一种个性化风格引导的多模态服装搭配推荐方法

    公开(公告)号:CN118657582A

    公开(公告)日:2024-09-17

    申请号:CN202410792754.9

    申请日:2024-06-19

    Applicant: 东华大学

    Abstract: 本发明涉及一种个性化风格引导的多模态服装搭配推荐方法,包括以下步骤:收集用户的历史服装搭配数据作为用户偏好数据集A,收集带有风格标签的服装搭配图像数据,为数据集B;使用数据集B微调大模型作为服装搭配风格分类网络,将数据集A中的服装搭配图像分类到不同风格类中;利用数据集A作为监督信息进行个性化风格聚类;提取特征;采用正负样本对方式学习服装的兼容性关系;计算一套服装搭配的整体兼容性,结合个性化风格特征和整体兼容性得分,优化个性化服装搭配推荐;输出个性化服装搭配推荐排名列表。解决了服装搭配推荐技术在处理用户个性化需求方面、表征多样性方面存在不足的问题,为用户提供更为精准和个性化的服装搭配建议。

    一种基于强化学习的晶圆制造系统炉管区调度方法

    公开(公告)号:CN118446475A

    公开(公告)日:2024-08-06

    申请号:CN202410602944.X

    申请日:2024-05-15

    Applicant: 东华大学

    Abstract: 本发明涉及一种车间调度技术,针对晶圆制造炉管区并行设备批处理加工过程的晶圆设备选择和批次排序与设备维护联合调度优化的问题,提出了一种基于强化学习的晶圆制造系统炉管区调度方法,以最小化最大完工时间和最小化总拖期为目标实现炉管区的组批,晶圆设备选择和批次排序与设备维护联合调度优化问题,基于PPO算法构建组批智能体,设备智能体和排序智能体,引入长短期记忆网络对炉管区调度信息进行记忆和预测,并设计一种预维护区间维护策略。抽取问题约束与优化目标的相关特征并设计奖励函数,结合在线评价‑执行机制,选出每次调度的最优行为决策。能够缩短最大完工时间,减少交货期延误,提高晶圆制造系统炉管区的生产效益。

    一种基于分形理论的骑行服织物阻力危机预测方法

    公开(公告)号:CN114707301B

    公开(公告)日:2024-06-18

    申请号:CN202210232033.3

    申请日:2022-03-09

    Abstract: 本发明涉及一种基于分形理论的骑行服织物阻力危机预测方法,包括以下步骤:根据骑行运动的状态设计风洞试验,确定每份织物的最小风阻系数,以及达到所述最小风阻系数时的雷诺数;获取所述若干份织物的表面图像,对所述若干份织物表面图像进行灰度处理,并计算经过灰度处理后的织物表面图像的分形维数;以所述织物的最小风阻系数和临界雷诺数为因变量,以所述分形维数为自变量,建立分形维数分别与织物最小风阻系数和临界雷诺数之间的拟合函数,得到织物阻力危机的预测模型;利用所述织物阻力危机的预测模型对样品进行预测。本发明实现过程简单、预测结果准确,具有较强的实用性。

    晶圆制造系统多作业区物料配送反应式协同调度优化方法及系统

    公开(公告)号:CN117787602A

    公开(公告)日:2024-03-29

    申请号:CN202311687548.3

    申请日:2023-12-08

    Applicant: 东华大学

    Abstract: 本发明提供了一种基于预测式自协同强化学习的晶圆制造系统多作业区物料配送反应式协同调度优化方法及系统,包括以下步骤:基于深度神经网络构建多作业区物料配送协同调度总回报预测模型并训练;定义与设计建立多作业区物料配送协同调度环境;构建作业区调度智能体;通过多智能体与多作业区物料配送协同调度环境进行交互形成并采集历史经验数据用以训练多智能体学习最优决策策略并最大化总回报;将晶圆多作业区调度智能体模型集成至晶圆制造系统多作业区物料配送协同调度系统。本发明通过预测式自协同强化学习方法实现晶圆制造系统多作业区物料配送协同调度优化,能够有效提升智能体协同调度性能,通过多作业区实时协同调度大大降低晶圆制造系统的生产周期和减少晶圆lot违反作业区驻留时间约束的次数。

    双弹性介质的高速低功耗细纱锭子及其智能设计优化方法

    公开(公告)号:CN115369526B

    公开(公告)日:2024-03-19

    申请号:CN202210813280.2

    申请日:2022-07-12

    Applicant: 东华大学

    Abstract: 本发明的一个技术方案是提供了一种双弹性介质的高速低功耗细纱锭子。本发明的另一个技术方案是提供了一种上述的双弹性介质的高速低功耗细纱锭子的智能设计优化方法。该高速低功耗细纱锭子包括:锭杆,上支轴承、弹性管、止推轴承、吸振卷簧、内壳体、外壳体、弹性阻尼介质和法兰座,其中,内壳体内吸振卷簧、弹性管配合润滑油与内、外壳体间的弹性阻尼介质组成双弹性介质系统,抑制细纱锭子高速振动。同时,设计多目标驱动的遗传算法优化锭子关键部位即吸振卷簧和弹性阻尼介质的结构参数,提供一种高速运转下高刚度、低振幅的细纱锭子,助力细纱机进一步提速降耗。

    一种快响应半导体封装测试车间智能调度方法及系统

    公开(公告)号:CN117434902A

    公开(公告)日:2024-01-23

    申请号:CN202311639680.7

    申请日:2023-12-01

    Applicant: 东华大学

    Abstract: 本发明涉及一种快响应半导体封装测试车间智能调度方法及系统,通过GUI模块将车间运行数据传输给瓶颈识别模块;瓶颈识别模块通过“缓冲‑瓶颈指数”瓶颈识别方法识别出所有瓶颈工序;GUI模块与瓶颈识别模块分别将车间调度数据与瓶颈工序识别结果传输给调度模块;智能调度子模块建立半导体封装测试车间瓶颈工序调度模型,并将瓶颈工序调度方案输入给规则调度子模块;规则调度子模块生成全局调度方案,并将其传输给GUI模块,安排生产。解决了半导体封装测试工厂多聚焦于某一道工序的调度工作存在工作冗余、效率低下的问题,能用于半导体封装测试车间调度,能提高车间生产效率。能够缓解与克服半导体封装测试车间出现的“瓶颈漂移”现象,提高生产效益。

    一种基于变结构动态贝叶斯网络的机械装配偏差分析方法

    公开(公告)号:CN117350106A

    公开(公告)日:2024-01-05

    申请号:CN202311235195.3

    申请日:2023-09-22

    Abstract: 本发明涉及一种基于变结构动态贝叶斯网络的机械装配偏差分析方法,包括如下步骤:将复杂机械对象装配过程划分,定义网络时间片;定义网络节点,并根据其特征分为三类节点;分析三类偏差源装配过程中所造成的应力变化,并以此表征偏差源自身变化和对设备运行的影响关系;构建变结构动态贝叶斯网络结构,利用影响系数法建立偏差源和观测点间的敏感度矩阵;确定网络各节点初始时刻的概率分布和相邻时间片各变量间的条件分布;利用变结构动态贝叶斯网络的递推推理算法对装配时偏差源进行诊断。解决了复杂机械装配运行性能不达标时难以对偏差源进行追溯的问题,通过观测节点数据利用贝叶斯网络推理算法诊断到偏差源层,并预测运行性能合格率。

    半导体器件的加工控制方法及高能粒子束光刻设备

    公开(公告)号:CN117157731A

    公开(公告)日:2023-12-01

    申请号:CN202280017326.8

    申请日:2022-10-11

    Abstract: 本发明涉及一种半导体器件的加工控制方法及高能粒子束光刻设备,所述半导体器件的加工控制方法包括:获取目标半导体器件对应的集成电路版图;将若干层集成电路子版图分别转化为预设格式的灰度图片;对灰度图片进行色相反转,获取灰度图片对应的灰度负片;根据预设的高能粒子束加工参数与灰度值之间的对应关系,获取灰度负片中各像素点对应的高能粒子束加工参数;在目标基材上依次制作相应的每一层所述材料层,并分别根据灰度负片中各像素点对应的高能粒子束加工参数,控制高能粒子束光刻设备发射高能粒子束并作用于目标基材上相应的材料层,得到目标半导体器件。相对于现有技术,本申请无需用到集成电路掩膜版,提升了雕刻效果和加工效率,降低了生产成本。

    一种基于改进的花授粉算法的工业产品装配序列规划方法

    公开(公告)号:CN117057571A

    公开(公告)日:2023-11-14

    申请号:CN202311064313.9

    申请日:2023-08-22

    Abstract: 本发明涉及一种基于改进的花授粉算法的工业产品装配序列规划方法,包括以下步骤:获取高速锭轴的各零件装配信息并建模,构建零件的干涉矩阵、装配优先关系矩阵和装配工具矩阵;建立装配方向改变次数、装配工具改变次数和高速锭轴的同轴度以及高速锭轴的平行度评价指标,构建优化目标评价体系的目标函数;改进花授粉算法:在算法每一次迭代之前,对种群中的个体进行突变操作,从局部授粉生成的花粉中利用部分匹配交叉运算;输出最优的高速锭轴装配序列。解决了工业产品装配序列规划中花授粉算法求解离散空间域能力弱、容易陷入局部最优、求解效率低等问题,实现最优装配序列的快速求解,从而降低工业产品的产品生产效率和制造成本,提高装配质量。

    融合时域特性的纺纱时序数据模糊层次聚类分析方法

    公开(公告)号:CN116662836A

    公开(公告)日:2023-08-29

    申请号:CN202310409218.1

    申请日:2023-04-14

    Applicant: 东华大学

    Abstract: 本发明的目的是对纺纱车间运行过程中产生的噪声大、时域特征明显的纺纱时序数据,通过融合时域特点的模糊层次聚类纺纱时序数据分析方法,减少分类过程中的噪声的影响,考虑其中的时域特点和噪声影响,解决对纺纱时序数据流处理的准确性问题。本发明的技术方案是提供了一种融合时域特性的纺纱时序数据模糊层次聚类分析方法。本发明提出了融合时域特点的模糊层次聚类纺纱时序数据分析方法,通过DTS特征矩阵与MTS特征矩阵相互迭代,考虑纺纱时序数据中的时域特点和噪声影响,不增加时间复杂度的情况下,在迭代过程中考虑了纺纱时序数据中的时频特点和噪声影响。与最新方法相比,本发明方法能够更准确地处理纺纱制造中新产生的时序性数据。

Patent Agency Ranking