公开(公告)号：CN118567300A

公开(公告)日：2024-08-30

申请号：CN202410463026.3

申请日：2024-04-17

Applicant: 北京工业大学

Inventor： 昝涛 ,  孙志略 ,  陈佳伟 ,  高相胜 ,  高鹏 ,  刘智豪

IPC: G05B19/416

Abstract: 本发明提供一种基于贝塞尔插值的速度规划方法和装置，包括：获取初始约束条件和当前加工路径点的速度状态信息；其中，所述初始约束条件包括初始速度、当前目标速度和最终速度，所述速度状态信息包括当前加速度值和当前速度值；根据所述速度状态信息和所述初始约束条件得到当前总插补时间、当前总位移距离以及当前速度相位模式；根据所述当前速度相位模式、所述当前总插补时间和所述当前总位移距离，利用预先构建的贝塞尔插值速度规划模型计算得到当前插补周期的速度规划方案。本发明利用通过贝塞尔曲线的一般式和伯恩斯坦基底多项式构建速度规划模型，保证了位置、速度和加速度的连续，实现性能更好、时间复杂度更低、成本更低的速度规划。

公开(公告)号：CN116486325A

公开(公告)日：2023-07-25

申请号：CN202310250586.6

申请日：2023-03-15

Applicant: 北京工业大学

Inventor： 昝涛 ,  陈佳伟 ,  孙志略 ,  马志谦 ,  王民 ,  刘智豪

IPC: G06V20/52 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/044 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明实施例提供了一种控制图模式识别的方法、装置、设备和存储介质，该方法包括：获取待识别的控制图；将待识别的控制图输入模式识别模型中，得到待识别的控制图对应的模式识别结果；其中，所述模式识别模型基于循环神经网络构建，包括：输入层、隐藏层和输出层。本发明通过基于循环神经网络构建的模式识别模型，对待识别的控制图进行特征提取，并利用隐藏层，将具有前后时序的特征数据进行关联性分析，进而预测控制图对应不同模式的概率，从而实现对控制图对应的所有模式一次性识别，该模式识别模型的准确率更高，更适应未来大数据环境下快速生产的需求，有助于降低企业生产质量带来的损失和提高企业经济效益。

公开(公告)号：CN116796142A

公开(公告)日：2023-09-22

申请号：CN202310269968.3

申请日：2023-03-15

Applicant: 北京工业大学

Inventor： 昝涛 ,  马志谦 ,  陈佳伟 ,  孙志略 ,  王民 ,  高相胜 ,  高鹏

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/048 ,  B23Q17/09

Abstract: 本发明提供一种刀具磨损状态识别方法、系统、电子设备及存储介质，方法包括：采集刀具磨损振动信号；将所述刀具磨损振动信号输入预设的卷积神经网络，进行特征提取与一次降维，获取振动信号特征；基于预设的局部线性嵌入规则，对所述振动信号特征进行二次降维，获取观测序列；将所述观测序列输入预先训练好的隐马尔科夫模型，进行刀具磨损状态识别与刀具磨损状态预测，获取识别结果与预测结果；将所述识别结果与预测结果反馈至关联终端设备。本发明提供的刀具磨损状态识别方法，能够自动实现刀具磨损振动信号的特征提取，准确度较高，实时性较强，并且，本方法的刀具磨损状态识别精确度较高。