公开(公告)号：CN111475921A

公开(公告)日：2020-07-31

申请号：CN202010176924.2

申请日：2020-03-13

Applicant: 重庆邮电大学

Inventor： 黄庆卿 ,  康真 ,  张焱 ,  严冬

IPC: G06F30/20 ,  G06F16/215 ,  G06F16/2458 ,  G06N3/04 ,  G06F119/04

Abstract: 本发明涉及一种基于边缘计算和LSTM网络的刀具剩余寿命预测方法，属于数控机床刀具寿命预测领域。该方法包括：首先，在边缘端直接进行数据清洗与特征提取，减少传输时间，节约传输成本，提高寿命预测的实时性；然后，在云端进行进一步特征提取和选择后，建立三层LSTM循环神经网络模型来对刀具的实时剩余寿命进行预测。本发明利用边缘计算和LSTM的方法，提高了刀具寿命预测的实时性和准确性。

公开(公告)号：CN110233626A

公开(公告)日：2019-09-13

申请号：CN201910607639.9

申请日：2019-07-05

Applicant: 重庆邮电大学

Inventor： 黄庆卿 ,  周佳俊 ,  张焱 ,  李帅永 ,  康真

IPC: H03M7/30 ,  G06F17/16

Abstract: 本发明涉及一种基于二维自适应量化的机械振动信号边缘数据无损压缩方法，包括数据分割，区块数据变换，自适应量化和数据编码。1)将原始时域数据切分成固定宽度的区块，将原始的一维数据转换为二维数据，进行二维正交变换；2)在频域中对正交变换后的二维数据进行量化；3)对量化数据进行逆量化，求逆量化数据与原始数据矩阵的量化误差；4)将量化后的数据矩阵、量化误差数据、正交变换矩阵和正负值信息矩阵进行编码，利用二维零编码、位编码和范围编码方法对数据进行编码放入数据流中进行传输。数据中心在接收完压缩数据后，对无损编码的数据进行解码，然后进行逆量化，逆正交变换过程，加上误差数据即可无损还原原始数据。