公开(公告)号：CN115994490A

公开(公告)日：2023-04-21

申请号：CN202310283601.7

申请日：2023-03-22

Applicant: 北京大学

Inventor： 徐瑞宇 ,  宋喆人 ,  吴建国

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F113/10 ,  G06F119/08

Abstract: 本发明公布了一种基于深度混合效应模型的金属增材制造过程实时监控方法，使用深度神经网络模型和混合效应模型相结合的深度混合效应模型，对金属增材制造过程中的熔池温度数据构建金属增材制造实时温度模型；利用金属增材制造历史数据对构建模型的参数进行调优；针对待监测的在线数据计算模型残差，并基于残差建立控制图模型，实现对金属增材制造过程的温度异常进行实时监控。本发明方法对金属增材制造过程中的熔池温度进行了精确建模，充分考虑温度和其他信号之间的非线性关系，以及打印过程中的随机噪声；实现了金属增材制造的实时监测，有利于及时消除增材制造过程异常、提高增材制造产品质量。

公开(公告)号：CN115510766A

公开(公告)日：2022-12-23

申请号：CN202211396308.3

申请日：2022-11-09

Applicant: 北京大学

Inventor： 王新明 ,  吴建国

IPC: G06F30/27 ,  G06F17/11 ,  G06F17/16 ,  G06F17/18 ,  G06F113/10 ,  G06F119/08

Abstract: 本发明公布了一种基于高斯过程模型的3D打印质量预测方法及系统，可应用于氧化铝陶瓷光固化、金属粉末激光选区烧结等多种3D打印工艺。系统包括：3D打印实验设计模块、实验数据收集模块、历史数据收集及参数空间调整模块、3D打印质量预测模型构建和训练模块、3D打印质量预测模块；设计3D打印产品质量指标及工艺参数，并设置3D打印实验设计表；收集实验数据；收集历史数据和进行参数空间调整；构建3D打印质量预测模型并训练；进行预测。本发明可实现少量实验次数下对3D打印质量的预测，提高预测准确度，提升寻找最优工艺参数的速度，进而缩短开发3D打印新材料所需的实验周期，大大降低3D打印制造的时间成本与经济成本。

公开(公告)号：CN109641937B

公开(公告)日：2022-02-08

申请号：CN201680088023.X

申请日：2016-08-11

Applicant: 北京大学

Inventor： 李毅 ,  曹晓风 ,  吴建国 ,  杨志蕊 ,  杨荣新 ,  姚升泽 ,  魏春红

IPC: C12N9/02 ,  C12N15/53 ,  C12N15/82 ,  A01H5/00 ,  A01H6/46

Abstract: 提供了OsAO基因或其编码蛋白或含有所述编码基因的重组载体在调控植物抗水稻条纹叶枯病、水稻黑条矮缩病或由水稻黑条矮缩病毒同科病毒引发的其他水稻和玉米病毒病害中的应用；所述OsAO基因的核苷酸序列具体为序列表中的序列1或2，所述基因编码的OsAO蛋白的氨基酸序列具体为序列表中的序列4。

公开(公告)号：CN110222371B

公开(公告)日：2020-12-22

申请号：CN201910375239.X

申请日：2019-05-07

Applicant: 北京大学

Inventor： 高园园 ,  吴建国

IPC: G06F30/20 ,  G06F30/15 ,  G06Q10/04 ,  G06F111/10 ,  G06F119/04

Abstract: 本发明公布了一种基于贝叶斯和神经网络的发动机剩余寿命在线预测模型方法，包括离线阶段和在线阶段；在离线阶段，首先拟合发动机的退化信号，得到表征信号变化趋势的函数参数，并假设函数参数服从一定的分布，通过估计参数分布得到先验分布；然后建立神经网络模型，将估计得到的参数值作为训练数据训练神经网络；在在线阶段，随着信号的收集，对待测发动机使用贝叶斯方法计算参数的后验分布；随着数据的增多，不断更新参数，使得参数更接近真实值；再将得到的参数值使用训练好的神经网络预测待测发动机的剩余寿命，由此极大提高发动机剩余寿命预测的准确度。

公开(公告)号：CN116468136A

公开(公告)日：2023-07-21

申请号：CN202210025335.3

申请日：2022-01-11

Applicant: 北京大学

Inventor： 朱学东 ,  吴建国

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q10/0633 ,  G06Q50/04

Abstract: 本发明公布了一种工艺规划与车间调度集成优化方法。本发明首先通过引入工序/机器对和工艺路线两个概念，将所有的工艺流程都转化为工艺路线，从而将工艺规划与车间调度集成优化问题的三个决策任务重构成两个决策任务：工艺路线选择和工序/机器对排序。然后将工艺路线选择视为主问题，将工序/机器对排序当作子问题，并设计Benders最优性割将迭代过程中解的收敛情况反馈给主问题，从而实现主问题和子问题之间的来回迭代，直到满足停止规则。本发明适用于在合理的求解时间范围内，对解的质量有较高要求的生产场景。最后通过大量仿真实验验证了本发明可以在给定的计算时间内获得不同生产场景的最优解或者不错质量的解。

公开(公告)号：CN116051562A

公开(公告)日：2023-05-02

申请号：CN202310336421.0

申请日：2023-03-31

Applicant: 北京大学

Inventor： 宋喆人 ,  徐瑞宇 ,  吴建国

IPC: G06T7/00 ,  G06T5/00 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/08

Abstract: 本发明公布了一种基于深度生成网络的金属3D打印质量预测方法，包括：确定金属3D打印质量预测的参数空间；收集原始图像数据；进行图像预处理，得到训练孔隙图像数据集；构建与训练质量预测模型，预测模型包括变分自编码解码模块、孔隙特征‑工艺参数相关性建模模块和生成图像判别模块；利用训练孔隙图像数据集，使用随机梯度下降算法对预测模型进行训练，得到训练好的预测模型。本发明能够有效提高对金属3D打印产品质量预测的准确度和全面性，可用于优化金属3D打印的工艺参数设计，减少所需的实验样品数量，降低研发成本，缩短研发周期。

公开(公告)号：CN115510766B

公开(公告)日：2023-03-03

申请号：CN202211396308.3

申请日：2022-11-09

Applicant: 北京大学

Inventor： 王新明 ,  吴建国

IPC: G06F30/27 ,  G06F17/11 ,  G06F17/16 ,  G06F17/18 ,  G06F113/10 ,  G06F119/08

Abstract: 本发明公布了一种基于高斯过程模型的3D打印质量预测方法及系统，可应用于氧化铝陶瓷光固化、金属粉末激光选区烧结等多种3D打印工艺。系统包括：3D打印实验设计模块、实验数据收集模块、历史数据收集及参数空间调整模块、3D打印质量预测模型构建和训练模块、3D打印质量预测模块；设计3D打印产品质量指标及工艺参数，并设置3D打印实验设计表；收集实验数据；收集历史数据和进行参数空间调整；构建3D打印质量预测模型并训练；进行预测。本发明可实现少量实验次数下对3D打印质量的预测，提高预测准确度，提升寻找最优工艺参数的速度，进而缩短开发3D打印新材料所需的实验周期，大大降低3D打印制造的时间成本与经济成本。

公开(公告)号：CN116468137A

公开(公告)日：2023-07-21

申请号：CN202210025512.8

申请日：2022-01-11

Applicant: 北京大学

Inventor： 朱学东 ,  吴建国

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q10/0633 ,  G06Q50/04

Abstract: 本发明公布了一种分布式工艺规划与车间调度集成优化方法。本发明首先将分布式工艺规划与车间调度集成优化问题的四个决策子问题归为两类：选择问题和排序问题。然后将选择问题视为主问题，将排序问题当作子问题，对其分别进行求解，并设计两组Benders最优性割和一个Benders最优性割选择策略将本次迭代的求解情况反馈给主问题，从而实现主问题和子问题之间的来回迭代，直到满足收敛规则。本发明不仅适用于对计算时间有较高要求的生产场景，还适用于对解的质量有较高要求的生产场景。通过大量仿真实验验证了本发明可以实现对分布式工艺规划与车间调度集成优化问题的快速求解，并且保证了解的质量。

公开(公告)号：CN116051562B

公开(公告)日：2023-06-13

申请号：CN202310336421.0

申请日：2023-03-31

Applicant: 北京大学

Inventor： 宋喆人 ,  徐瑞宇 ,  吴建国

IPC: G06T7/00 ,  G06T5/00 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/08

Abstract: 本发明公布了一种基于深度生成网络的金属3D打印质量预测方法，包括：确定金属3D打印质量预测的参数空间；收集原始图像数据；进行图像预处理，得到训练孔隙图像数据集；构建与训练质量预测模型，预测模型包括变分自编码解码模块、孔隙特征‑工艺参数相关性建模模块和生成图像判别模块；利用训练孔隙图像数据集，使用随机梯度下降算法对预测模型进行训练，得到训练好的预测模型。本发明能够有效提高对金属3D打印产品质量预测的准确度和全面性，可用于优化金属3D打印的工艺参数设计，减少所需的实验样品数量，降低研发成本，缩短研发周期。

公开(公告)号：CN111258297B

公开(公告)日：2021-06-04

申请号：CN202010054127.7

申请日：2020-01-17

Applicant: 北京大学

Inventor： 李珍 ,  吴建国

IPC: G06F17/15 ,  G05B23/02

Abstract: 本发明公布了一种基于数据融合网络的设备健康指标构建及寿命预测方法，在机器上加装多种用于检测机器工作状态的传感器，再利用收集到的传感器数据信号，构建机器设备健康指数模型；利用构建的机器设备健康指数模型对机器设备的剩余使用寿命进行预测。采用本发明方法，一方面可提供对机器设备退化过程的风险量化信息的具体表征和可视化；另一方面提高了设备健康状况预测的准确度。