-
公开(公告)号：CN108803478B
公开(公告)日：2020-01-31
申请号：CN201810617404.3
申请日：2018-06-15
Applicant: 西安电子科技大学
IPC: G05B19/19 , G05B19/408
Abstract: 本发明提出了一种航空发动机叶片加工过程退化的轮廓质量控制方法，用于解决现有航空发动机叶片加工过程轮廓质量控制精度低的问题。实现步骤为：建立航空发动机叶片多阶段加工过程退化Profile误差累积的耦合预测模型；对航空发动机叶片多阶段加工过程退化Profile误差累积的耦合预测模型进行最小二乘回归；采用提前一步预测残差方法，对发动机叶片加工过程轮廓误差进行自性关性处理；对发动机叶片加工过程节点工序k的残差方程进行最小二乘回归；建立基于聚类的T2控制图监控模型；获取航空发动机叶片加工过程退化的轮廓质量控制结果。本发明可以提高发动机叶片加工过程轮廓质量控制精度,可应用于航空工业领域中发动机叶片加工过程轮廓质量控制。
-
公开(公告)号：CN109597968A
公开(公告)日：2019-04-09
申请号：CN201811645536.3
申请日：2018-12-29
Applicant: 西安电子科技大学
Abstract: 本发明提出一种基于SMT大数据的锡膏印刷性能影响因素分析方法，解决了锡膏印刷性能影响因素分析中分析不全面、精度低的问题。实现步骤有：采集锡膏印刷参数和性能指标构建锡膏印刷数据集；用马氏距离和空值处理数据；计算特征间相关系数，过滤冗余特征；划分训练和测试样本集；随机抽取部分特征并构建随机森林模型；设定模型终止条件；以模型均方误差增加量估计特征重要度分数，并排序；确定关键影响因素子集。本发明通过随机森林特征选择结合大数据处理技术挖掘SMT锡膏印刷性能的关键影响因素，确定性能指标与印刷参数的关联，优化锡膏印刷性能，提升电路板印刷质量。用于表面贴装技术锡膏印刷过程的工艺优化和锡膏印刷性能改善。
-
公开(公告)号：CN110617074B
公开(公告)日：2020-10-09
申请号：CN201910893671.8
申请日：2019-09-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种盾构施工中地面沉降量与掘进参数的关联关系方法研究，主要解决现有技术在盾构施工大数据场景下，掘进参数建议范围值准确度不高的问题,关联关系方法研究步骤包括：对盾构施工的历史数据进行预处理；获取施工参数数据集；获取每种特征掘进参数的建议值范围；获取影响地面沉降的参数数据；对每种特征掘进参数的建议值范围进行优化；对地面沉降量进行预测。本发明整个方案设计严谨、完整，掘进参数建议范围值的准确性高，用于盾构施工过程中掘进参数的取值，保障工程质量和安全。
-
公开(公告)号：CN110543616A
公开(公告)日：2019-12-06
申请号：CN201910632492.9
申请日：2019-07-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于工业大数据的SMT锡膏印刷体积预测方法，解决了构造时间序列特征和对模型参数进行寻优的技术问题。实现包括：数据资源准备、选影响锡膏印刷体积的关键因素作特征、构造锡膏体积时间序列作为特征、提取样本数据、数据预处理、选择并优化预测算法、构建SMT焊盘锡膏印刷体积预测模型、训练并评价预测模型。本发明用AGNES算法确定RBF神经网络隐含层神经元个数和隐含层中心点，用PSO算法对AGNES算法和RBF神经网络算法中的关键参数寻优。本发明数据利用充分，数据处理高效，数据分析系统化，提高了印刷过程中的焊盘体积预测准确性，设计的预测模型为质量提供了有效的风险检测手段，用于保障SMT焊盘锡膏印刷质量。
-
公开(公告)号：CN110533071A
公开(公告)日：2019-12-03
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。
-
Patent Agency Ranking
公开(公告)号：CN110516920A
公开(公告)日：2019-11-29
申请号：CN201910718844.2
申请日：2019-08-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于指标融合的陀螺仪质量等级评估方法，解决了因指标波动误差的不稳定性给产品质量等级评估带来的评估不准确问题，实现步骤为：获取陀螺仪装配过程数据集I1；判断I1中是否存在缺失特征数据；对I1中缺失特征数据进行填充，得到完整特征数据集I2；对I2进行PCA降维，得到降维后数据集I3；对I3聚类分析，得到聚类标签L；对I2数据融合，得到融合后特征数据集；对半液浮速率陀螺仪质量等级评估；本发明对单一指标多次检测数据进行融合，并通过计算不同聚类标签所对应的融合后特征与融合后特征重要度的乘积之和，给出了一个更为精准的半液浮速率陀螺仪质量等级评估模型，用于陀螺仪质量等级评估。
-
公开(公告)号：CN108868805B
公开(公告)日：2019-11-15
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：CN110427593A
公开(公告)日：2019-11-08
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：CN110242310A
公开(公告)日：2019-09-17
申请号：CN201910517580.4
申请日：2019-06-14
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度神经网络与关联分析结合的盾构轴线纠偏方法，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：构建盾构参数数据包；计算每类盾构轴线偏差的历史纠偏数据；构建基于深度神经网络DNN的轴线偏差参数回归模型；获取每类盾构轴线偏差的历史纠偏数据区间；获取每类盾构轴线偏差的每环纠偏量区间关联的纠偏掘进数据区间；获取盾构机各环所需的纠偏量；获取每环的纠偏掘进参数推荐数值。通过深度神经网络DNN构建盾构轴线偏差参数回归模型，通过关联分析获得与每环纠偏量区间关联的纠偏掘进数据区间，通过反向圆几何计算方法获得每环纠偏量，并通过每环纠偏掘进参数推荐数值实现纠偏，有效提高了纠偏精度。
-
公开(公告)号：CN110185463A
公开(公告)日：2019-08-30
申请号：CN201910583926.0
申请日：2019-07-01
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种盾构掘进姿态的控制方法，用于解决现有技术中存在的控制精度较低的技术问题，实现步骤为：获取盾构数据包；获取b个盾构掘进初始特征数据包；对每个盾构掘进初始特征数据包进行递归特征消除；对每个盾构掘进深度特征数据包进行离散化；获取盾构掘进施工参数分析结果；对盾构掘进姿态进行控制。本发明首先通过施工参数与盾构轴线偏差之间的相关性分析和冗余施工参数的递归特征消除，保证了分析结果的客观性；其次深度挖掘施工参数与盾构轴线偏差之间的关联规则，提取数据的隐含规律，可以提高盾构掘进姿态控制的控制精度,可应用于盾构掘进姿态控制。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.042 seconds)
