公开(公告)号：CN118195236A

公开(公告)日：2024-06-14

申请号：CN202410350391.3

申请日：2024-03-25

Applicant: 南京理工大学

Inventor： 童一飞 ,  杨开伟 ,  王淼 ,  高书健

IPC: G06Q10/0631 ,  G06Q50/04 ,  G06N3/126

Abstract: 本发明公开了一种矩阵式制造系统的制造单元划分方法，涉及矩阵式制造系统领域。包括以下步骤：根据订单确定产品综合工艺路线；根据各道工序对应的制造资源，形成产品各道综合工序对应的制造模块；确定决策变量，并根据车间情况确定制造单元划分的优化目标和约束条件，构建制造单元划分模型；基于改进遗传算法求解制造单元划分模型，计算最佳的制造单元数量和配置方案，得到制造单元划分方案。本发明有助于合理、高效地帮助企业规划设计矩阵式制造系统的制造单元。

公开(公告)号：CN118115043A

公开(公告)日：2024-05-31

申请号：CN202410354299.4

申请日：2024-03-26

Applicant: 南京理工大学

Inventor： 王淼 ,  童一飞 ,  高书健 ,  杨开伟 ,  焦轶 ,  张海辉 ,  高伊琳 ,  夏泽睿

IPC: G06Q10/0639 ,  G06Q10/083 ,  G06Q50/04

Abstract: 本发明公开了一种基于系统动力学的矩阵式制造系统性能评估方法，应用于矩阵式制造系统领域，包括：基于矩阵式制造车间的整体结构、运行逻辑以及变动性因素，分析各产品的装配、调测以及检验工序，并定义各产线，得到产品工艺路线；基于产品工艺路线，分析产线特性，定义流量、存量以及辅助变量，依次构建矩阵式制造系统的刚性线、柔性线以及离散线的动力学存量流量模型；基于动力学存量流量模型，构建性能指标评估模型，并通过改变矩阵式制造系统中不同变动因素的变量分布的形式，采用性能指标评估模型对矩阵式制造系统进行性能评价。本发明提出了一种合理、高效的矩阵式制造系统性能评价理论体系，实现了对矩阵式制造系统科学而全面的性能评价。

公开(公告)号：CN115417284A

公开(公告)日：2022-12-02

申请号：CN202210895236.0

申请日：2022-07-26

Applicant: 南京理工大学

Inventor： 陈坚豪 ,  张壮壮 ,  童一飞 ,  杨开伟

IPC: B66B29/00 ,  B66B27/00 ,  B66B5/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于深度自编码器的自动扶梯故障识别与预警方法，具体方法包括通过振动传感器采集自动扶梯梯级与驱动装置的加速度数据，获取原始数据并打标签；将原始数据通过滑动窗口聚合；将聚合后的数据输入到深度自编码器中，模型将保存模型提取的数据特征，并输出故障识别结果。将模型提取的数据特征作为t‑SNE算法的输入，t‑SNE算法输出数据特征的二维或三维可视化结果。本方法可对自动扶梯故障进行诊断并将故障数据可视化。

公开(公告)号：CN114529040A

公开(公告)日：2022-05-24

申请号：CN202210004705.5

申请日：2022-01-05

Applicant: 南京理工大学

Inventor： 童一飞 ,  周彤 ,  王淼 ,  杨开伟

IPC: G06Q10/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提出了一种基于自编码器与Boosting‑OSKELM算法的机电产品装配误差在线预测方法，首先针对某一道装配工序，结合其装配工艺与装配误差历史装配数据，构建相应样本数据集；其次基于带有Fine‑Tuning技巧的自编码器对每个样本点的输入工艺数据进行降维，降维后的工艺数据与原装配误差数据组成新的降阶表征数据；接着将降维后的工艺数据输入至Boosting‑KELM模型中，结合在测试集上的预测性能，确定核函数的提升顺序以及对应的超参数；最后根据在线贯序核极限学习机的增量学习递推公式，形成Boosting‑OSKELM模型，从而实现装配误差的在线预测。本方法可对机电产品的装配误差进行在线预测。

公开(公告)号：CN113627731A

公开(公告)日：2021-11-09

申请号：CN202110783947.4

申请日：2021-07-12

Applicant: 南京理工大学

Inventor： 童一飞 ,  葛志浩 ,  张壮壮 ,  杨开伟

IPC: G06Q10/06 ,  G06K9/62 ,  G06N3/00

Abstract: 本发明提出了一种基于SOM‑熵值算法的起重机械能效评价方法，首先进行起重机械能耗数据粗聚类，得到粗聚类结果和粗聚类中心；其次基于粒子群算法将通过粗聚类产生的样本各聚类中心作为粒子群算法的输入样本进行二次聚类，得到新的聚类结果；接着基于熵值法将通过粗聚类产生的样本各聚类中心的起升机构单位工作量能耗、小车运行机构单位工作量能耗和大车运行机构单位工作量能耗等数据，计算熵值和权重；然后使用线性加权计算桥式起重机综合能耗分数并结合通过粒子群算法得到的二次聚类结果，对桥式起重机的能耗等级进行划分；最后对于未知的起重机能耗等级，通过计算聚类中心的欧式距离判定该起重机的能耗等级。本方法可对起重机能耗进行分级。

公开(公告)号：CN113379225A

公开(公告)日：2021-09-10

申请号：CN202110631876.6

申请日：2021-06-07

Applicant: 南京理工大学

Inventor： 杨开伟 ,  张壮壮 ,  赵雅楠 ,  童一飞

IPC: G06Q10/06 ,  G06Q50/04 ,  G06N3/12

Abstract: 本发明提出了一种基于矩阵编码遗传算法的作业调度方法，首先使用矩阵编码，用一个n×m的矩阵来对种群中的个体进行编码；然后进行种群初始化，在一定约束条件下，给种群中每个个体的元素随机赋一个实数值；再计算适应度函数为使产品最大装配完成时间最小的函数值。若满足终止条件，则将适应度值最小的个体编码矩阵进行解码并输出产品装配方案；否则，进行选择、交叉、变异等遗传操作并生成新种群来重新计算适应度值，直到满足终止条件。本发明可以得到合理、可靠的产品装配方案，基于矩阵编码的遗传算法实现方法简便、计算效率高，可改善目前作业调度方法实现复杂和效率低下等情况。