-
公开(公告)号：CN112884081B
公开(公告)日：2023-07-14
申请号：CN202110344159.5
申请日：2021-03-31
Applicant: 福州大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06Q50/04
Abstract: 本发明涉及一种多品种小批量生产的工件质量在线智能预测方法，包括以下步骤：步骤S1:获取数控机床设备电参数数据和加工工件质量参数，并随机划分为训练集和验证集；步骤S2:采用K折交叉验证法将训练集划分为i个子训练集；步骤S3:将子训练集分别用于训练CNN‑LSTM算法参数，得到i个已训练的CNN‑LSTM算法模型;步骤S4:通过验证集分别计算CNN‑LSTM算法模型的准确率，将准确率最高的CNN‑LSTM算法模型作为最优模型；步骤S5:将待测数据输入最优模型，得到预测质量。本发明构建的训练数据集内含了数控加工过程的变化信息，利用电参数和加工工件的映射关系，不会被位置光线等因素所局限，能够准确预测工件质量。
-
公开(公告)号：CN111582211A
公开(公告)日：2020-08-25
申请号：CN202010410048.5
申请日：2020-05-14
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进高斯隐马尔科夫模型的机械加工任务细粒度监测方法，首先以高斯隐马尔科夫模型为基础，在其之上增加预训练机制和迁移机制，构造改进高斯隐马尔科夫模型 ；通过步骤训练的改进高斯隐马尔科夫模型 解码机械加工过程中采集的功率信号，判断与功率信号对应的机械加工设备所执行的加工任务，实现对机械加工任务的监测。本发明以传统隐马尔科夫模型的变型高斯隐马尔科夫模型为基础，在其之上增加了预训练机制和迁移机制，提高了算法的准确率和鲁棒性。
-
公开(公告)号：CN111582211B
公开(公告)日：2022-06-14
申请号：CN202010410048.5
申请日：2020-05-14
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进高斯隐马尔科夫模型的机械加工任务细粒度监测方法，首先以高斯隐马尔科夫模型为基础，在其之上增加预训练机制和迁移机制，构造改进高斯隐马尔科夫模型；通过步骤训练的改进高斯隐马尔科夫模型解码机械加工过程中采集的功率信号，判断与功率信号对应的机械加工设备所执行的加工任务，实现对机械加工任务的监测。本发明以传统隐马尔科夫模型的变型高斯隐马尔科夫模型为基础，在其之上增加了预训练机制和迁移机制，提高了算法的准确率和鲁棒性。
-
公开(公告)号：CN113182709A
公开(公告)日：2021-07-30
申请号：CN202110525071.3
申请日：2021-05-14
Applicant: 福州大学
Abstract: 本发明涉及一种考虑尖角烧蚀的板材激光切割工艺参数优化方法，通过直线切割和尖角切割正交试验，并测量各组试验对应的工件质量指标，根据所得的试验数据训练激光切割质量BP神经网络模型。以所得的神经网络模型作为遗传算法的适应度函数，进行工艺参数优化，得到最优的工艺参数。本发明同时将直线切割质量和尖角切割质量纳入考虑因素，优化所得的工艺参数加工所得工艺能具备较好的切缝宽度、切面粗糙度、热影响区宽度、挂渣长度并且不发生尖角烧蚀。
-
Patent Agency Ranking
公开(公告)号：CN113182709B
公开(公告)日：2023-04-07
申请号：CN202110525071.3
申请日：2021-05-14
Applicant: 福州大学
Abstract: 本发明涉及一种考虑尖角烧蚀的板材激光切割工艺参数优化方法，通过直线切割和尖角切割正交试验，并测量各组试验对应的工件质量指标，根据所得的试验数据训练激光切割质量BP神经网络模型。以所得的神经网络模型作为遗传算法的适应度函数，进行工艺参数优化，得到最优的工艺参数。本发明同时将直线切割质量和尖角切割质量纳入考虑因素，优化所得的工艺参数加工所得工艺能具备较好的切缝宽度、切面粗糙度、热影响区宽度、挂渣长度并且不发生尖角烧蚀。
-
公开(公告)号：CN110243416A
公开(公告)日：2019-09-17
申请号：CN201910630987.8
申请日：2019-07-12
Applicant: 福州大学
IPC: G01D21/02
Abstract: 本发明涉及一种基于NB-IOT的智能光伏阵列汇流箱监测系统，包括：环境参数监测传感器，用于对光伏组件阵列的相关环境参数进行测量与数据采集；多通道智能汇流箱，用于汇集环境参数监测传感器采集到的数据，并通过NB-IOT网络上传至光伏阵列参数处理服务器；光伏阵列参数处理服务器，用于对多通道光伏阵列智能汇流箱上传的数据进行统计分析；数据查看客户端，用于对光伏阵列参数处理服务器处理后的数据通过相应的客户端程序进行实时监测。该系统有利于对光伏阵列的相关环境参数进行实时采集和上传，提高光伏阵列监测的准确性和可靠性。
-
公开(公告)号：CN112949203B
公开(公告)日：2023-02-21
申请号：CN202110294617.9
申请日：2021-03-19
Applicant: 福州大学
IPC: G06F30/27 , G06F18/214 , G06N3/045 , G06N3/08 , G06Q10/06 , G06Q50/04 , G06F111/08
Abstract: 本发明涉及一种基于电参数和XGBOOST‑NN算法的板材激光切割质量判断方法，包括以下步骤：步骤S1:获取激光加工设备电信号与工艺参数所对应的激光切割质量数据，并划分为训练集和验证集；步骤S2:通过K折交叉验证法划分训练集为i个子训练集;步骤S3：将子训练集分别用于训练XGBOOST‑NN算法参数，得到i个已训练的XGBOOST‑NN算法模型；步骤S4:根据验证集分别验证XGBOOST‑NN算法模型的准确率，并获取准确率最高的模型用于激光切割质量判断。
-
公开(公告)号：CN112949203A
公开(公告)日：2021-06-11
申请号：CN202110294617.9
申请日：2021-03-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于电参数和XGBOOST‑NN算法的板材激光切割质量判断方法，包括以下步骤：步骤S1:获取激光加工设备电信号与工艺参数所对应的激光切割质量数据，并划分为训练集和验证集；步骤S2:通过K折交叉验证法划分训练集为i个子训练集;步骤S3：将子训练集分别用于训练XGBOOST‑NN算法参数，得到i个已训练的XGBOOST‑NN算法模型；步骤S4:根据验证集分别验证XGBOOST‑NN算法模型的准确率，并获取准确率最高的模型用于激光切割质量判断。
-
公开(公告)号：CN112884081A
公开(公告)日：2021-06-01
申请号：CN202110344159.5
申请日：2021-03-31
Applicant: 福州大学
Abstract: 本发明涉及一种多品种小批量生产的工件质量在线智能预测方法，包括以下步骤：步骤S1:获取数控机床设备电参数数据和加工工件质量参数，并随机划分为训练集和验证集；步骤S2:采用K折交叉验证法将训练集划分为i个子训练集；步骤S3:将子训练集分别用于训练CNN‑LSTM算法参数，得到i个已训练的CNN‑LSTM算法模型;步骤S4:通过验证集分别计算CNN‑LSTM算法模型的准确率，将准确率最高的CNN‑LSTM算法模型作为最优模型；步骤S5:将待测数据输入最优模型，得到预测质量。本发明构建的训练数据集内含了数控加工过程的变化信息，利用电参数和加工工件的映射关系，不会被位置光线等因素所局限，能够准确预测工件质量。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
