-
公开(公告)号：CN117744483A
公开(公告)日：2024-03-22
申请号：CN202311740455.2
申请日：2023-12-18
Applicant: 南京工业大学
IPC: G06F30/27 , G01M13/045 , G06F30/23 , G06F30/17 , G06F18/25 , G06F18/24 , G06F18/214 , G06N3/045 , G06N3/048 , G06N3/094 , G06N3/084 , G06F111/04
Abstract: 本发明涉及基于孪生信息模型和实测数据融合的轴承故障诊断方法，包括：对采集的实测数据集和仿真数据集分别进行数据样本标注标签得到实测振动数据集X和仿真振动数据集Y，通过数据预处理得到最优孪生模型；分析固有的故障特征频率来验证最优孪生模型有效性并判断故障类型；将X和Y输入GANs中进行增强和特征融合，获得特征的融合孪生数据集，将融合孪生数据集和实测振动数据集进行结合，得到混合数据集XA；将混合数据集XA输入Transformer故障诊断模型中进行特征提取，通过分类器实现轴承的故障诊断。本发明克服了故障数据不足、物理损伤实验成本高以及缺少仿真数据与实测数据的有效融合，导致故障诊断数据特征不够全面的问题，为制造产线的故障诊断提供了技术参考。
-
公开(公告)号：CN117744483B
公开(公告)日：2024-06-07
申请号：CN202311740455.2
申请日：2023-12-18
Applicant: 南京工业大学
IPC: G06F30/27 , G01M13/045 , G06F30/23 , G06F30/17 , G06F18/25 , G06F18/24 , G06F18/214 , G06N3/045 , G06N3/048 , G06N3/094 , G06N3/084 , G06F111/04
Abstract: 本发明涉及基于孪生信息模型和实测数据融合的轴承故障诊断方法，包括：对采集的实测数据集和仿真数据集分别进行数据样本标注标签得到实测振动数据集X和仿真振动数据集Y，通过数据预处理得到最优孪生模型；分析固有的故障特征频率来验证最优孪生模型有效性并判断故障类型；将X和Y输入GANs中进行增强和特征融合，获得特征的融合孪生数据集，将融合孪生数据集和实测振动数据集进行结合，得到混合数据集XA；将混合数据集XA输入Transformer故障诊断模型中进行特征提取，通过分类器实现轴承的故障诊断。本发明克服了故障数据不足、物理损伤实验成本高以及缺少仿真数据与实测数据的有效融合，导致故障诊断数据特征不够全面的问题，为制造产线的故障诊断提供了技术参考。
-
公开(公告)号：CN114997486A
公开(公告)日：2022-09-02
申请号：CN202210582208.3
申请日：2022-05-26
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于宽度学习网络的自来水厂的出水余氯预测方法，包括以下步骤：首先对自来水厂的数据集进行标准化预处理，然后对标准化处理后的自来水厂数据集的辅助变量利用主成分分析方法(PCA)方法得到其低维的特征映射，再通过将辅助变量的低维特征映射作为输入、目标变量作为输出，最后使用求伪逆的方法训练宽度学习网络模型，得到自来水厂出水余氯预测模型。本发明克服了观测数据存在的非线性、时变性、干扰性问题，为自来水厂日常的运行决策提供了技术参考。
-
公开(公告)号：CN119820386A
公开(公告)日：2025-04-15
申请号：CN202510230480.9
申请日：2025-02-28
Applicant: 南京工业大学
IPC: B23Q17/09 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08 , G06F18/2337
Abstract: 本发明公开了一种基于Diffusion‑EMCAformer的刀具磨损量建模和预测方法，包括：通过传感器采集加工过程中三轴力信号和加速度信号，通过显微镜刀具磨损量；基于双重熵优化方法的小波去噪技术对传感器采集的信号进行预处理；搭建Diffusion‑EMCAformer模型，将包括传感器信号、时间步信号、扩散步信号的输入划分为训练集和测试集，利用训练集训练出最优模型；通过扩散模型对缺失数据的测试集进行补充，在最优模型上进行测试预测的磨损量和磨损速度，再采用改进的算术优化算法结合模糊C均值聚进行分类对刀具磨损状态进行分类。本方法实现了对刀具磨损量的高效、准确预测，尤其在复杂工况下具有良好的适应性和鲁棒性，为机床维护提供准确的磨损量预测及维修建议。
-
公开(公告)号：CN119758731A
公开(公告)日：2025-04-04
申请号：CN202411930998.5
申请日：2024-12-26
Applicant: 南京工业大学
IPC: G05B13/04
Abstract: 本发明公开一种基于强化学习的密炼温度迭代学习预测控制方法。包含：S1、基于反应能量守恒原理建立密炼过程系统温度控制模型；S2、建立状态空间表达形式的系统温度控制模型；S3、针对过程的批次特性设计迭代学习控制律，建立迭代轴误差模型；S4、设计二维系统迭代学习模型预测控制方法，确定成本性能指标函数；S5、求解关于优化变量的标准二次规划问题；S6、设置Soft Actor‑Critic算法的超参数，将训练完成的策略网络与ILMPC控制器输出结合，并作用于系统；S7、根据缓存区的样本数据更新网络参数。本发明优化了控制系统在非重复扰动和未知动态变化下的控制鲁棒性，有效提高了密炼工艺排胶温度的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN116663261A
公开(公告)日：2023-08-29
申请号：CN202310543561.5
申请日：2023-05-15
Applicant: 南京工业大学
IPC: G06F30/20 , G06F17/10 , G06F111/04
Abstract: 本发明提供了一种面向蒸汽动力系统全周期运行的混合整数优化方法，针对蒸汽动力系统中对经济指标优化的需求，采用OPC DA协议接入现场蒸汽动力系统，进行数据采集，并将数据传输至工业数据库中，得到蒸汽动力系统数据集，以蒸汽动力系统全周期运行总费用最低为目标函数，对锅炉、汽轮机建立合理的线性化模型，综合考虑设备折旧费和启停费，建立混合整数线性规划模型，并在约束条件范围内求解目标函数，确定当前最优运行总费用，同时当蒸汽和电力需求发生周期性改变时，进入下一周期运行的优化处理，调节蒸汽动力系统进料参数，由OPC DA协议重新获取最新数据集，并重新计算下一周期最优总费用，如此递推，实现蒸汽动力系统的全周期优化。
-
公开(公告)号：CN118396464A
公开(公告)日：2024-07-26
申请号：CN202410504249.X
申请日：2024-04-25
Applicant: 南京工业大学
IPC: G06Q10/0639 , G06Q50/04 , G06F18/20 , G06N3/04 , G06N3/06
Abstract: 本发明公开了一种基于改进差分进化的BP神经网络密炼过程多目标优化方法，包括：S1、确定密炼过程所需优化的质量指标，并进行综合加权评分，得到综合加权评分值；S2、基于BP神经网络构建综合加权评分值与密炼过程工艺参数的非线性数学模型；S3、基于所述非线性数学模型，以密炼过程工艺参数为变量，以综合加权评分值最大化为目标建立优化模型；S4、采用改进差分进化算法求解所述优化模型，得到最优密炼过程工艺参数值，实现密炼过程工艺参数多目标优化。本发明不仅能够有效优化密炼过程，提高生产效率和效果，而且具有优良的稳定性和可靠性，对于改善现有密炼过程中的多目标优化问题具有显著作用。
-
公开(公告)号：CN118348934A
公开(公告)日：2024-07-16
申请号：CN202410467507.1
申请日：2024-04-18
Applicant: 南京工业大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于改进遗传算法的硫化车间调度方法，包括以下步骤：S1、建立硫化车间调度模型；S2、进行编码与解码；S3、初始化以及确定适应度函数；S4、选择操作；S5、引入相互学习策略取代原有遗传算法中的交叉操作；S6、变异操作；S7、将变异操作后得到的个体进行适应度值的计算；S8、迭代次数t＝t+1；S9、将改进的硫化车间调度算法封装进硫化车间优化算法库中。该基于改进遗传算法的硫化车间调度方法，可以有效对硫化车间进行调度，减少生产成本，通过将交叉操作替代为相互学习策略，增强了算法的局部搜索能力，同时，将变异概率改进为自适应遗传算子，避免手动调参的同时，尽可能保留优秀个体，有效提升了算法的收敛性能。
-
公开(公告)号：CN116881685A
公开(公告)日：2023-10-13
申请号：CN202310660599.0
申请日：2023-06-06
Applicant: 南京工业大学
IPC: G06F18/213 , G01M13/045 , G06F18/214 , G06F18/2113 , G06N3/0464 , G06N3/084 , G06N3/048 , G06N3/045 , G06N3/049
Abstract: 本发明公开了一种混合注意力机制下改进TCN的轴承寿命预测方法，其步骤为：步骤1：对数据集进行标准化处理；步骤2：将数据集划分出训练集和测试集；步骤3：对采集到的滚动轴承全生命周期振动信号进行特征提取，便于后续建立准确的寿命预测模型；步骤4：建立特征选择指标，从特征池里特征寻优筛选出统计特征；步骤5：多搭建多尺度深度卷积神经网络模块，从原始样本中提取多尺度深度退化特征；步骤6：构建寿命预测模块，完成模型训练，得到用于估计轴承剩余使用寿命的寿命预测模型。本发明具有多特征融合能力，融合深度特征和统计特征，表征能力更强，能够增强寿命预测模型的准确性，同时还能提高模型的预测精度和稳定性。
-
公开(公告)号：CN116739251A
公开(公告)日：2023-09-12
申请号：CN202310643187.6
申请日：2023-06-01
Applicant: 南京工业大学
IPC: G06Q10/0631 , G06N3/006 , G06F30/27 , G06F111/10 , G06F111/04 , G06F113/14
Abstract: 本发明提供一种考虑生产计划具有原油混合需求的原油调度优化方法，涉及原油调度优化领域，包括如下步骤：步骤一、建立原油调度数学模型，确定原油调度数学模型的目标函数及约束；所述目标函数包括管道混合成本、供油罐底混合成本、供油罐使用成本、供油罐切换成本以及管道能耗成本；所述约束包括转运时的原油体积约束以及驻留约束；步骤二、计算具有原油混合需求的两种R型原油的转运体积；步骤三、采用改进的NSGA‑II算法求解原油调度数学模型；步骤四、对求解出来的结果进行评价。本发明方法可以动态计算每次转运原油的体积，通过改进NSGA‑II的交叉和变异操作，高效快速地生成最优的原油调度方案。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
