全局检测模型；S6.工厂子端结合全局检测模型和局部检测模型自适应生成个性化模型；S7.工厂子端上传个性化模型和自适应权重；S8.中心端根据模型贡献、模型收益和报酬贡献对报酬收益进行动态优化。
-
公开(公告)号：CN115753101A
公开(公告)日：2023-03-07
申请号：CN202210710752.1
申请日：2022-06-22
Applicant: 河北工业大学
IPC: G01M13/045
Abstract: 本发明提供了一种基于权重自适应特征融合的轴承故障诊断方法，属于工业设备故障诊断的技术领域。该方法包括：S1、利用加速度传感器采集原始故障的一维时序性振动信号，数据归一化后对数据进行分割生成原始样本；S2、将原始样本进行时频分析，分析方法为快速傅里叶变换和连续小波变换，得到原始信号的频域数据和时频域数据；S3、构建双通道特征提取模型，得到故障的频域和时频域特征。S4、提出特征自适应加权算法，自适应地为频域和时频域特征匹配不同权重，并将加权后的特征进行融合分类；S5、分类层采用Softmax函数进行多种故障信号数据的分类，实现故障信号的精确诊断。
-
公开(公告)号：CN115576267A
公开(公告)日：2023-01-06
申请号：CN202211385897.5
申请日：2022-11-07
Applicant: 河北工业大学
IPC: G05B19/404
Abstract: 本发明公开了一种基于数字孪生的轮毂机加工尺寸误差修正方法，首先构建轮毂机加工数字孪生系统，实现生产状态实时监控和机床远程控制；其次，构建加工规则知识图谱普，实现误差修正加工经验知识的沉淀与标准化；然后，提出基于差分进化的尺寸误差修正模型，计算误差修正问题最优解。本发明涉及尺寸误差修正及数字孪生技术领域。该基于数字孪生的轮毂机加工尺寸误差修正方法，通过将本发明提出的基于数字孪生的轮毂机加工尺寸误差修正方法在某轮毂机加工产线实际应用，并根据生产活动中积累的数据进行实验验证，证明该方法有效提高了机加工尺寸误差修正精准度。
-
公开(公告)号：CN114936708A
公开(公告)日：2022-08-23
申请号：CN202210650906.2
申请日：2022-06-10
Applicant: 河北工业大学
Abstract: 本发明提供了一种基于边云协同任务卸载的故障诊断优化方法及电子设备，属于工业设备故障诊断及边云协同任务卸载的技术领域，缓解了现有技术存在诊断时延偏高的问题。该方法包括：针对各诊断任务不同的容忍时延，建立边云DNN多分支的故障诊断模型；其中，故障诊断模型包括多个故障诊断模型分支，每个故障诊断模型分支由相应的DNN网络层组成；按照诊断模型结构，以层为粒度，根据FLOPs将故障诊断模型分为多个部分，每一个部分构成一个诊断任务，并建模为一个DAG；对故障诊断模型的诊断任务的卸载时延与卸载能耗进行分析，并确立任务卸载的多目标优化函数；利用APAM‑DRQN算法，求出多目标优化函数的最小解。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.028 seconds)
