-
公开(公告)号：CN114201835B
公开(公告)日：2025-04-11
申请号：CN202111552351.X
申请日：2021-12-17
Applicant: 重庆大学
IPC: G06F30/17 , G06F30/20 , G06F119/08 , G06F119/14
Abstract: 本发明公开了一种圆锥滚子/凹槽界面的热接触传导模型创建方法，应用康托集理论表征粗糙表面的形貌，采用结构函数法识别分形参数；通过构造接触系数来建立分形接触力学模型，考虑几何形状和接触形式对接触面积和接触载荷的影响；基于表面形貌表征和分形接触力学模型提出分形网络TCC模型，并将基体TCC和收缩TCC纳入TCC模型；通过实验证明，预测和测量的TCC之间的最大偏差分别为5.65％和8.70％，证明设计的圆锥滚子/凹槽界面接触系数能有效反映圆锥滚子与凹槽的接触状态，接触分形力学模型可有效计算圆锥滚子/凹槽界面的接触参数。
-
公开(公告)号：CN118917177A
公开(公告)日：2024-11-08
申请号：CN202410935298.9
申请日：2024-07-12
Applicant: 重庆大学
IPC: G06F30/27 , G06F18/214 , G06F18/25 , G06F30/17 , G06N3/0442 , G06N3/042 , G06N3/048 , G06N3/08 , G06F17/13 , G06F17/18 , G06F17/16 , G06F111/10
Abstract: 本发明公开了一种基于时空特征交互融合网络的高速精密机床小样本热误差预测方法，并构建时空特征交互融合网络模型，该模型包括时空特征交互块、时空特征门控融合层和残差结构。门控时间卷积与多头自注意相结合，以捕捉时间信息并整合时间特征，捕捉短期和长期关系。对于空间信息，它使用图卷积网络和多头自注意，通过空间特征融合进行集成。这种方法便于同时利用时空特征。然后，通过时空特征门控融合层处理热信息数据，使用门控机制混合信息。结果表明，所提出的时空特征交互融合网络在小样本热信息预测和热误差补偿方面显著优于其他模型。
-
公开(公告)号：CN113946990B
公开(公告)日：2024-08-06
申请号：CN202110920485.6
申请日：2021-08-11
Applicant: 重庆大学
IPC: G06F30/23 , G06F30/27 , G06N3/045 , G06N3/0464 , G06N3/0985 , G06N3/096 , G06F119/08
Abstract: 本发明公开了一种STO‑BTCN热误差预测模型建模方法，包括如下步骤：1)初始化燕鸥优化算法(STO)的参数；2)创建BTCN神经网络，将燕鸥的初始位置映射为BTCN神经网络的批处理大小和滤波器数量；3)以平均绝对误差(MAE)视为适应度函数；4)判断平均绝对误差(MAE)是否小于设定阈值；5)判断迭代次数是否达到最大值，若是，则终止迭代；若否，则迭代次数加1，并将更新后的燕鸥位置映射为BTCN神经网络的批处理大小和滤波器数量后，循环执行步骤3)；6)以燕鸥优化算法(STO)得到的批处理大小和滤波器数量作为BTCN神经网络的最佳超参数，构建得到STO‑BTCN热误差预测模型。本发明还公开了一种STO‑BTCN热误差预测模型的迁移学习方法。
-
公开(公告)号：CN113570308B
公开(公告)日：2023-08-04
申请号：CN202110850021.2
申请日：2021-07-27
Applicant: 重庆大学
IPC: G06Q10/0875 , G06Q10/067 , G06N3/04
Abstract: 本发明公开了一种多目标交付同步优化模型建模方法，通过构建目标函数和约束条件，目标函数中最小总物流成本目标函数、最小搬运矩目标函数和最大满意度目标函数，通过利用约束条件对目标函数求解，求解得到的多目标交付同步优化模型可以确定每个路径段的方向、工作站布局以及单向引导路径网络(UGN)设计、工作站布局和交付路径；即本发明的多目标交付同步优化模型建模方法，针对配送成本高、配送效率低的问题，对UGN设计、工作站布局、配送路径进行同步优化，构建具有拆分需求的多目标交付同步优化模型，降低搬运矩和物流成本，提高工作站满意和执行效率。本发明还提出了面向订单制造的车间物料配化边缘‑雾‑云系统构架。
-
公开(公告)号：CN116011325A
公开(公告)日：2023-04-25
申请号：CN202211674805.5
申请日：2022-12-26
Applicant: 重庆大学
IPC: G06F30/27 , G06N3/006 , G06F30/17 , G06F119/08
Abstract: 本发明公开了一种蜗杆砂轮磨床磨削精度提升方法，一方面建立了热特性仿真模型，发现刀具和工件主轴之间的相对热变形随蜗杆砂轮和工件主轴的转速线性增加，通过对蜗杆砂轮磨床进行热特性优化，以实现热平衡设计和保证温度场均匀分布，提高抵抗热变形的能力和提高热稳定性；另一方面，创建了热误差预测模型，利用混沌麻雀搜索算法优化自回归小波神经网络的参数，本发明在混沌麻雀搜索算法中结合了伯努利混沌序列和扰动、基于精英对立的学习和正弦余弦搜索算法，创建得到的热误差预测模型能够有效提高预测精度，利用预测得到的热误差以实现对蜗杆砂轮磨床进行热误差补偿；如此，通过实施热特性优化和误差补偿，能够有效提高蜗杆砂轮磨床的磨削精度。
-
Patent Agency Ranking
公开(公告)号：CN115983110A
公开(公告)日：2023-04-18
申请号：CN202211630044.3
申请日：2022-12-19
Applicant: 重庆大学
IPC: G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N20/00
Abstract: 本发明公开了动态时空记忆图卷积网络热误差模型，其特征在于：包括串联设置的N层DTSMGCN层，第i层DTSMGCN层的输出hit为第i+1层DTSMGCN层的输入；DTSMGCN层包括DTSMGCN单元，DTSMGCN单元内设有边缘单元、联合单元和混合邻接矩阵；边缘单元用于挖掘每个变量的时间特征并将时间特征被传输到联合单元；联合单元用于挖掘变量之间的时空特征，且提取的时空特征在递归网络中紧密耦合并传播；混合邻接矩阵用于挖掘空间特征，空间特征包括动态地理邻接矩阵、语义邻接矩阵和运动邻接矩阵。本发明还公开了一种面向工业的机器学习大数据框架。本发明的动态时空记忆图卷积网络热误差模型及面向工业的机器学习大数据框架，能够有效提高预测精度，并解决云计算工业带宽有限的问题。
-
公开(公告)号：CN115292852A
公开(公告)日：2022-11-04
申请号：CN202211077713.9
申请日：2022-09-05
Applicant: 重庆大学
IPC: G06F30/17 , G06F30/28 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本发明公开了一种基于旋转热管的高速电主轴流‑热‑固耦合特性仿真方法，包括如下步骤：步骤一：根据高度电主轴的发热、散热条件以及几何约束条件设计旋转热管的结构参数，并将设计得到的旋转热管置入到高速电主轴内；步骤二：建立旋转热管的气液相变模型，对旋转热管进行流体模拟分析，以揭示旋转人管在高速电主轴复杂工作条件下的蒸发段机理和填充率对旋转人管散热性能的影响；步骤三：建立带有旋转热管的高速电主轴的流‑热‑固耦合特性模型，对高速电主轴进行瞬态传热分析并得到温度场，对高速电主轴进行瞬态变形分析并得到变形场。能够揭示旋转热管对高速电主轴的流体‑热‑固相互作用特性的作用机制。
-
公开(公告)号：CN114662673A
公开(公告)日：2022-06-24
申请号：CN202210329199.7
申请日：2022-03-30
Applicant: 重庆大学
Abstract: 本发明公开了一种热误差预测模型创建方法，包括如下步骤：步骤一：利用极端梯度提升算法对输入变量的特征重要性进行排序，从所有特征中选出前k个构成特征组合；将前k个特征根据其重要性进行加权，得到每个特征的权重，以每个特征及其权重的乘积作为模型的输入变量；步骤二：对LSTMNN模型的内部神经元特征进行排序，将层次结构整合到LSTMNN模型中，得到ON‑LSTMNN模型，再引入双向机制，构建BiON‑LSTMNN模型；步骤三：训练BiON‑LSTMNN模型，以ISFO算法优化BiON‑LSTMNN模型的批量大小和隐藏神经元数量，直至满足适应度函数的预设要求；步骤四：以优化得到的批量大小和隐藏神经元数量作为BiON‑LSTMNN模型的超参数，构建得到热误差预测模型。本发明还公开了一种基于关键误差的物理‑边‑雾‑云误差控制系统。
-
公开(公告)号：CN114491871A
公开(公告)日：2022-05-13
申请号：CN202210147058.3
申请日：2022-02-17
Applicant: 重庆大学
IPC: G06F30/17 , G06F30/20 , G06F119/14
Abstract: 本发明公开了一种考虑间隔环平行度误差的球/槽界面接触刚度模型建模方法，包括如下步骤：准静态模型构建：以轴承在倾斜工作条件下的几何关系构建准静态模型，得到内圈的法向接触变形δij和外槽的法向接触变形δoj；表征表面形貌：利用分形几何方法表征粗糙表面的无序、随机、多尺度、自相似和分形特征；构建分形接触模型：通过构造接触系数，根据单点接触模型构建分形弹塑性变形模型，分别得到每个球在弹性变形、弹塑性变形和塑性变形条件下的实际接触面积和实际接触载荷；构建接触刚度模型：通过求解每个球在弹性变形、弹塑性变形和塑性变形条件下的径向接触刚度和轴向接触刚度，根据弹簧串并联原理得到轴承的总径向刚度和轴向刚度。
-
公开(公告)号：CN113051830A
公开(公告)日：2021-06-29
申请号：CN202110355441.3
申请日：2021-04-01
Applicant: 重庆大学
Abstract: 一种智能产线动态误差预测系统，包括第一计算层、第二计算层；数据库接收数据采集单元采集得到的数据并存储作为历史数据；第一计算层包括第一服务器，第一服务器内设有数据处理单元和误差预测单元，误差预测单元预测智能产线的动态误差；第二计算层包括第二服务器，第二服务器内设有动态误差预测模型训练单元；误差预测单元和动态误差预测模型训练单元内分别设有动态误差预测模型，动态误差预测模型训练单元对设置在其内的动态误差预测模型进行训练；中央处理器接收经动态误差预测模型训练单元训练后的动态误差预测模型、并更新误差预测单元内的动态误差预测模型。本发明还公开了一种智能产线动态误差控制系统、控制方法及数字孪生系统。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.028 seconds)
