-
公开(公告)号:CN109822399B
公开(公告)日:2020-07-14
申请号:CN201910277738.5
申请日:2019-04-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于并行深度神经网络的数控机床刀具磨损状态预测方法。在数控机床工作台及夹具上安装测力计、加速度传感器和声传感器;进行铣削加工实验,采集铣削加工过程的切削力、振动和声信号,得到多传感器数据,并采集刀具的磨损量;预处理得到训练数据和待测试数据;建立并行深度神经网络模型;将处理好的训练数据及刀具磨损量标签输入到并行深度神经网络中离线训练模型;将待测试多传感器数据传入训练好的模型中,在线实时预测刀具的磨损量。本发明方法充分挖掘了数控机床刀具加工过程的隐含特征,可以对刀具磨损量进行实时预测。且该方法适用性广泛,可以广泛应用于各种数控机床中。
-
公开(公告)号:CN109472057A
公开(公告)日:2019-03-15
申请号:CN201811203181.2
申请日:2018-10-16
Applicant: 浙江大学
Abstract: 本发明公开了一种基于跨工步隐式参数记忆的产品加工质量预测装置及方法。所述装置包含数据获取模块、数据预处理模块、质量预测模型构建模块、参数优化模块、质量特征预测模块、在线更新模块;方法包括数据获取;数据预处理(样本数据异常值处理、依据产品制造过程的特征分组与排序、组内未知输入特征的处理、不平衡数据集工位步骤样本均衡随机重采样、组内特征降维);质量预测模型构建(质量预测模型结构的构建、模型最优参数优化训练);待测样本质量特征预测的步骤。本发明可以自动获取离散制造过程跨工步工艺过程参数之间的影响,具有较高的产品质量预测精度、灵活性、预测效率和模型重用性。
-
公开(公告)号:CN109446187A
公开(公告)日:2019-03-08
申请号:CN201811203172.3
申请日:2018-10-16
Applicant: 浙江大学
IPC: G06F16/215 , G06N3/04
Abstract: 本发明公开了一种基于注意力机制与神经网络的复杂装备健康状态监测方法。主要步骤为:获取复杂装备的多传感数据;进行特征选择获得有效测量数据;预处理得到多个切片样本;建立融合了注意力机制和深度神经网络的神经网络分类模型;将切片样本与其对应的标签输入到神经网络分类模型中离线训练神经网络分类模型;将待预测的多传感数据的切片样本输入到训练好的神经网络分类模型中,得到复杂装备的健康状态。本发明考虑到了多传感器信号的数据特征,充分挖掘了数据中的局部特征和时序信息,预测精度高,适用性广,能广泛应用于各种复杂装备中。
-
公开(公告)号:CN119646555A
公开(公告)日:2025-03-18
申请号:CN202411815208.9
申请日:2024-12-11
Applicant: 浙江大学
IPC: G06F18/23213 , G06F18/15 , G06N3/088 , G06N3/045 , G06N3/049 , G06F18/214 , G06F18/21 , G06F18/24 , G06F18/23 , G06F18/213 , G06F18/25
Abstract: 本申请公开了一种自适应时间戳编码增强的复杂装备残缺状态监测数据时序插补方法,涉及工业传感数据处理技术领域,该方法包括:对获取的在线残缺状态监测时序数据进行标准化,再将在线时间戳序列数据进行归一化处理,随后利用时间戳先验特征编码模块输出在线时间戳先验编码特征,实现了残缺状态监测数据中的时间戳信息在插补任务中的有效利用;随后利用训练好的时间戳‑局部插补模型联合框架,得到残缺状态监测数据在线插补结果;该方案中实现了局部性时序插补模型和时间戳概率性插补模型间的优势互补,有效提升了复杂装备状态监测数据时序插补的精确性和鲁棒性,可广泛应用于各类复杂装备运行状态分析任务中的数据增强环节。
-
公开(公告)号:CN109711714B
公开(公告)日:2023-01-10
申请号:CN201811583945.5
申请日:2018-12-24
Applicant: 浙江大学
Abstract: 本发明公开了一种基于并联长短期记忆网络的制造装配产品质量预测方法。产品各个工位步骤的特征获取;产品各个工位步骤的特征预处理过程;基于并联长短期记忆网络的产品质量预测模型的建立;基于并联长短期记忆网络的产品质量预测模型的参数优化训练;基于上述质量预测模型,对待测样本的质量特征进行预测。本发明用于处理制造装配过程中可能存在并行工步时的产品质量预测问题,其可以自动获取并行工步之间的跨工步工艺过程参数之间的影响,具有较高的产品质量预测精度、灵活性、预测效率和模型重用性。
-
公开(公告)号:CN111639461B
公开(公告)日:2022-10-18
申请号:CN202010455079.2
申请日:2020-05-26
Applicant: 浙江大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G05B19/4065
Abstract: 本发明公开了一种针对工业不均衡数据的刀具磨损状态检测方法。对通过传感器获得的数控机床刀具历史监控数据进行预处理与刀具磨损状态标签组成源训练数据;对与待检测刀具的刀具历史监控数据进行相同预处理和源训练数据过采样合成获得的少数类数据一起组成辅助训练数据;通过迁移学习方法使用上述训练数据训练刀具磨损状态预测模型;将待检测刀具的实时传感器数据经过预处理后输入预测模型中,实时获得刀具的磨损状态。本发明充分保证了训练数据的均衡性,充分保证了训练数据与测试数据的分布一致性,从而解决了在工业数据量较少且不均衡的条件下刀具磨损状态的高精度检测问题。
-
公开(公告)号:CN111241295B
公开(公告)日:2022-05-03
申请号:CN202010006001.2
申请日:2020-01-03
Applicant: 浙江大学 , 武汉数字化设计与制造创新中心有限公司
IPC: G06F16/36 , G06F40/211 , G06F40/242 , G06F40/295 , G06F40/30
Abstract: 本发明公开了一种基于语义句法交互网络的知识图谱关系数据抽取方法。主要步骤为:收集复杂装备设计过程的设计文档,由设计文档的文本数据组建设计文档语料库;针对设计文档文本数据进行文本预处理;建立基于语义句法多轮交互深度神经网络的关系抽取模型;将预处理后的文本数据与关系类型标签输入到关系抽取模型中进行离线训练;对待预测实体关系的文本数据进行预处理后,输入至训练好的关系抽取模型中,获得预测的关系类别。本发明通过语义信息与句法信息的多轮交互,提高语义信息与句法信息的利用率,实现动态、深层次地挖掘对知识图谱关系数据抽取有利的语义信息与句法信息,提高了模型的灵活性、泛化性以及准确性。
-
公开(公告)号:CN109522600B
公开(公告)日:2020-10-16
申请号:CN201811202690.3
申请日:2018-10-16
Applicant: 浙江大学
Abstract: 本发明公开了一种基于组合深度神经网络的复杂装备剩余使用寿命预测方法。主要步骤为:获取复杂装备的多传感数据;进行特征选择获得有效测量数据;预处理得到多个切片样本;建立融合了注意力机制和深度神经网络的神经网络回归模型;将切片样本与其对应的标签输入到神经网络回归模型中离线训练神经网络回归模型;将待预测的多传感数据的切片样本输入到训练好的神经网络回归模型中,得到复杂装备的剩余使用寿命。本发明考虑到了多传感器信号的数据特征,充分挖掘了数据中的局部特征和时序信息,预测精度高,适用性广,能广泛应用于各种复杂装备中。
-
公开(公告)号:CN109711714A
公开(公告)日:2019-05-03
申请号:CN201811583945.5
申请日:2018-12-24
Applicant: 浙江大学
Abstract: 本发明公开了一种基于并联长短期记忆网络的制造装配产品质量预测方法。产品各个工位步骤的特征获取;产品各个工位步骤的特征预处理过程;基于并联长短期记忆网络的产品质量预测模型的建立;基于并联长短期记忆网络的产品质量预测模型的参数优化训练;基于上述质量预测模型,对待测样本的质量特征进行预测。本发明用于处理制造装配过程中可能存在并行工步时的产品质量预测问题,其可以自动获取并行工步之间的跨工步工艺过程参数之间的影响,具有较高的产品质量预测精度、灵活性、预测效率和模型重用性。
-
公开(公告)号:CN118709837A
公开(公告)日:2024-09-27
申请号:CN202410785933.X
申请日:2024-06-18
Applicant: 浙江大学
IPC: G06Q10/04 , G06N3/0499 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于微调大语言模型的机械设备剩余寿命预测方法。本发明通过两阶段微调对大语言模型进行调整,然后利用调整后的大语言模型搭建机械设备剩余寿命预测模型。其中,在第一个微调阶段使用自监督学习调整模型权重,在第二个微调阶段使用监督学习调整模型权重。在两个微调阶段,冻结了大语言模型中transformer构的注意力层和前馈神经网络的参数更新。在transformer中引入了适配器技术,帮助模型从微调的数据集中学习对剩余寿命有效的新知识。本发明可以有效利用大量无标签数据快速训练模型,对标签数据的需求很小,符合工业环境中缺乏标签数据但存在海量无标签数据的情景。
-
-
-
-
-
-
-
-
-