-
公开(公告)号：CN117195438B
公开(公告)日：2024-01-23
申请号：CN202311468811.X
申请日：2023-11-07
Applicant: 清华大学
IPC: G06F30/17 , G06F30/27 , G06N3/08 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F119/18 , G06F119/14
Abstract: 本申请涉及智能制造技术领域，特别涉及一种轴类零件尺寸误差补偿方法及装置，其中，方法包括：采集目标轴类零件加工系统的加工过程数据，构建尺寸误差物理模型，基于预先训练的预设双深度神经网络模型，预测目标加工道次对应的切向系统刚度系数和加工力模式系数，更新尺寸误差物理模型，计算目标加工道次对应的加工尺寸误差，得到误差补偿值补偿目标轴类零件加工系统的尺寸误差。本申请实施例可以基于数据驱动物理模型方法，通过融合双深度神经网络预测与物理建模计算的优势，还原真实加工过程物理机理，并根据加工过程数据处理时变特性，从而实现轴类零件尺寸误差的精确补偿，有效提升了轴类零件加工的尺寸精度，更具可靠性。
-
公开(公告)号：CN117150372A
公开(公告)日：2023-12-01
申请号：CN202311091133.X
申请日：2023-08-28
IPC: G06F18/2411 , G01B21/00 , G01B21/18 , G01B21/08 , G06F18/27 , G06F18/23 , G06F18/213 , G06N3/0455 , G06N3/096
Abstract: 本发明涉及智能制造技术领域，特别涉及一种用于大型薄壁零件腔体的底面尺寸误差预测方法及装置，其中，方法包括：采集大型薄壁零件中每个腔体的主轴铣削功率信号，并对每个腔体进行聚类，得到至少一种类型腔体；利用预先构建的深度自编码器神经网络，提取任一类型腔体的初始功率信号特征，并测量当前类型腔体的底面尺寸误差，以构建关联模型；调整深度自编码器神经网络的参数，并将剩余的其他类型腔体的主轴铣削功率信号输入微调后的深度自编码器网络中，以提取多个功率信号特征；将多个功率信号特征输入至关联模型中，以预测多个腔体铣削的底面尺寸误差。该方法实现了对大型薄壁零件腔体铣削底面尺寸误差的高效、精确预测。
-
公开(公告)号：CN103901319B
公开(公告)日：2017-02-01
申请号：CN201410075019.2
申请日：2014-03-03
IPC: G01R31/08
Abstract: 本发明提供一种电网暂态电压稳定性检测方法，通过收集电网运行数据，包括系统元件参数、网络拓扑结构信息和负荷信息，设定电网的运行方式集、典型故障集以及节点集；采用计算机时域仿真方法分别对所述节点集中的各个节点在特定运行方式下的各种故障进行时域仿真，记录所述节点在故障发生后的电压情况；然后根据仿真结果分别计算电网在单一故障下以及在多个故障下节点和系统的电压暂降严重性指标和电压合格性指标，根据所述电压暂降严重性指标和电压合格性指标判断节点和系统的暂态电压稳定性。本发明更加准确、简单地检测实际电力系统的暂态电压稳定性，通过本发明提出的电压暂降严重性指标可判断实际电网中任意节点和整个系统的暂态电压稳定性。
-
公开(公告)号：CN103901319A
公开(公告)日：2014-07-02
申请号：CN201410075019.2
申请日：2014-03-03
IPC: G01R31/08
Abstract: 本发明提供一种电网暂态电压稳定性检测方法，通过收集电网运行数据，包括系统元件参数、网络拓扑结构信息和负荷信息，设定电网的运行方式集、典型故障集以及节点集；采用计算机时域仿真方法分别对所述节点集中的各个节点在特定运行方式下的各种故障进行时域仿真，记录所述节点在故障发生后的电压情况；然后根据仿真结果分别计算电网在单一故障下以及在多个故障下节点和系统的电压暂降严重性指标和电压合格性指标，根据所述电压暂降严重性指标和电压合格性指标判断节点和系统的暂态电压稳定性。本发明更加准确、简单地检测实际电力系统的暂态电压稳定性，通过本发明提出的电压暂降严重性指标可判断实际电网中任意节点和整个系统的暂态电压稳定性。
-
公开(公告)号：CN103853919A
公开(公告)日：2014-06-11
申请号：CN201410059029.7
申请日：2014-02-20
IPC: G06F19/00
Abstract: 本发明提供一种基于负荷特性分析的中枢节点选择方法及系统，所述方法包括以下步骤：获取负荷波动的历史数据；根据所述历史数据计算无功波动指标；计算反映系统中负荷节点的无功对另一节点的电压所产生的影响的灵敏度；根据所述无功波动指标与所述灵敏度生成电压波动空间；根据所述电压波动空间来进行中枢节点选择。本发明的一种基于负荷特性分析的中枢节点选择方法及系统，能够使得二级电压控制拥有更全面、更有效的控制效果；并且本发明选择的中枢节点的控制效果对系统结构变化的鲁棒性较好，当系统发生断线等故障时，相比较而言不会引起过大的控制效果的退化，具有更强的适应性。
-
Patent Agency Ranking
公开(公告)号：CN119151917B
公开(公告)日：2025-03-28
申请号：CN202411625205.9
申请日：2024-11-14
Applicant: 清华大学
Abstract: 本发明涉及线性尺寸的计量技术领域，特别涉及一种用于激光送丝增材制造的零件层高尺寸检测方法及装置，其中，方法包括：获取激光送丝增材制造零件的待检测图像，对待检测图像进行去噪处理，以得到平滑图像，并对平滑图像进行处理，以得到二值图像，根据二值图像获取位于激光送丝增材制造零件图像边缘内部的种子轮廓，对预先构建的图像边缘分割模型进行求解，并将种子轮廓作为初始演化曲线输入进行激光送丝增材制造零件的图像边缘分割，以计算图像边缘对应的实际层高尺寸。由此，解决了相关技术中，基于传统边缘检测算子的零件边缘定位方法检测精度不高，鲁棒性不强，导致其难以与视觉测距方案相结合的问题。
-
公开(公告)号：CN117195438A
公开(公告)日：2023-12-08
申请号：CN202311468811.X
申请日：2023-11-07
Applicant: 清华大学
IPC: G06F30/17 , G06F30/27 , G06N3/08 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F119/18 , G06F119/14
Abstract: 本申请涉及智能制造技术领域，特别涉及一种轴类零件尺寸误差补偿方法及装置，其中，方法包括：采集目标轴类零件加工系统的加工过程数据，构建尺寸误差物理模型，基于预先训练的预设双深度神经网络模型，预测目标加工道次对应的切向系统刚度系数和加工力模式系数，更新尺寸误差物理模型，计算目标加工道次对应的加工尺寸误差，得到误差补偿值补偿目标轴类零件加工系统的尺寸误差。本申请实施例可以基于数据驱动物理模型方法，通过融合双深度神经网络预测与物理建模计算的优势，还原真实加工过程物理机理，并根据加工过程数据处理时变特性，从而实现轴类零件尺寸误差的精确补偿，有效提升了轴类零件加工的尺寸精度，更具可靠性。
-
公开(公告)号：CN103853919B
公开(公告)日：2015-09-16
申请号：CN201410059029.7
申请日：2014-02-20
IPC: G06F19/00
Abstract: 本发明提供一种基于负荷特性分析的中枢节点选择方法及系统，所述方法包括以下步骤：获取负荷波动的历史数据；根据所述历史数据计算无功波动指标；计算反映系统中负荷节点的无功对另一节点的电压所产生的影响的灵敏度；根据所述无功波动指标与所述灵敏度生成电压波动空间；根据所述电压波动空间来进行中枢节点选择。本发明的一种基于负荷特性分析的中枢节点选择方法及系统，能够使得二级电压控制拥有更全面、更有效的控制效果；并且本发明选择的中枢节点的控制效果对系统结构变化的鲁棒性较好，当系统发生断线等故障时，相比较而言不会引起过大的控制效果的退化，具有更强的适应性。
-
公开(公告)号：CN104124696A
公开(公告)日：2014-10-29
申请号：CN201410310209.8
申请日：2014-06-30
CPC classification number: Y02E40/16
Abstract: 本发明提供一种电力系统电压稳定控制方法及系统，基于STATCOM(静止同步补偿器)与MSC(机械式投切电容器)，根据自动电压控制系统提供的无功功率需求参考值、STATCOM与MSC的额定无功容量，决定实际应投入的MSC组数，并根据目标参数及所述MSC组数，获得STATCOM的输出无功容量。若自动电压控制系统给定的是电压参考值，也可通过外环PI控制将其转化为无功参考值，从而进行容量的分配组合控制。当无功功率需求超出STATCOM与MSC组合输出总无功容量范围时，最大限度地投入无功补偿容量，剩余的无功功率需求将由附近变电站无功补偿设备提供。能够提高组合控制的稳定性，提高STATCOM的利用效率。
-
公开(公告)号：CN119151917A
公开(公告)日：2024-12-17
申请号：CN202411625205.9
申请日：2024-11-14
Applicant: 清华大学
Abstract: 本发明涉及线性尺寸的计量技术领域，特别涉及一种用于激光送丝增材制造的零件层高尺寸检测方法及装置，其中，方法包括：获取激光送丝增材制造零件的待检测图像，对待检测图像进行去噪处理，以得到平滑图像，并对平滑图像进行处理，以得到二值图像，根据二值图像获取位于激光送丝增材制造零件图像边缘内部的种子轮廓，对预先构建的图像边缘分割模型进行求解，并将种子轮廓作为初始演化曲线输入进行激光送丝增材制造零件的图像边缘分割，以计算图像边缘对应的实际层高尺寸。由此，解决了相关技术中，基于传统边缘检测算子的零件边缘定位方法检测精度不高，鲁棒性不强，导致其难以与视觉测距方案相结合的问题。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.02 seconds)
