-
公开(公告)号：CN110221583B
公开(公告)日：2020-08-07
申请号：CN201910417541.7
申请日：2019-05-20
Applicant: 清华大学
IPC: G05B19/418
Abstract: 本发明提供了一种基于HoloLens的智能装配生产线仿真方法，本方法首先对装配线的排产调度进行数学建模仿真，将多目标柔性作业车间调度问题转换为一个混合整数规划模型，包括确定约束条件、选取优化目标、根据选取的优化目标进行数学建模；然后利用改进的遗传算法对所述混合整数规划模型进行求解，得到排产调度方案；最后将得到的排产调度方案通过HoloLens头戴显示设备展现给用户。本发明可缩短产品装配周期，降低产品装配成本，改进产品装配质量；另一方便，本发明利用HoloLens头戴显示设备，增强用户交互体验。
-
公开(公告)号：CN109145373A
公开(公告)日：2019-01-04
申请号：CN201810785197.2
申请日：2018-07-17
Applicant: 清华大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于改进ESGP与预测区间的剩余寿命预测方法及装置，其中，方法包括：采集待测设备的运行数据，并根据运行数据提取待测设备的趋势特征；根据趋势特征通过基于岭回归的回声状态网络对待测设备的剩余使用寿命进行初步预测，以得到初步预测结果；将初步预测结果作为高斯过程的先验知识，并通过回声状态高斯过程对剩余使用寿命进一步预测，以获取带有预测区间且更准确的预测结果。该方法基于多传感器采集的系统运行数据对剩余使用寿命进行高质量预测，在考虑预测不确定性的情况下为后续维护提供更加可靠的信息，从而可以有效减少设备的停机时间与维护成本，提高设备运行效率与安全性，具有工业应用价值，简单易实现。
-
公开(公告)号：CN113158814B
公开(公告)日：2022-06-03
申请号：CN202110328161.3
申请日：2021-03-26
Applicant: 清华大学
Abstract: 本发明提出一种基于卷积自编码器的轴承健康状态监测方法，属于轴承故障预测与健康管理领域。该方法首先获取一个全新轴承的全生命周期数字振动信号及健康状态标注值；分别提取该数字振动信号的本征模态分量统计量特征和利用卷积自编码器学习的深度特征，将两种特征进行拼接并筛选，将筛选出的特征输入全连接回归网络当中进行回归训练，最终得到该轴承全生命周期的健康状态曲线图；之后，获取同型号待监测轴承目前的健康状态曲线图；对比两张曲线图，得到该待监测轴承的健康状态监测结果。本发明通过卷积自编码器提升轴承振动信号特征的完整性，运用特征排序和特征选择的方法去除冗余特征，能够得到较为准确的轴承健康状态。
-
公开(公告)号：CN113158814A
公开(公告)日：2021-07-23
申请号：CN202110328161.3
申请日：2021-03-26
Applicant: 清华大学
Abstract: 本发明提出一种基于卷积自编码器的轴承健康状态监测方法，属于轴承故障预测与健康管理领域。该方法首先获取一个全新轴承的全生命周期数字振动信号及健康状态标注值；分别提取该数字振动信号的本征模态分量统计量特征和利用卷积自编码器学习的深度特征，将两种特征进行拼接并筛选，将筛选出的特征输入全连接回归网络当中进行回归训练，最终得到该轴承全生命周期的健康状态曲线图；之后，获取同型号待监测轴承目前的健康状态曲线图；对比两张曲线图，得到该待监测轴承的健康状态监测结果。本发明通过卷积自编码器提升轴承振动信号特征的完整性，运用特征排序和特征选择的方法去除冗余特征，能够得到较为准确的轴承健康状态。
-
公开(公告)号：CN109145373B
公开(公告)日：2020-10-30
申请号：CN201810785197.2
申请日：2018-07-17
Applicant: 清华大学
IPC: G06F30/20 , G06F111/10
Abstract: 本发明公开了一种基于改进ESGP与预测区间的剩余寿命预测方法及装置，其中，方法包括：采集待测设备的运行数据，并根据运行数据提取待测设备的趋势特征；根据趋势特征通过基于岭回归的回声状态网络对待测设备的剩余使用寿命进行初步预测，以得到初步预测结果；将初步预测结果作为高斯过程的先验知识，并通过回声状态高斯过程对剩余使用寿命进一步预测，以获取带有预测区间且更准确的预测结果。该方法基于多传感器采集的系统运行数据对剩余使用寿命进行高质量预测，在考虑预测不确定性的情况下为后续维护提供更加可靠的信息，从而可以有效减少设备的停机时间与维护成本，提高设备运行效率与安全性，具有工业应用价值，简单易实现。
-
Patent Agency Ranking
公开(公告)号：CN108961460B
公开(公告)日：2020-05-08
申请号：CN201810789980.6
申请日：2018-07-18
Applicant: 清华大学
IPC: G07C3/00 , G06F30/20 , G06Q10/00 , G06Q50/04 , G06F111/06
Abstract: 本发明公开了一种基于稀疏ESGP与多目标优化的故障预测方法及装置，其中，方法包括：采集待测设备的运行数据，并根据运行数据提取待测设备的趋势特征；引入稀疏高斯过程以改进回声状态高斯过程的高斯过程，进而引入多目标遗传算法对回声状态高斯过程的模型进行参数优化，同时将剩余使用寿命的点预测与区间预测效果作为多目标优化的目标；该方法通过多目标优化对复杂的模型参数进行自动寻优，更高效地选择出较优的ESGP预测模型，再根据趋势特征通过优化后的模型对待测设备的剩余使用寿命进行最终预测，以获取较优的预测结果，从而可以有效减少设备的停机时间与维护成本，提高设备运行效率与安全性，具有工业应用价值。
-
公开(公告)号：CN110221583A
公开(公告)日：2019-09-10
申请号：CN201910417541.7
申请日：2019-05-20
Applicant: 清华大学
IPC: G05B19/418
Abstract: 本发明提供了一种基于HoloLens的智能装配生产线仿真方法，本方法首先对装配线的排产调度进行数学建模仿真，将多目标柔性作业车间调度问题转换为一个混合整数规划模型，包括确定约束条件、选取优化目标、根据选取的优化目标进行数学建模；然后利用改进的遗传算法对所述混合整数规划模型进行求解，得到排产调度方案；最后将得到的排产调度方案通过HoloLens头戴显示设备展现给用户。本发明可缩短产品装配周期，降低产品装配成本，改进产品装配质量；另一方便，本发明利用HoloLens头戴显示设备，增强用户交互体验。
-
公开(公告)号：CN113269266B
公开(公告)日：2023-09-19
申请号：CN202110637674.2
申请日：2021-06-08
Applicant: 清华大学
IPC: G06F18/2433 , G06F18/214 , G06N3/042 , G06N3/096
Abstract: 本申请提出了一种多故障模式下基于知识蒸馏的晶圆制造过程故障检测方法，涉及晶圆制造过程故障检测技术领域，其中，该方法包括：获取历史故障数据，并根据历史故障数据中故障的出现频次，确定常见故障类型和罕见故障类型；基于常见故障类型的监测数据，使用域自适应神经网络减小不同机台间的数据分布差异，以构建常见故障检测模型；构建罕见故障检测模型，获取常见故障检测模型在罕见故障数据训练集上的输出软标签，使用知识蒸馏方式，借助输出的软标签和数据真实标签优化罕见故障检测模型。本发明实现通过知识蒸馏方法，跨故障模式进行知识提取与传递，提升模型在罕见故障下的综合性能，实现对故障的及时检测，从而提高产品良率与生产线效率。
-
公开(公告)号：CN113269266A
公开(公告)日：2021-08-17
申请号：CN202110637674.2
申请日：2021-06-08
Applicant: 清华大学
Abstract: 本申请提出了一种多故障模式下基于知识蒸馏的晶圆制造过程故障检测方法，涉及晶圆制造过程故障检测技术领域，其中，该方法包括：获取历史故障数据，并根据历史故障数据中故障的出现频次，确定常见故障类型和罕见故障类型；基于常见故障类型的监测数据，使用域自适应神经网络减小不同机台间的数据分布差异，以构建常见故障检测模型；构建罕见故障检测模型，获取常见故障检测模型在罕见故障数据训练集上的输出软标签，使用知识蒸馏方式，借助输出的软标签和数据真实标签优化罕见故障检测模型。本发明实现通过知识蒸馏方法，跨故障模式进行知识提取与传递，提升模型在罕见故障下的综合性能，实现对故障的及时检测，从而提高产品良率与生产线效率。
-
公开(公告)号：CN108961460A
公开(公告)日：2018-12-07
申请号：CN201810789980.6
申请日：2018-07-18
Applicant: 清华大学
Abstract: 本发明公开了一种基于稀疏ESGP与多目标优化的故障预测方法及装置，其中，方法包括：采集待测设备的运行数据，并根据运行数据提取待测设备的趋势特征；引入稀疏高斯过程以改进回声状态高斯过程的高斯过程，进而引入多目标遗传算法对回声状态高斯过程的模型进行参数优化，同时将剩余使用寿命的点预测与区间预测效果作为多目标优化的目标；该方法通过多目标优化对复杂的模型参数进行自动寻优，更高效地选择出较优的ESGP预测模型，再根据趋势特征通过优化后的模型对待测设备的剩余使用寿命进行最终预测，以获取较优的预测结果，从而可以有效减少设备的停机时间与维护成本，提高设备运行效率与安全性，具有工业应用价值。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
