公开(公告)号：CN120012603A

公开(公告)日：2025-05-16

申请号：CN202510183898.9

申请日：2025-02-19

Applicant: 电子科技大学

Inventor： 黄智 ,  何实 ,  乔明鑫 ,  熊镐楠 ,  丁杰雄 ,  杜丽 ,  王洪艳 ,  辛强

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/08 ,  G06F17/10 ,  G06F18/214 ,  G06N3/084 ,  G06N3/048 ,  G06F18/23213 ,  G06N3/049 ,  G06F111/10 ,  G06F119/08

Abstract: 本发明公开了一种基于多模态深度学习的数控机床关键部位温度预测方法，通过设计结合时间序列数据、环境参数和加工工艺参数的多模态LSTM深度学习模型，采用LSTM提取时间序列特征，并通过全连接网络分别处理环境和工艺数据，再将多模态特征在融合层中整合，最终生成精准预测结果，用于指导机床温控操作，还能进行SHAP值分析。本发明的方法适用于在非恒温环境下的数控机床中关键部位的温度变化预测，能够提高机床加工精度并实现实时误差补偿，利用多种传感器数据、环境信息和加工工艺参数数据，结合深度学习技术进行建模与预测，在提升预测精度的同时，显著增强模型的透明性和可信度，可广泛适用于工业设备过程控制温度预测调控等领域。

公开(公告)号：CN117852714A

公开(公告)日：2024-04-09

申请号：CN202410036549.X

申请日：2024-01-10

Applicant: 电子科技大学

Inventor： 黄智 ,  乔明鑫 ,  熊镐楠 ,  何实 ,  黄懿笛 ,  王立平 ,  丁杰雄 ,  陈勇强 ,  王洪艳

IPC: G06Q10/04 ,  G06Q50/04 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0985 ,  G06N3/006

Abstract: 本发明公开了一种基于AFSA优化Transformer‑GRU的非恒温数控车间短期温度预测方法，首先进行实验数据采集，对采集数据进行预处理并划分为训练集和测试集，然后建立Transformer‑GRU模型进行温度预测，最后通过AFSA算法优化模型参数，完成温度预测。本发明的方法综合利用Transformer和GRU神经网络充分提取长短期特征，通过自注意力机制进行不同模型之间的特征融合构建温度预测复合模型，基于人工鱼群算法进行超参数和模型网络拓扑结构的优化，该算法通过模拟鱼群的行为来寻找最优解，从而高效地搜索模型空间，进一步提升模型性能，有效提高模型的预测精度和效率，为数控机床热误差补偿实现奠定有效技术保障。

公开(公告)号：CN119004930A

公开(公告)日：2024-11-22

申请号：CN202411120344.6

申请日：2024-08-15

Applicant: 电子科技大学

Inventor： 黄智 ,  熊镐楠 ,  乔明鑫 ,  何实 ,  黄懿笛 ,  王立平 ,  丁杰雄 ,  杜丽 ,  陈勇强 ,  王洪艳

IPC: G06F30/25 ,  G06F17/16 ,  G06F119/14

Abstract: 本发明公开了一种机械加工工件表面形貌的仿真方法，包括以下步骤：S1、砂带表面形貌模型的建立；S2、磨粒运动轨迹的计算；S3、工件表面形貌的计算；S4、砂带及接触轮弹性变形的修正；S5、塑性堆积的更新。本发明针对传统多激励产生的多维超声振动进行模拟的失真问题，提出了单激励的纵弯二维超声振动辅助砂带磨削的仿真方法。该方法充分考虑了砂带磨粒的尺寸和分布、磨削过程中的弹性变形及塑性堆积的影响，能够更好地贴合实际加工中的情况，提高对加工后工件表面三维形貌的预测效果。同时，该方法中的参数可方便地对不同的单激励形式进行参数修改，适用面较广，为实际的超声辅助砂带磨削加工表面形貌预测提供了良好的参考价值。