-
公开(公告)号：CN114139639B
公开(公告)日：2024-05-14
申请号：CN202111475272.3
申请日：2021-12-06
Applicant: 东北大学
IPC: G06F18/2411 , G06F18/213 , G06F18/211 , G06F18/2413
Abstract: 本发明公开了一种基于自步邻域保持嵌入的故障分类方法，属于故障监测与诊断技术领域。该方法主要解决数据的非线性和带标签样本过少的故障二分类的问题，该方法能够学习任意维的局部线性的低维流形结构，在降维过程中保持流形的局部线性结构不变，从而来提取数据中的有用信息，并且能够进行新样本的泛化。同时，该方法在邻域保持嵌入算法的基础上引入自步学习的思想，通过预设损失函数阈值对邻域保持嵌入算法降维后的样本点做进一步筛选，进一步保持降维后样本点的近邻关系，克服邻域保持嵌入算法对最近邻样本数的选择敏感，不同的最近邻数对最后的降维结果有很大影响的缺点，从而得到更优质的降维效果，提高对故障分类的准确性。
-
公开(公告)号：CN114118292B
公开(公告)日：2024-04-16
申请号：CN202111476386.X
申请日：2021-12-06
Applicant: 东北大学
IPC: G06F18/2413 , G06F18/2132 , G06F18/214
Abstract: 本发明公开了一种基于线性判别邻域保持嵌入的故障分类方法，属于故障监测与诊断技术领域。本发明方法在基于类别信息的邻域保持嵌入模型的基础上引入线性判别分析思想，将基于类别信息的邻域保持嵌入模型与线性判别分析模型结合，考虑样本高维局部流形结构的同时充分考虑样本的全局结构，构建线性判别邻域保持嵌入模型并求解。通过本发明构建模型中的基于类别信息的邻域保持嵌入思想充分考虑样本局部高维流形结构，同时利用样本类别的先验信息计算线性判别分析思想中的样本类内散度矩阵和类间散度矩阵，充分考虑采集样本点的全局信息，从样本全局和局部信息的两个角度出发对高维样本进行降维，从而得到更优质的降维效果，提高对故障分类的准确性。
-
公开(公告)号：CN114118292A
公开(公告)日：2022-03-01
申请号：CN202111476386.X
申请日：2021-12-06
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于线性判别邻域保持嵌入的故障分类方法，属于故障监测与诊断技术领域。本发明方法在基于类别信息的邻域保持嵌入模型的基础上引入线性判别分析思想，将基于类别信息的邻域保持嵌入模型与线性判别分析模型结合，考虑样本高维局部流形结构的同时充分考虑样本的全局结构，构建线性判别邻域保持嵌入模型并求解。通过本发明构建模型中的基于类别信息的邻域保持嵌入思想充分考虑样本局部高维流形结构，同时利用样本类别的先验信息计算线性判别分析思想中的样本类内散度矩阵和类间散度矩阵，充分考虑采集样本点的全局信息，从样本全局和局部信息的两个角度出发对高维样本进行降维，从而得到更优质的降维效果，提高对故障分类的准确性。
-
公开(公告)号：CN117787481A
公开(公告)日：2024-03-29
申请号：CN202311792981.3
申请日：2023-12-25
Applicant: 东北大学
IPC: G06Q10/04 , G06Q10/0631 , G06N3/006 , G06N3/126
Abstract: 本发明设计基于迁移混合遗传‑粒子群算法的飞机装配时间优化方法，属于装配线时间优化领域；通过构造相似度函数迁移成熟装配线的装配经验和装配特征，将相应的优质可行解匹配到待优化装配问题中；同时，采用双时间窗操作约束资源配置，避免多层编码带来的复杂操作问题；该方法有效解决了传统启发式算法容易陷入局部最优的困扰，降低了得到优质可行解的执行时间，节省了算力；从而节省大量的人力资源和时间成本，助力智能制造领域的快速发展；在资源配置的约束下，加快了装配速度，大幅度提高了飞机的生产效率。
-
公开(公告)号：CN113901728A
公开(公告)日：2022-01-07
申请号：CN202111367235.0
申请日：2021-11-18
Applicant: 东北大学
IPC: G06F30/27 , G06N3/12 , G06F111/04
Abstract: 本发明公开了一种基于迁移遗传算法的电脑第二类装配线平衡优化方法，涉及装配线平衡技术领域。该方法利用相似装配线的装配经验，将已知装配线的可行解集合迁移到待优化装配线平衡问题的初始解集中，由于迁移优质可行解的缘故，该方法能够有效降低算法性能与初始值及参数有关的敏感性，提高启发式算法求解装配线平衡问题局部最优可行解的下限。同时相比于现有解决装配线平衡问题的方法，该方法能够加快收敛速度，减少执行时间，更加快速地求出优质的可行解。从而优化电脑装配线平衡问题、降低电脑生产成本、改善电脑装配质量、缩短电脑生产周期，助力离散制造业装配技术的发展。
-
Patent Agency Ranking
公开(公告)号：CN118607854A
公开(公告)日：2024-09-06
申请号：CN202410726485.6
申请日：2024-06-06
Applicant: 东北大学
IPC: G06Q10/0631 , G06Q50/04 , G06N3/126 , G06F17/10
Abstract: 本发明提供一种基于多智能体学习技术的飞机装配线调度方法，涉及电力系统技术领域，本发明构建飞机装配线调度问题模型；采集飞机装配线中工作站的装配过程数据，建立工作站的优先关系矩阵；然后对遗传算法的装配任务排序染色体种群进行初始化，并对遗传算法的相关参数初始化，初始化获得的初始种群中每条染色体对应工作站装配调度问题的一个满足优先关系约束的串行执行的可行解；根据理论分配数量、实际分配次数和理想每次分配工序的数量初始化装配任务分配染色体种群，计算所有工作站在同种类型工人能够共享情况下的协同合作的全局适应度；保留工作站种群中最优染色体，并对染色体种群进行交叉、变异、选择操作，实现飞机装配线调度。
-
公开(公告)号：CN114021839B
公开(公告)日：2024-06-28
申请号：CN202111353848.9
申请日：2021-11-16
Applicant: 东北大学
Abstract: 本发明公开了一种基于WOA‑IGA的智能服务组合方法，涉及云制造模式下的调度领域。本发明在优化搜索过程中，加入了遗传算法的思想，在一次迭代中使用鲸鱼优化算法与遗传算法相结合的方式，加快了相对于单一算法下优化搜索的速度，提高了寻找最优服务组合方案的速度；本发明巧妙利用了鲸鱼优化算法关于通过控制搜索向量A实现了广度搜索和深度搜索的平滑转换，也就是全局搜索和局部搜索的转换，有效减小了遗传算法陷入局部最优的可能性；本发明在遗传算法部分对于个体的选择中，抛弃了原遗传算法中随机选择个性，而是引入了一种确定性选择和随机性选择相结合的思想，保证了在迭代过程中优秀个体能够被选择，一定程度上增加了算法的收敛速度。
-
公开(公告)号：CN113901728B
公开(公告)日：2024-04-19
申请号：CN202111367235.0
申请日：2021-11-18
Applicant: 东北大学
IPC: G06F30/27 , G06N3/126 , G06F111/04
Abstract: 本发明公开了一种基于迁移遗传算法的电脑第二类装配线平衡优化方法，涉及装配线平衡技术领域。该方法利用相似装配线的装配经验，将已知装配线的可行解集合迁移到待优化装配线平衡问题的初始解集中，由于迁移优质可行解的缘故，该方法能够有效降低算法性能与初始值及参数有关的敏感性，提高启发式算法求解装配线平衡问题局部最优可行解的下限。同时相比于现有解决装配线平衡问题的方法，该方法能够加快收敛速度，减少执行时间，更加快速地求出优质的可行解。从而优化电脑装配线平衡问题、降低电脑生产成本、改善电脑装配质量、缩短电脑生产周期，助力离散制造业装配技术的发展。
-
公开(公告)号：CN114139639A
公开(公告)日：2022-03-04
申请号：CN202111475272.3
申请日：2021-12-06
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于自步邻域保持嵌入的故障分类方法，属于故障监测与诊断技术领域。该方法主要解决数据的非线性和带标签样本过少的故障二分类的问题，该方法能够学习任意维的局部线性的低维流形结构，在降维过程中保持流形的局部线性结构不变，从而来提取数据中的有用信息，并且能够进行新样本的泛化。同时，该方法在邻域保持嵌入算法的基础上引入自步学习的思想，通过预设损失函数阈值对邻域保持嵌入算法降维后的样本点做进一步筛选，进一步保持降维后样本点的近邻关系，克服邻域保持嵌入算法对最近邻样本数的选择敏感，不同的最近邻数对最后的降维结果有很大影响的缺点，从而得到更优质的降维效果，提高对故障分类的准确性。
-
公开(公告)号：CN114021839A
公开(公告)日：2022-02-08
申请号：CN202111353848.9
申请日：2021-11-16
Applicant: 东北大学
Abstract: 本发明公开了一种基于WOA‑IGA的智能服务组合方法，涉及云制造模式下的调度领域。本发明在优化搜索过程中，加入了遗传算法的思想，在一次迭代中使用鲸鱼优化算法与遗传算法相结合的方式，加快了相对于单一算法下优化搜索的速度，提高了寻找最优服务组合方案的速度；本发明巧妙利用了鲸鱼优化算法关于通过控制搜索向量A实现了广度搜索和深度搜索的平滑转换，也就是全局搜索和局部搜索的转换，有效减小了遗传算法陷入局部最优的可能性；本发明在遗传算法部分对于个体的选择中，抛弃了原遗传算法中随机选择个性，而是引入了一种确定性选择和随机性选择相结合的思想，保证了在迭代过程中优秀个体能够被选择，一定程度上增加了算法的收敛速度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.046 seconds)
