一种航空发动机装配生产资源信息的追溯方法

    公开(公告)号:CN113850450A

    公开(公告)日:2021-12-28

    申请号:CN202010597419.5

    申请日:2020-06-28

    Abstract: 本发明涉及一种航空发动机装配生产资源信息的追溯方法。该追溯方法包括:步骤S1,解析装配任务,对航空发动机的装配生产资源进行分类,提取装配生产资源所包含的关键信息要素,作为数字化标识的信息载体,建立装配生产资源的标识信息;步骤S2,依据装配工艺从单工步到工序过程,开展装配生产资源的标识信息的采集,依据装配生产资源的标识信息实现从工步到工序、工序到工段的全装配过程的标识信息记录;步骤S3,将标识信息记录与实际生产过程中的信息进行比对。通过本发明提供的方案有助于减少操作人员工作量,降低出错率,缩短装配周期,提高航空发动机装配质量和生产效率。

    一种基于经验学习的半导体封测区快响应调度方法及系统

    公开(公告)号:CN119624053A

    公开(公告)日:2025-03-14

    申请号:CN202510152703.4

    申请日:2025-02-12

    Applicant: 东华大学

    Abstract: 本发明涉及一种基于经验学习的半导体封测区快响应调度方法及系统,本方法构建半导体封测区快响应调度系统,通过半导体封测区数据模块将键合工序lot数据和机台或机组数据传输给键合工序调度模块,用于半导体封测区中键合工序的调度;利用机器学习方法预估键合工序的初始调度方案;利用自适应重叠分解方法分解为lot调度子问题;利用BAHA对调度子问题进行求解,从而得到完整的键合工序调度方案;补全半导体封测的全局调度方案,利用GUI模块查看调度过程中相关的运行数据。解决了半导体封装测试区调度存在的多约束、产品类型多样和调度单元lot数量多导致影响交期惩罚时间的问题,减少半导体封装测试生产车间的交期惩罚,实现高效率的车间调度控制。

    一种环锭纺细纱近原位自动接头方法及装置

    公开(公告)号:CN115074880B

    公开(公告)日:2024-10-22

    申请号:CN202210515894.2

    申请日:2022-05-12

    Applicant: 东华大学

    Abstract: 本发明涉及一种环锭纺细纱近原锭位引纱接头装置及方法,用于环锭细纱机自动接头,所述装置包括:工业机器人、纱管夹取装置、环形气流绕纱定位装置、纱线输送与牵引装置、张力传感器、辅助纱退绕装置及气源;所述接头方法步骤为:近原锭位抓取断纱纱管上移、环形气流绕纱定位装置伸入锭位、定位钢丝圈并将辅助纱卷绕在断纱纱管上、断纱纱管及装置归位、牵引纱线穿钢丝圈、气圈环、导纱钩、喂入罗拉完成接头。整个接头过程,基于张力反馈的气电协同调节,使任意时刻纱线上的张力保持在期望张力值附近。本发明提供了一种近原位引纱接头方法与装置,解决了现有引纱接头技术装置复杂,步骤繁琐,难以实现近原锭位稳定引纱接头。

    一种面向虚拟服装秀的宽松服装动画生成方法

    公开(公告)号:CN118781236A

    公开(公告)日:2024-10-15

    申请号:CN202410761040.1

    申请日:2024-06-13

    Applicant: 东华大学

    Abstract: 本发明涉及一种面向虚拟服装秀的宽松服装动画生成方法,包括以下步骤:使用SMPL人体运动序列以及服装样板作为输入数据;2)构建并训练粗糙服装变形预测网络模型,将运动序列以及服装网格数据送入训练后的粗糙服装变形预测网络得到服装粗糙变形;3)引入服装合身度和变形度属性来丰富服装网格特征,并构建训练精细服装变形预测网络模型,得到宽松服装蒙皮权重和精细服装变形;4)使用线性混合蒙皮算法对预测后的服装样板进行蒙皮变形,得到相应姿态下的服装变形;解决了面向虚拟服装秀中宽松服装在变形过程中局部褶皱不够明显或消失的问题,根据服装属性、运动类别和身体运动序列来丰富宽松三维服装在变形过程中的褶皱。

    一种基于嵌入式强化学习的调度与维护优化方法及系统

    公开(公告)号:CN118735200A

    公开(公告)日:2024-10-01

    申请号:CN202410869849.6

    申请日:2024-07-01

    Applicant: 东华大学

    Abstract: 本发明涉及一种基于嵌入式强化学习的调度与维护优化方法及系统,方法包括以下步骤:采集生产运行过程与机器维护历史数据;构建调度与维护智能体和特征选择智能体;构建调度与维护Markov决策过程;构建特征选择Markov决策过程;特征选择智能体与特征选择Markov决策过程交互并学习最优状态特征选择策略;调度与维护智能体与调度与维护Markov决策过程交互并学习最优调度与维护优化策略;部署并执行部署并执行特征选择智能体和调度与维护智能体进行调度与维护优化。系统包括调度与维护控制器、调度与维护智能体、特征选择智能体。解决了生产中订单动态到达环境下难以精准表征动态环境导致的性能不足的问题,实现调度与维护的联合优化并提升设备可靠度和降低生产成本。

    数据与机理融合的卷绕机锭轴装配精度预测方法

    公开(公告)号:CN115099123B

    公开(公告)日:2024-08-20

    申请号:CN202210532080.X

    申请日:2022-05-17

    Applicant: 东华大学

    Abstract: 本发明涉及一种数据与机理融合的卷绕机锭轴装配精度预测方法,在雅可比旋量模型基础上引入公差域的点云拟合对旋量的实际变动区间进行求解,该方法考虑了并联装配关系和零件表面形貌特征对锭轴装配精度的影响,提高机理模型的预测精度;针对锭轴装配数据少,致使数据补偿机理误差困难的问题,本发明提出深度置信神经网络‑双层BP神经网络的误差补偿模型将机理数据与实测数据进行融合,解决了因数据量不够而导致的模型泛化能力差,且因融入了实测数据,数据预测模型预测精度要优于雅可比旋量模型,对卷绕机的装配设计具有显著的工程实用价值。

    一种面向装配车间聚类分层的WiFi室内定位方法

    公开(公告)号:CN118301547A

    公开(公告)日:2024-07-05

    申请号:CN202410467632.2

    申请日:2024-04-18

    Abstract: 本发明涉及一种面向装配车间聚类分层的WiFi室内定位方法。首先,在离线阶段,通过部署参考点并收集接收信号强度指示及功能区标签构建指纹库。利用K‑means算法对功能区进行聚类,形成多个子指纹库,并通过极限梯度提升XGBoost模型进行训练。在线阶段,收集位置点的RSSI值,初步定位到特定子指纹库和功能区,再通过加权K最近邻WKNN算法实现精确匹配,确定位置坐标。解决了装配车间的定位系统设计面临着如何优化大规模数据处理以提高精度和效率的问题,在提高装配效率、减少操作错误以及优化资源分配等方面具有显著优势;大幅提升了定位系统的实时性和可靠性,不仅可以提高生产效率,还能减少因定位误差导致的潜在错误,进一步优化生产流程和提高整体工作效率。

    一种基于对抗生成网络的晶圆图缺陷模式识别方法

    公开(公告)号:CN109543720B

    公开(公告)日:2023-10-27

    申请号:CN201811276338.4

    申请日:2018-10-30

    Applicant: 东华大学

    Abstract: 本发明针对各类晶圆缺陷数据的不平衡特点和数据维度与角度的多样性,提出了基于对抗生成网络的晶圆图缺陷模式识别方法。本方法首先将晶圆数据集分为训练集和测试集,再对训练集与测试集均进行预处理得到标准晶圆缺陷数据样本,在此基础上设计面向晶圆数据缺陷模式识别的分类对抗生成网络模型,通过设计生成器与鉴别器的损失函数,使生成器与鉴别器针对训练集内的真实晶圆与网络内生成器生成的仿真晶圆之间的差异进行对抗,提高生成器的生成能力,并利用此生成机制平衡各缺陷类型的样本数量,同时使鉴别器学习已知缺陷模式的晶圆数据特征规律。本发明能够实现对晶圆缺陷模的快速识别,并且具有很高的识别精度。

    基于深度强化学习的多品种小批量生产车间调度方法

    公开(公告)号:CN116757396A

    公开(公告)日:2023-09-15

    申请号:CN202310538386.0

    申请日:2023-05-12

    Applicant: 东华大学

    Abstract: 本发明涉及一种基于深度强化学习的多品种小批量生产车间调度方法,以多品种小批量生产模式的混流装配线为研究对象,以最小化工位过载时间和最小化工位空闲时间为目标实现混流装配线平衡与排序问题,基于DDPG算法和改进Actor‑Critic算法分别构建平衡智能体和排序智能体,平衡智能体根据工位装配起始位置、工位装配结束位置调节工位工人数量,生成合理的工人分配方案;排序智能体在Actors部分设计两种排序策略学习机制,综合基于Critics网络的on‑policy和基于较好实例的off‑policy,以工位装配起始位置、工位装配结束位置作为输入,在考虑工位工人数量基础上选择投产产品类型,形成合理产品投产序列。在平衡智能体和排序智能体之间迭代优化,形成合理的平衡与排序综合解,实现多目标综合优化。

Patent Agency Ranking