-
公开(公告)号：CN110533278A
公开(公告)日：2019-12-03
申请号：CN201910635333.4
申请日：2019-07-15
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于粒子群优化算法的SMT产线检测阈值设定方法，用于解决现有技术中存在的因为SMT产线的检测阈值设定不合理导致的产品合格率较低的技术问题，实现步骤为：获取关联数据表，然后获取阈值设定数据表，采用粒子群优化算法计算设定阈值，最后获取最优阈值。本发明利用SMT产线的生产数据，并将SMT产线上SPI锡膏检测仪的检测合格率用于计算粒子群优化算法中的个体适应度，通过粒子群优化算法的迭代之后，能够获得的多组检测阈值能提高SPI锡膏检测仪的检测合格率，从而提高SMT产线的产品合格率，并且降低了获取到的多组检测阈值全部不满足生产工艺要求的风险。
-
公开(公告)号：CN110533065A
公开(公告)日：2019-12-03
申请号：CN201910647803.9
申请日：2019-07-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自编码特征和深度学习回归模型的盾构姿态预测方法，其主要步骤是：(1)采集数据；(2)预处理；(3)生成训练样本和测试样本；(4)构建自编码器和构建深度学习回归模型；(5)提取额数据特征；(6)训练深度学习回归模型；(7)预测盾构姿态。本发明结合了盾构机掘进过程中设备参数信息，能够利用参数信息来体现盾构姿态，并且避免了繁琐的求解过程，提高了对盾构姿态变化的反应时间，具有高效的数据分析能力，可以为施工操作人员提供参考和调整依据，保障施工质量。
-
公开(公告)号：CN108868805A
公开(公告)日：2018-11-23
申请号：CN201810583493.4
申请日：2018-06-08
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于统计分析与XGboost结合的盾构纠偏方法，用于解决现有技术中存在的纠偏精度较低的技术问题，实现步骤为：获取盾构参数数据包；获取训练集数据和测试集数据；获取基于XGboost的盾构姿态参数回归模型；获取多组掘进样本数据；对盾构机姿态进行纠偏。通过统计分析，将姿态参数值划分为多个区间，并且对每个区间掘进数据通过XGboost所建立的回归模型进行计算，得到每组包含多条盾构数据的多组数据，使得每个区间给出一组盾构参考数据，给多环纠偏时参数设置提供依据，通过基于XGboost所拟合的回归模型，有效提高了所给出的盾构参考数据的准确性，进而提高了掘进纠偏的准确度。
-
公开(公告)号：CN107273588A
公开(公告)日：2017-10-20
申请号：CN201710388843.7
申请日：2017-05-25
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种盾构机盾体装配序列的规划系统及方法，旨在降低盾构机盾体装配序列规划的复杂度，获取最大限度满足用户需求的装配序列。系统包括与数据库连接的装配资源管理模块、装配序列规划模块和虚拟装配仿真模块，其中，装配资源管理模块存储盾构机盾体装配序列规划所需的资源，装配序列规划模块存储盾构机待装配盾体装配序列规划所需的各种信息，利用离散粒子群万有引力搜索算法，计算并选取盾构机盾体零部件装配序列的预规划结果，虚拟装配仿真模块对该预规划结果的可行性进行验证，确定盾构机待装配盾体零部件装配序列的规划并输出。本发明的规划系统灵活，装配序列规划的复杂度低。
-
公开(公告)号：CN119624936A
公开(公告)日：2025-03-14
申请号：CN202411791169.3
申请日：2024-12-06
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于定量分析的光纤陀螺装配过程图像缺陷自动检测方法，实现步骤为：获取训练样本集和测试样本集；定义光纤陀螺装配过程图像缺陷检测网络模型O的损失函数并对图像缺陷检测网络模型进行迭代训练；基于定量分析自动获取光纤陀螺装配过程的缺陷检测结果。本发明通过EIOU损失函数计算位置框信息的损失值，能够分别计算预测位置框信息与真实位置框信息的宽、高差异，使得预测位置框信息与真实位置框信息的宽度和高度之差最小，提高了检测精度，且通过对训练好的图像缺陷检测网络模型的输出中的缺陷位置框信息自动进行定量分析，提供了更为精细和具体的检测结果信息。
-
Patent Agency Ranking
公开(公告)号：CN115033800B
公开(公告)日：2024-07-26
申请号：CN202210806187.9
申请日：2022-07-08
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06F16/36
Abstract: 本发明提出了一种基于知识图谱的数控加工刀具推荐方法，可用于数控加工刀具的精确推荐，实现步骤为：对数控加工原始数据进行预处理；构建数控加工的本体模型；构建数控加工的知识图谱；构建数控加工单向加权知识图谱；获取数控加工刀具的推荐结果。本发明通过数控加工的本体模型构建数控加工的知识图谱，并通过该知识图谱所构建的数控加工单向加权知识图谱，使用PPR算法计算刀具节点与待加工零件节点的相关度，再将相关度最高的刀具节点作为推荐的刀具，充分考虑了刀具几何参数在刀具推荐过程中的影响，有效提高了刀具推荐的准确度。
-
公开(公告)号：CN116520772A
公开(公告)日：2023-08-01
申请号：CN202310596101.9
申请日：2023-05-24
Applicant: 西安电子科技大学
IPC: G05B19/408
Abstract: 一种基于多任务迁移学习的薄板零件数控加工质量预测方法，先形成数控加工的原始加工特征数据集集合D，对集合D内每个数据集进行预处理；针对预处理后的特征数据集集合D′，选择分布差异小的源域和目标域进行迁移，对选择的源域和目标域数据集进行训练集和测试集划分；再构建多任务特征提取的共享层网络E；然后构建基于动态分布自适应的任务专有层网络L；最后动态调整每个任务总损失的权重，完成多任务迁移学习模型R构建；本发明实现未知工况下的质量预测与并行输出多个质量指标的预测结果，多质量指标并行输出的结果精度高，质量预测的迁移效果可靠性高。
-
公开(公告)号：CN110427593B
公开(公告)日：2022-12-02
申请号：CN201910632485.9
申请日：2019-07-13
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于工业大数据的SMT印刷参数优化方法，旨在提高印刷参数优化效率，实现步骤为：获取包括印刷机设定数据和SPI检测结果数据的工业大数据集；对工业大数据集进行预处理；计算出每组印刷参数对应的锡膏体积区间、面积区间和高度区间，印刷参数数据和锡膏区间数据组成锡膏区间数据集；采用DE算法优化BP神经网络的初始权值、初始阈值和隐藏层节点数目，用锡膏区间数据集训练优化后的BP神经网络，构建每组印刷参数对应的锡膏区间的预测模型；设计印刷参数的正交表，通过预测模型获取正交表的最优水平组合作为最优的印刷参数。
-
公开(公告)号：CN110533071B
公开(公告)日：2022-03-22
申请号：CN201910688024.3
申请日：2019-07-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自编码器和集成学习的SMT生产追溯方法，本发明具体步骤如下：(1)构建自编码器；(2)获取SPI缺陷追溯数据集；(3)对SPI缺陷追溯数据集进行归一化处理；(4)训练自编码器；(5)使用集成学习方法获得分类树集合；(6)获得SPI生产追溯序列。本发明将归一化后的SPI缺陷追溯数据集输入到训练好的自编码器，生成分类数据集，使用集成学习的方法训练分类树，遍历训练好的分类树，获得SMT生产追溯序列，定位导致产品缺陷的关键因素，提升了SMT生产追溯的准确率。
-
公开(公告)号：CN108985340B
公开(公告)日：2021-06-01
申请号：CN201810650131.2
申请日：2018-06-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于大数据分析的盾构施工地面沉降预测方法，主要解决现有技术在盾构施工大数据场景下，地面沉降进行预测精度不高的问题,预测方法步骤包括：数据预处理；获取影响地面沉降的参数数据；建立沉降预测模型；对预测模型的参数进行优化；利用最优参数重新训练模型；模型融合；获取实时地面沉降量数据。本发明整个方案设计严谨、完整，地面沉降量预测的效率和准确性高，用于地铁施工地面沉降预测，保障工程质量和安全。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.029 seconds)
