公开(公告)号：CN111967489B

公开(公告)日：2023-06-06

申请号：CN202010601588.1

申请日：2020-06-28

Applicant: 北京理工大学

Inventor： 张发平 ,  张家伦 ,  阎艳 ,  武锴 ,  张云贺 ,  李伊

IPC: G06F18/22 ,  G06F18/214 ,  G06F18/2135 ,  G06Q10/0639 ,  G06Q50/04

Abstract: 本发明公开的一种基于质量数据流形特征的制造过程异常监测方法，属于制造过程监控领域。本发明利用传感设备获取训练过程数据，考虑寻求数据方差最大低维表征，获取训练过程数据集的全局特征矩阵G；考虑局部结构的保持，利用基于流形距离的K近邻法划分邻域，获取训练过程数据集的局部特征矩阵L，将全局特征与局部特征相融合，获得降维矩阵P。融合机理模型与测量数据获得过程数据参考值后构建过程数据残差，根据过程数据残差计算监测统计量及其控制限。当发现异常后，结合预设的已知异常模式下的监测统计量，利用贝叶斯推断确定异常模式，实现异常分离，即基于质量数据流形特征实现制造过程异常监测。本发明具备客观性更强、准确性更高、更全面的优点。

公开(公告)号：CN111967489A

公开(公告)日：2020-11-20

申请号：CN202010601588.1

申请日：2020-06-28

Applicant: 北京理工大学

Inventor： 张发平 ,  张家伦 ,  阎艳 ,  武锴 ,  张云贺 ,  李伊

IPC: G06K9/62 ,  G06Q10/06 ,  G06Q50/04

Abstract: 本发明公开的一种基于质量数据流形特征的制造过程异常监测方法，属于制造过程监控领域。本发明利用传感设备获取训练过程数据，考虑寻求数据方差最大低维表征，获取训练过程数据集的全局特征矩阵G；考虑局部结构的保持，利用基于流形距离的K近邻法划分邻域，获取训练过程数据集的局部特征矩阵L，将全局特征与局部特征相融合，获得降维矩阵P。融合机理模型与测量数据获得过程数据参考值后构建过程数据残差，根据过程数据残差计算监测统计量及其控制限。当发现异常后，结合预设的已知异常模式下的监测统计量，利用贝叶斯推断确定异常模式，实现异常分离，即基于质量数据流形特征实现制造过程异常监测。本发明具备客观性更强、准确性更高、更全面的优点。

公开(公告)号：CN110765560A

公开(公告)日：2020-02-07

申请号：CN201911070863.5

申请日：2019-11-05

Applicant: 北京理工大学

Inventor： 张云贺 ,  张发平 ,  王武宏 ,  李伊 ,  武锴

IPC: G06F30/17 ,  G06F30/20 ,  G06F17/14

Abstract: 本发明涉及一种基于时变阻尼机械机构振动预测方法，属于机械振动领域。本发明通过小波变换理论建立以阻尼系数为变量的阻尼模型，通过仿真分析能够准确的预测系统模型运动过程中的变化规律，并能够得到对应时刻的阻尼模型以及动力学参数。解决的常规方法无法准确获取阻尼参数随时间变化的规律，为动力学运动情况的分析和预测提供一种理论方法。