公开(公告)号：CN102254184A

公开(公告)日：2011-11-23

申请号：CN201110200365.5

申请日：2011-07-18

Applicant: 华中科技大学

Inventor： 胡友民 ,  谢锋云 ,  王琰 ,  王小岑 ,  吴波 ,  程瑶 ,  贾广飞 ,  李明宇 ,  金超

IPC: G06K9/62

Abstract: 本发明公开了一种多物理域特征信息融合方法，包括：（1）通过测量工具获取工程事件中所需要的先验信息，去除其中的冗余信息，获得优化的特征信息集；（2）将优化的特征信息集中的每个特征信息值Xi转换成区间形式；（3）求取广义隐马尔科夫初始模型；（4）根据获得的广义隐马尔科夫初始模型λ，获取最优模型；（5）求得每个单物理域的最优的广义隐马尔科夫模型，再各单物理域最优模型参数间的耦合关系，合成联合的广义区间后验概率分布，完成获得多物理域特征信息融合。本发明的方法通过广义贝叶斯法则，建立不同工程中多物理域参数间的耦合关系，能有效的解决多物理域特征特征信息融合问题。

公开(公告)号：CN103105820B

公开(公告)日：2014-10-29

申请号：CN201210160153.3

申请日：2012-05-22

Applicant: 华中科技大学

Inventor： 谢锋云 ,  胡友民 ,  吴波 ,  贾广飞 ,  金超 ,  王小岑 ,  程瑶

IPC: G05B19/4065

Abstract: 本发明公开了一种数控机床切削加工的刀具磨损状态识别方法，具体包括如下步骤：（1）数据采集（2）采集数据区间化，获得区间数据集（3）对采集信号进行小波包分解，获得各频段的能量百分比和相应各频段的上界小波包系数和下界小波包系数；（4）获取多观察序列（5）求取广义隐马尔科夫初始模型λ=（A,B,π）；（6）模型训练获得最优模型库λ＝(λ1,...,λn)；（7）把待识别磨损状态的刀具磨损信号数据作为多观察输入代入上述最优模型库，识别刀具磨损状态。本发明通过广义区间概率来解决数据机床加工中研究刀具磨损状态时，信息处理中出现的不确定性问题，识别准确率显著提高。

公开(公告)号：CN103105820A

公开(公告)日：2013-05-15

申请号：CN201210160153.3

申请日：2012-05-22

Applicant: 华中科技大学

Inventor： 谢锋云 ,  胡友民 ,  吴波 ,  贾广飞 ,  金超 ,  王小岑 ,  程瑶

IPC: G05B19/4065

Abstract: 本发明公开了一种数控机床切削加工的刀具磨损状态识别方法，具体包括如下步骤：（1）数据采集（2）采集数据区间化，获得区间数据集（3）对采集信号进行小波包分解，获得各频段的能量百分比和相应各频段的上界小波包系数和下界小波包系数；（4）获取多观察序列（5）求取广义隐马尔科夫初始模型λ=（A,B,π）；（6）模型训练获得最优模型库λ＝(λ1,...,λn)；（7）把待识别磨损状态的刀具磨损信号数据作为多观察输入代入上述最优模型库，识别刀具磨损状态。本发明通过广义区间概率来解决数据机床加工中研究刀具磨损状态时，信息处理中出现的不确定性问题，识别准确率显著提高。

公开(公告)号：CN103034170B

公开(公告)日：2014-10-29

申请号：CN201210494541.5

申请日：2012-11-27

Applicant: 华中科技大学

Inventor： 谢锋云 ,  胡友民 ,  吴波 ,  贾广飞 ,  李延磊 ,  王小岑 ,  程瑶

IPC: G05B19/406

Abstract: 本发明公开了一种基于区间的数控机床加工性能预测方法，包括：(1)获取每类测量数据的多个测量值；(2)将每类测量数据中的每个测量值转换成区间形式；(3)提取时域或时频域特征；(4)把提取的时域或时频域特征作为观测，获得优化的广义隐马尔可夫模型；(5)从优化的广义隐马尔可夫模型中，找出状态转移概率矩阵，作为马尔可夫链转移矩阵；(6)选择区间化的初始状态概率向量，并与该马尔可夫链转移矩阵，形成性能预测模型A(n)；(7)求该模型中的最大值，即为数控机床加工性能的预测状态。本发明的方法通过概率来处理偶然不确定性，通过区间来获取知识匮乏引起的不确定性，使预测准确率能显著提高，并具有很强的预测鲁棒性。

公开(公告)号：CN103034170A

公开(公告)日：2013-04-10

申请号：CN201210494541.5

申请日：2012-11-27

Applicant: 华中科技大学

Inventor： 谢锋云 ,  胡友民 ,  吴波 ,  贾广飞 ,  李延磊 ,  王小岑 ,  程瑶

IPC: G05B19/406

Abstract: 本发明公开了一种基于区间的数控机床加工性能预测方法，包括：（1）获取每类测量数据的多个测量值；（2）将每类测量数据中的每个测量值转换成区间形式；（3）提取时域或时频域特征；（4）把提取的时域或时频域特征作为观测，获得优化的广义隐马尔可夫模型；（5）从优化的广义隐马尔可夫模型中，找出状态转移概率矩阵，作为马尔科夫链转移矩阵；（6）选择区间化的初始状态概率向量，并与该马尔可夫链转移矩阵，形成性能预测模型A(n)；（7）求该模型中的最大值，即为数控机床加工性能的预测状态。本发明的方法通过概率来处理偶然不确定性，通过区间来获取知识匮乏引起的不确定性，使预测准确率能显著提高，并具有很强的预测鲁棒性。

公开(公告)号：CN102254184B

公开(公告)日：2013-01-02

申请号：CN201110200365.5

申请日：2011-07-18

Applicant: 华中科技大学

Inventor： 胡友民 ,  谢锋云 ,  王琰 ,  王小岑 ,  吴波 ,  程瑶 ,  贾广飞 ,  李明宇 ,  金超

IPC: G06K9/62

Abstract: 本发明公开了一种多物理域特征信息融合方法，包括：（1）通过测量工具获取工程事件中所需要的先验信息，去除其中的冗余信息，获得优化的特征信息集；（2）将优化的特征信息集中的每个特征信息值Xi转换成区间形式；（3）求取广义隐马尔科夫初始模型；（4）根据获得的广义隐马尔科夫初始模型λ，获取最优模型；（5）求得每个单物理域的最优的广义隐马尔科夫模型，再各单物理域最优模型参数间的耦合关系，合成联合的广义区间后验概率分布，完成获得多物理域特征信息融合。本发明的方法通过广义贝叶斯法则，建立不同工程中多物理域参数间的耦合关系，能有效的解决多物理域特征特征信息融合问题。