-
公开(公告)号：CN114398825B
公开(公告)日：2024-08-02
申请号：CN202111652049.1
申请日：2021-12-30
Applicant: 燕山大学
IPC: G06F30/27 , G06F30/17 , G06N3/0464 , G06N3/048 , G06N3/094 , G06N3/096 , G06N3/082 , G06N3/084 , G06F119/04
Abstract: 本发明提供一种预测面向复杂多变工况的切削刀具剩余寿命的方法，具体步骤为：S1、采集数控系统的NC变量数据，并标记切削刀具的剩余寿命；S2、利用压缩感知方法对采集的NC变量数据进行降噪处理；S3、根据工况之间的差异对S2处理的NC变量数据进行领域划分，得到切削刀具的源域特征空间和目标域特征空间；S4、通过一维残差块堆叠的方式从切削刀具的源域特征空间和目标域特征空间中提取切削刀具寿命的敏感特征；S5、根据S4提取的切削刀具寿命的敏感特征，利用领域对抗方法与数据分布自适应方法构建刀具剩余寿命预测迁移学习框架。本发明不仅可以提高单一工况下的刀具剩余寿命预测精度，且在复杂多变工况下具备获得良好的泛化能力。
-
公开(公告)号：CN115577834A
公开(公告)日：2023-01-06
申请号：CN202211177274.9
申请日：2022-09-26
Applicant: 燕山大学
Abstract: 本发明提供一种用于预测全品类备件需求的方法，首先对主机厂备件的历史月度需求量进行预处理，基于统计学中的3σ原则进行异常历史月度需求量筛查并采用均值进行替换；其次依据历史月度需求量特征，将备件分为低频需求组、超低量需求组、低量需求组和常态需求组；最后面向不同分组的备件，构建不同分组的需求量预测模型，分别采用均值统计分析方法、一阶指数平滑模型、三阶指数平滑模型以及LSTM算法与XGboost算法结合的方法对上述四组备件需求进行预测。本发明依据历史月度需求量对主机厂备件分组，并针对性构建一套预测方案，避免单一方法应用于全品类备件需求预测精度不佳的问题，从而实现精度更高的备件的需求预测。
-
公开(公告)号：CN117233643A
公开(公告)日：2023-12-15
申请号：CN202311266686.4
申请日：2023-09-28
Applicant: 燕山大学
IPC: G01R31/396 , G01R31/367
Abstract: 本发明公开了一种面向动力电池组电压时序数据的自适应LTTB降采样方法，包括以下步骤：S1，从电动汽车BMS内提取电池组电压数据并预处理；S2，按现有LTTB算法将采样点平分至各压缩区间，计算MSE；S3，对各压缩区间内的采样点数目进行动态调整；S4，压缩区间中选择保留的采样点；S5，计算χc降采样后的特征损失Loss；S6，重复执行步骤S3～S5，在Loss首次发生阶跃前跳出循环并执行步骤S7；S7，判断χd段各压缩区间的MSE，若有MSE大于预定阈值，则对相应压缩区间进行拆分，并更新χd段的采样点分配情况，若都小于预定阈值，则执行步骤S4并结束降采样。本发明能够根据电池组电压序列特点自适应地调整压缩比，更好地保留原始序列的时序特征与形状特征。
-
公开(公告)号：CN114398825A
公开(公告)日：2022-04-26
申请号：CN202111652049.1
申请日：2021-12-30
Applicant: 燕山大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04
Abstract: 本发明提供一种预测面向复杂多变工况的切削刀具剩余寿命的方法，具体步骤为：S1、采集数控系统的NC变量数据，并标记切削刀具的剩余寿命；S2、利用压缩感知方法对采集的NC变量数据进行降噪处理；S3、根据工况之间的差异对S2处理的NC变量数据进行领域划分，得到切削刀具的源域特征空间和目标域特征空间；S4、通过一维残差块堆叠的方式从切削刀具的源域特征空间和目标域特征空间中提取切削刀具寿命的敏感特征；S5、根据S4提取的切削刀具寿命的敏感特征，利用领域对抗方法与数据分布自适应方法构建刀具剩余寿命预测迁移学习框架。本发明不仅可以提高单一工况下的刀具剩余寿命预测精度，且在复杂多变工况下具备获得良好的泛化能力。
-
-
-
Search Results
4
records
(took 0.011 seconds)
