公开(公告)号：CN119105370A

公开(公告)日：2024-12-10

申请号：CN202411371623.X

申请日：2024-09-29

Applicant: 江苏大学

Inventor： 梁宇琛 ,  鲁金忠 ,  卢海飞 ,  丁浩 ,  宋佳茹 ,  张红梅 ,  孙嘉骏 ,  李安平 ,  王宇琦 ,  尹翔宇

IPC: G05B19/042

Abstract: 本发明公开了基于边缘计算的激光表面强化智能控制系统，包括云计算层、边缘计算层、终端层，终端层将采集的工艺参数和工件表面图像发送到边缘计算层，然后传输到云计算层；云计算层将构建的工件表面缺陷诊断模型、激光表面强化再制造模型发送到边缘计算层进行训练；边缘计算层利用训练好的模型，对工件表面缺陷进行实时监测和诊断，以及激光表面强化工作参数计算，通过激光强化机器人对工件进行激光表面处理。本发明通过构建工件表面缺陷诊断模型，实现了数控加工过程中产品质量的实时监测和诊断，同时基于诊断数据进行实时分析，通过激光表面强化处理实现产品再制造，实现了激光表面强化过程中的实时数据处理和智能决策。

公开(公告)号：CN118938878A

公开(公告)日：2024-11-12

申请号：CN202411193471.9

申请日：2024-08-28

Applicant: 江苏大学

Inventor： 梁宇琛 ,  鲁金忠 ,  卢海飞 ,  王宇琦 ,  李安平

IPC: G05B23/02

Abstract: 本发明公开了一种基于故障机理与迁移学习的数控加工故障诊断方法，包括以下步骤：采集相同加工工况下的原始加工数据；基于刀具磨损机理和故障机理构建功率增量分析模型；利用功率增量分析模型对加工数据进行标记分类；构建数控加工故障诊断模型；对新加工条件的加工数据，基于迁移学习训练数控加工故障诊断模型。本发明在充分考虑的刀具磨损所致加工故障以及其他加工故障对加工功率影响的前提下，基于功率变化识别加工过程中机器或刀具状态发生重大变化的异常能量模式，能够有效指导数据标记分类，提升数据诊断的准确性及鲁棒性；构建基于迁移学习的深度学习算法模型，能够有效提高其训练精度及效率。

公开(公告)号：CN119217147A

公开(公告)日：2024-12-31

申请号：CN202411372132.7

申请日：2024-09-29

Applicant: 江苏大学

Inventor： 梁宇琛 ,  鲁金忠 ,  卢海飞 ,  黄俊杰 ,  张红梅 ,  李安平 ,  孙嘉骏 ,  王宇琦 ,  张春鹏

IPC: B23Q17/09 ,  B23Q11/00 ,  B23K26/352

Abstract: 本发明公开了一种基于人工智能的刀具磨损监测和修复方法，包括以下步骤：终端层采集原始加工数据并上传至云计算层；云计算层训练功率增量诊断模型；终端层实时采集加工过程中加工数据作为监控数据；云计算层选择深度学习算法或迁移学习算法训练最终的加工精度故障诊断模型；构建边缘计算分配优化算法并进行任务调度；基于加工精度故障诊断结果，构建激光表面强化路径，利用激光表面强化处理对磨损刀具进行修复。本发明能够基于迁移学习机制实时进行数控加工过程诊断，并基于诊断结果规划激光表面强化路径，实时指导激光表面强化作业，采用激光表面强化技术对刀具异常状态进行及时修复，确保了加工精度。

公开(公告)号：CN119002398A

公开(公告)日：2024-11-22

申请号：CN202411193469.1

申请日：2024-08-28

Applicant: 江苏大学

Inventor： 梁宇琛 ,  鲁金忠 ,  王宇琦 ,  卢海飞 ,  孙嘉骏

IPC: G05B19/404

Abstract: 本发明公开了一种数字孪生驱动的重型数控机床热误差分析预测方法，包括以下步骤：基于重型数控机床的热分布机理以及不同加工参数环境的影响因素构建测温点选取模型，优化测温点选取位置并部署相应温度传感器；通过共线性处理剔除相似度高的冗余数据，降低温度数据间的共线性；基于温度数据的时间序列和非线性特征，构建和训练热误差预测模型，获得热误差预测值。本发明基于重型数控机床的热分布机理和不同加工参数环境下，优化温度传感器部署；同时本发明基于低共线性数据与深度学习驱动的热误差预测模型，提高了深度学习的训练精度，确保了预测结果的准确性，进而能够进行有效、准确的加工补偿，提升重型数控机床的加工精度。