-
公开(公告)号：CN110083804A
公开(公告)日：2019-08-02
申请号：CN201910333754.1
申请日：2019-04-24
Applicant: 华中科技大学无锡研究院
IPC: G06F17/18
Abstract: 本发明提供一种基于条件分布回归的风电场SCADA数据缺失的智能修复方法，包括以下步骤：选择两个相关的传感器数据，其中一个为条件数据X，另一个为待修复数据Y；建立散点图；去除散点图中采样点的异常点；计算条件数据X中最大值与最小值的差值，求得条件数据X的分布范围，对数据等分为数十段；根据一段数据中待修复数据Y的条件分布集中度，决定是否舍弃该段，若数据集中，则保留，并将一段数据中Y中位数对应的采样点作为该段的代表点，若数据分散则舍弃该段；对于所有选出的代表点，将相邻的代表点进行线性插补；然后根据线性插补后X-Y的函数关系进行映射。本发明解决了现有方法修复精度低，计算量较大的问题。
-
公开(公告)号：CN110070132A
公开(公告)日：2019-07-30
申请号：CN201910334163.6
申请日：2019-04-24
Applicant: 华中科技大学无锡研究院
IPC: G06K9/62
Abstract: 本发明提供一种风电场SCADA系统缺失数据修复结果的修正补偿方法，包括以下步骤：步骤S1，数据预处理：选择两种存在映射关系的修复后的传感器数据，提取他们同时缺失情况下的修复值；步骤S2，从这些修复值对应的点中选出不符合映射关系的点并形成异常点集合A和映射点集B；步骤S3，根据映射点集B，从A中（xA，yA）映射得到的xA’，yA’；步骤S4，根据xA’、yA’，修正补偿xA和yA；步骤S5，判断x与y是否为线性相关，如果是则结束，否则返回步骤S2迭代一次或多次后结束。本发明最终实现对传感器缺失数据修复结果的修正补偿。本发明涉及的方法能够提高缺失数据的修复准确度。
-
公开(公告)号：CN110058971A
公开(公告)日：2019-07-26
申请号：CN201910333761.1
申请日：2019-04-24
Applicant: 华中科技大学无锡研究院
Abstract: 本发明提供一种风电场SCADA数据缺失的智能修复方法，包括以下步骤：对于待修复机组数据a，选出相应的多列辅助修复机组数据B；选择辅助修复机组数据B中与a相关性最大的多列辅助修复机组数据C；判断待修复机组数据a和所述多列辅助修复机组数据C的方差差异，若超过设定阈值则对a和C进行标准化；对C进行基线补偿；对于以上步骤得到的辅助修复机组数据C，选择C中与待修复机组数据a平均绝对误差最小的多列机组数据D；对上述多列机组数据D进行组编筛选，得到最接近均值的多列机组数据D′；对多列机组数据D′进行中值滤波；对多列机组数据D′求每个时刻的均值。本发明能高效准确地对缺失数据进行智能修复，且效率高，鲁棒性强。
-
公开(公告)号：CN108296533A
公开(公告)日：2018-07-20
申请号：CN201810097067.X
申请日：2018-01-31
Applicant: 华中科技大学无锡研究院
Abstract: 本发明提供一种配重叶片双工位铣削加工找正方法，包括以下步骤：步骤S1，在加工中心的A轴过渡盘上安装夹具，夹具体的装夹基准面朝Z轴正向，并测量夹具体上装夹基准面的跳动，同时不断调整A轴角度，直至该基准面跳动在设定阈值以内；步骤S2，在夹具体的第一工位上安装好叶片第一毛坯；步骤S3，完成第一工位上叶根特征加工；步骤S4，将步骤S3完成加工后的叶片第二毛坯拆卸后装夹在夹具体的第二工位上；步骤S5，使用线测量探头，进行第二工位自动找正；步骤S6，完成找正后，用变换加工坐标系后的程序完成叶片型面及叶型与叶根转接面的加工。该方法具有找正精度高，效率高和成本低的特点。
-
公开(公告)号：CN105252233B
公开(公告)日：2017-09-05
申请号：CN201510800087.5
申请日：2015-11-19
Applicant: 华中科技大学无锡研究院
IPC: B23P15/02
Abstract: 本发明公开了一种航空发动机高温合金配重叶片加工方法，该加工方法包括以下步骤：1)线切割叶根榫槽：采用线切割加工方式去除配重叶片毛坯的榫槽部分绝大部分余量；2)铣削加工叶根及叶型：将经过线切割去除榫槽余量后的毛坯叶根朝上竖直装夹在双转台五轴联动加工中心上；然后采用端铣刀粗精加工叶根端面、内弧径向面、背弧径向面、进汽侧面和出汽侧面；采用仿形铣刀加工进汽边榫槽和出汽边榫槽，最后粗、半精、精加工叶根与叶型的转接面及叶片型面；3)线切割叶冠。上述配重叶片加工方法减少了装夹次数、工装数量及刀具种类，同时合理安排加工工序，保证加工的可靠性，既保证了加工精度，又提高了加工效率同时还降低了生产成本。
-
Patent Agency Ranking
公开(公告)号：CN105252389A
公开(公告)日：2016-01-20
申请号：CN201510587611.5
申请日：2015-09-15
Applicant: 华中科技大学无锡研究院
CPC classification number: B24B21/18 , B24B21/165 , B24B21/20
Abstract: 本发明公开了一种机器人砂带磨削机的自动换轮机构，其包括支撑板、换轮组件和张紧组件，所述换轮组件包括接触轮支架和驱动轮，所述接触轮支架上安装有至少三个不同直径大小的接触轮，各个接触轮顶端与所述接触轮支架中心的距离相等，所述接触轮支架由第一驱动电机提供动力，所述驱动轮由第二驱动电机提供动力，砂带套于所述驱动轮和各个接触轮之上，所述张紧组件包括对应设置于所述砂带上下方的两个张紧气缸，所述两个张紧气缸均连接有一张紧轮，该两个张紧轮均抵靠于所述砂带上，且所述支撑板设置有用于对接触轮支架进行的定位的限位组件。上述自动换轮机构能适合叶片不同曲率部位加工的可达性，兼顾加工效率和磨抛质量。
-
公开(公告)号：CN105252233A
公开(公告)日：2016-01-20
申请号：CN201510800087.5
申请日：2015-11-19
Applicant: 华中科技大学无锡研究院
IPC: B23P15/02
Abstract: 本发明公开了一种航空发动机高温合金配重叶片加工方法，该加工方法包括以下步骤：1)线切割叶根榫槽：采用线切割加工方式去除配重叶片毛坯的榫槽部分绝大部分余量；2)铣削加工叶根及叶型：将经过线切割去除榫槽余量后的毛坯叶根朝上竖直装夹在双转台五轴联动加工中心上；然后采用端铣刀粗精加工叶根端面、内弧径向面、背弧径向面、进汽侧面和出汽侧面；采用仿形铣刀加工进汽边榫槽和出汽边榫槽，最后粗、半精、精加工叶根与叶型的转接面及叶片型面；3)线切割叶冠。上述配重叶片加工方法减少了装夹次数、工装数量及刀具种类，同时合理安排加工工序，保证加工的可靠性，既保证了加工精度，又提高了加工效率同时还降低了生产成本。
-
公开(公告)号：CN104181865A
公开(公告)日：2014-12-03
申请号：CN201410432722.4
申请日：2014-08-27
Applicant: 华中科技大学无锡研究院
IPC: G05B19/4093
Abstract: 本发明公开一种整体叶轮粗加工环形走刀路径规划方法，该方法将现有双边偏置的走刀方式改为垂直于叶轮轴向的走刀方式，且每条垂直于叶轮轴向的横向切削路径通过圆弧进退刀连接形成一个环形切削路径，一层粗加工路径由多个环形切削路径组成。本发明通过合理规划加工走刀路径，缩短刀路总长度，解决了传统整体叶轮开粗方法中存在的加工刀路冗余导致加工效率低的问题。
-
公开(公告)号：CN118143926A
公开(公告)日：2024-06-07
申请号：CN202311430534.3
申请日：2023-10-27
Applicant: 华中科技大学 , 华中科技大学无锡研究院
IPC: B25J9/16
Abstract: 本发明公开了一种机器人几何参数标定的混合优化辨识方法及系统，包括：搭建机器人测量系统，规划机器人的工作空间，基于机器人测量系统和工作空间采集机器人运动样本数据；基于机器人的结构，构建第一运动学模型，根据第一运动学模型和微分运动学理论建立运动学误差模型；基于运动学误差模型建立参数辨识优化模型，基于拟牛顿与LMF混合迭代算法和交叉验证方法，确定参数辨识优化模型的优化参数；基于优化参数和第一运动学模型得到第二运动学模型。本发明可极大提升机器人末端绝对位置精度和运动学模型的鲁棒性。
-
公开(公告)号：CN111832221B
公开(公告)日：2023-09-26
申请号：CN202010579479.4
申请日：2020-06-23
Applicant: 华中科技大学无锡研究院
IPC: G06F30/27 , G06F18/2113 , G06F18/214 , G06F18/27 , G01R31/36 , G01R31/367 , G01R31/387 , G01R31/392 , G06F119/04
Abstract: 本发明提供一种基于特征筛选的锂电池寿命预测方法，包括以下步骤：步骤S1，将采集的锂电池数据划分为训练集和测试集；训练集和测试集中均包括多个样本；步骤S2，对训练集和测试集中的锂电池样本的前m个充放电循环中放电SOC进行两两不重复相减；m>20；步骤S3，将每个锂电池的SOC相减结果求得方差，得到每个锂电池的特征；步骤S4，将训练集中训练样本的特征和寿命输入到带有ARD的高斯过程回归模型进行模型训练；步骤S5，将所述训练的模型的稀疏特征权重进行可视化；步骤S6，将测试集中的样本的特征输入到训练模型中进行寿命预测。本发明能够自动提取高相关性特征，使得锂电池寿命预测更准确。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.01 seconds)
