-
公开(公告)号:CN110209131A
公开(公告)日:2019-09-06
申请号:CN201910375901.1
申请日:2019-05-07
Applicant: 西安交通大学
IPC: G05B19/418
Abstract: 本发明公开一种基于误差传递网络与提升树算法的质量预测方法,建立基于零件加工特征和加工要素的制造资源关系网络;构建制造资源关系网络与质量子网络合并的多工序误差传递网络;确定质量预测模型的输入和输出特征,构建基于误差传递网络与提升树算法的质量预测模型;利用粒子群和网格搜索算法分别对超参数进行优化;建立模型准确率和成熟度的评价指标;利用蒙特卡洛方法生成的生产现场仿真数据,推测产品合格率。本发明实现了产品生产过程的可视化建模,设计了一种预测能力稳定,参数便于优化,效率和准确率高的质量预测方法,解决了企业对产品质量的精准预测,对加工质量做到提前预防与控制,有助于企业质量损失的降低和经济效益的提高。
-
公开(公告)号:CN109271841A
公开(公告)日:2019-01-25
申请号:CN201810827105.2
申请日:2018-07-25
Applicant: 西安交通大学
IPC: G06K9/00
Abstract: 本发明公开了发明基于局部投影与小波包分解的机电系统信号组合降噪方法,首先利用互信息法和Cao方法计算时间序列最佳延迟时间和最佳嵌入维数,重构出时间序列的高维相空间,先利用递归图方法计算合适的邻域半径,采用局部投影方法对相空间流形结构进行多次修复,并根据关联维数的变化来判别最佳的修复效果,同时在局部投影降噪的基础上采用小波包降噪方法从频域进行降噪,抑制高频噪声干扰,得到较为光滑的流形曲线,取得更好的降噪效果。本方法同时兼顾了动力学系统流形结构的修复和频域的降噪,对于信噪比为5-25dB的中高强度噪声有很好的降噪效果,本方法对于中高强度噪声的抑制优势,可以得到较好的发挥。
-
公开(公告)号:CN111080074B
公开(公告)日:2022-07-12
申请号:CN201911151341.8
申请日:2019-11-21
Applicant: 西安交通大学
IPC: G06Q10/06 , G06F30/20 , G06F119/14
Abstract: 本发明公开了基于网络多特征关联的系统服役安全态势要素获取方法,属于复杂机电系统服役安全分析领域,首先利用表征网络节点特征的点强度和最短路径长度等提取系统的局部态势特征;在此基础上利用与其节点特征紧密关联的网络结构熵,网络效率等网络多维特征的定量描述用于实际复杂机电系统服役安全的全局态势特征提取;最后,依据特征异常信息,利用多维特征的关联性和互补性,进行反向推理获取影响系统安全服役的态势要素,包括系统风险节点和风险路径等,形成清晰展现系统服役安全态势的风险传递网络,为系统的服役安全管控提供决策依据。
-
公开(公告)号:CN111310284B
公开(公告)日:2022-06-07
申请号:CN202010066216.3
申请日:2020-01-20
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于复杂网络的复杂机械产品装配建模方法,综合考虑了装配零件层和装配特征层两个层级的信息,建立一种双层结构模型,从而弥补了传统装配模型仅侧重单一层级的不足,扩展了复杂机械产品装配模型的表达能力;引入复杂网络理论,更加清晰地表达出复杂机械产品的拓扑结构和统计特性,有利于进一步开展后续研究工作;采用模糊层次分析法对零件间的关联关系进行加权,与传统的专家打分法相比,有效提高了结果的客观性;采用改进的连边社团检测算法对零件级网络进行社团划分,考虑了零件间关联关系的强度,提高了零件级网络的层次性,同时降低了特征级网络的建模难度,而且更便于特征级开展后续的分析工作。本发明具有较强的扩展能力,提供了一个较为完备的分析平台。
-
公开(公告)号:CN114330965A
公开(公告)日:2022-04-12
申请号:CN202111204303.1
申请日:2021-10-15
Applicant: 西安交通大学
IPC: G06Q10/06 , G06Q50/02 , G06N5/02 , G06F40/242 , G06F40/279
Abstract: 本发明公开了一种基于知识图谱的非API石油专用管QI体系构建方法,本发明首先构建知识图谱类层次结构,再收集处理非API石油专用管QI数据,构建停用词典和领域专业词典,再对处理后的数据进行实体识别,根据知识图谱类层次结构的关系,作为对应实体间的关系,挖掘实体之间的隐藏关系,作为知识图谱的边的补充,完善非API石油专用管QI知识图谱,完成构建,本发明构建的非API石油专用管QI体系能够为石油专用管企业设计新产品以及为现有产品的质量保障与优化优化与改进提供指导意见,有效的提高了非API石油专用管的质量水平,降低了石油专用管的服役风险,为提高油气井服役寿命,保障国民经济效益发展具有重要意义。
-
公开(公告)号:CN108681524A
公开(公告)日:2018-10-19
申请号:CN201810415701.X
申请日:2018-05-03
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于混合进化算法的自由曲线轮廓度误差评定方法,该方法是基于最小二乘法、结合非均匀有理B样条插值函数和多维混合进化算法的用于自由曲线轮廓度误差评定的数据处理方法。本发明采用并行自适应权重的粒子群算法和基于DC的小生境遗传算法的混合进化算法,依据最小二乘法准则实现实测坐标系与理论坐标系的自适应调整,并将位置误差从轮廓度误差剔除,这种方法不用预设初值,避免了预设初值对最后位置误差结果的影响,加快了优化算法的收敛速度,提高了优化算法在局部寻优的能力,避免了全局搜索时容易陷入局部最优,并将位置误差从轮廓度误差结果中剔除出来,以保证评定线轮廓度误差的精度。
-
公开(公告)号:CN108133090A
公开(公告)日:2018-06-08
申请号:CN201711332578.7
申请日:2017-12-13
Applicant: 西安交通大学
Abstract: 本发明公开了一种可靠性敏感度驱动的高端复杂装备可靠性分析方法,以复杂装备故障模式、零部件、失效原因和可靠性指标体系为基础,将故障模式间、失效原因间的关联关系综合纳入复杂装备可靠性分析模型,弥补了传统可靠性分析模型仅侧重功能拓扑结构的不足,扩展了复杂装备可靠性模型的表达能力;以可靠性指标对系统整体可靠性影响的敏感度作为分析系统可靠性波动的动因,减少了可靠性分析过程中的人为因素,降低了可靠性分析过程中的人为不确定性,有效提高了复杂装备可靠性分析的客观性和精准度。
-
公开(公告)号:CN104700200B
公开(公告)日:2018-03-16
申请号:CN201410797712.0
申请日:2014-12-18
Applicant: 西安交通大学
IPC: G06Q10/06
Abstract: 一种面向数字化车间的产品多元质量监控方法,先构建了一套适合数字化车间的质量信息采集方案;再构建了面向数字化车间的质量控制与改进模型,具体为针对机加车间关键产品关键工序的多质量特性进行了基于改进主成分分析方法的多元过程能力分析;针对多元统计控制控制图难以对过程异常进行诊断定位问题,提出利用主成分分析技术实现多元质量控制与诊断;本发明可使车间对于关键产品的关键工序的质量保证能力进行量化的评估,并在出现质量问题时及时定位质量问题产生的源头,从而避免了进一步的成本损失。
-
公开(公告)号:CN107273920A
公开(公告)日:2017-10-20
申请号:CN201710392661.7
申请日:2017-05-27
Applicant: 西安交通大学
CPC classification number: G06K9/6282 , G01R11/50 , G01R22/00
Abstract: 本发明公开了一种基于随机森林的非侵入式家用电器识别方法,目的在于,在不侵入家庭用户内部的情况下,实现对家庭内部用电情况的监测,识别速度快,准确率高,所采用的技术方案为:建立负荷特征数据库,将特征数据库中存储的负荷特征作为原始训练集,从原始训练集中生成N个训练子集,并将生成的N个决策树组合成随机森林,通过对不同决策树叶节点权重的优化完成随机森林的训练过程,利用二次检测算法检测到电器投切事件的发生,获取事件发生的起止时间,并从总线信号中分离出发生投切的电器的电流电压信号,进而从分离出的数据中获取负荷特征,最后将这些负荷特征作为输入参数输入到训练完成的随机森林中,通过投票完成电器的辨识。
-
公开(公告)号:CN112488229B
公开(公告)日:2024-04-05
申请号:CN202011440101.2
申请日:2020-12-10
Applicant: 西安交通大学
IPC: G06V10/774 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/25
Abstract: 本发明公开了一种基于特征分离和对齐的域自适应无监督目标检测方法,包括以下步骤:将成对的源域和目标域RGB样本输入到两阶段的目标检测框架中,通过源域的标签计算检测损失,训练目标检测框架,获得学习好的目标检测模型;其中,在训练过程中,将多级别的高维特征进行对齐;对每组的区域实例特征进行对齐;将所述成对的源域和目标域RGB样本灰度化并进行特征分离,分离出与检测有关的高维特征及与检测无关的扰乱特征。本发明提供了一种基于特征分离和对齐的无监督域自适应目标检测方法,可有效地解决域自适应目标检测中背景信息噪声和候选区域冗余问题。
-
-
-
-
-
-
-
-
-