公开(公告)号：CN111080121B

公开(公告)日：2023-01-03

申请号：CN201911280888.8

申请日：2019-12-11

Applicant: 北京工业大学

Inventor： 昝涛 ,  苏自峰 ,  刘智豪 ,  陈德垠 ,  王民 ,  高相胜

IPC: G06Q10/06 ,  G06N3/08 ,  G06N3/04 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种用于不同链长的控制图模式识别方法，包括使用蒙特卡洛方法模拟控制图的各种模式特点；通过参数取值生成相应模式的数据；将得到的各种模式的数据绘制成对应不同链长的控制图图片；建立卷积神经网络模型，利用其无需手动提取特征以及对高维数据处理无压力的特点对控制图图片进行模式分类识别；根据识别结果从不同的方面查找可能的异常原因；本发明提出了一种可以用于不同链长的控制图模式识别方法，而且不需要手动提取复杂特征，其识别率相对传统的识别方法也有所提升，其准确而自动的模式识别对制造业具有重要的意义。

公开(公告)号：CN113283471A

公开(公告)日：2021-08-20

申请号：CN202110406474.6

申请日：2021-04-15

Applicant: 北京工业大学

Inventor： 昝涛 ,  苏自峰 ,  陈德垠 ,  马志谦 ,  王民 ,  高相胜

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F30/27 ,  G06F9/50 ,  G06Q50/04

Abstract: 本发明实施例提供一种基于边缘计算的控制图模式识别方法和系统，其方法包括：确定待识别的控制图数据；将所述待识别的控制图数据输入至模式识别模型中，得到所述模式识别模型输出的控制图模式识别结果；其中，所述模式识别模型是基于样本特征值及对应的采样时刻训练得到的；所述模式识别模型用于基于所述样本特征值及对应的采样时刻训练后，对所述待识别的控制图数据进行模式识别。本发明能够实现控制图的现场判别的高实时性和高效率以便快速定位异常。

公开(公告)号：CN111080121A

公开(公告)日：2020-04-28

申请号：CN201911280888.8

申请日：2019-12-11

Applicant: 北京工业大学

Inventor： 昝涛 ,  苏自峰 ,  刘智豪 ,  陈德垠 ,  王民 ,  高相胜

IPC: G06Q10/06 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种用于不同链长的控制图模式识别方法，包括使用蒙特卡洛方法模拟控制图的各种模式特点；通过参数取值生成相应模式的数据；将得到的各种模式的数据绘制成对应不同链长的控制图图片；建立卷积神经网络模型，利用其无需手动提取特征以及对高维数据处理无压力的特点对控制图图片进行模式分类识别；根据识别结果从不同的方面查找可能的异常原因；本发明提出了一种可以用于不同链长的控制图模式识别方法，而且不需要手动提取复杂特征，其识别率相对传统的识别方法也有所提升，其准确而自动的模式识别对制造业具有重要的意义。