-
公开(公告)号：CN111310284B
公开(公告)日：2022-06-07
申请号：CN202010066216.3
申请日：2020-01-20
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于复杂网络的复杂机械产品装配建模方法，综合考虑了装配零件层和装配特征层两个层级的信息，建立一种双层结构模型，从而弥补了传统装配模型仅侧重单一层级的不足，扩展了复杂机械产品装配模型的表达能力；引入复杂网络理论，更加清晰地表达出复杂机械产品的拓扑结构和统计特性，有利于进一步开展后续研究工作；采用模糊层次分析法对零件间的关联关系进行加权，与传统的专家打分法相比，有效提高了结果的客观性；采用改进的连边社团检测算法对零件级网络进行社团划分，考虑了零件间关联关系的强度，提高了零件级网络的层次性，同时降低了特征级网络的建模难度，而且更便于特征级开展后续的分析工作。本发明具有较强的扩展能力，提供了一个较为完备的分析平台。
-
公开(公告)号：CN110209131A
公开(公告)日：2019-09-06
申请号：CN201910375901.1
申请日：2019-05-07
Applicant: 西安交通大学
IPC: G05B19/418
Abstract: 本发明公开一种基于误差传递网络与提升树算法的质量预测方法，建立基于零件加工特征和加工要素的制造资源关系网络；构建制造资源关系网络与质量子网络合并的多工序误差传递网络；确定质量预测模型的输入和输出特征，构建基于误差传递网络与提升树算法的质量预测模型；利用粒子群和网格搜索算法分别对超参数进行优化；建立模型准确率和成熟度的评价指标；利用蒙特卡洛方法生成的生产现场仿真数据，推测产品合格率。本发明实现了产品生产过程的可视化建模，设计了一种预测能力稳定，参数便于优化，效率和准确率高的质量预测方法，解决了企业对产品质量的精准预测，对加工质量做到提前预防与控制，有助于企业质量损失的降低和经济效益的提高。
-
公开(公告)号：CN110209131B
公开(公告)日：2020-11-17
申请号：CN201910375901.1
申请日：2019-05-07
Applicant: 西安交通大学
IPC: G05B19/418
Abstract: 本发明公开一种基于误差传递网络与提升树算法的质量预测方法，建立基于零件加工特征和加工要素的制造资源关系网络；构建制造资源关系网络与质量子网络合并的多工序误差传递网络；确定质量预测模型的输入和输出特征，构建基于误差传递网络与提升树算法的质量预测模型；利用粒子群和网格搜索算法分别对超参数进行优化；建立模型准确率和成熟度的评价指标；利用蒙特卡洛方法生成的生产现场仿真数据，推测产品合格率。本发明实现了产品生产过程的可视化建模，设计了一种预测能力稳定，参数便于优化，效率和准确率高的质量预测方法，解决了企业对产品质量的精准预测，对加工质量做到提前预防与控制，有助于企业质量损失的降低和经济效益的提高。
-
公开(公告)号：CN111310284A
公开(公告)日：2020-06-19
申请号：CN202010066216.3
申请日：2020-01-20
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于复杂网络的复杂机械产品装配建模方法，综合考虑了装配零件层和装配特征层两个层级的信息，建立一种双层结构模型，从而弥补了传统装配模型仅侧重单一层级的不足，扩展了复杂机械产品装配模型的表达能力；引入复杂网络理论，更加清晰地表达出复杂机械产品的拓扑结构和统计特性，有利于进一步开展后续研究工作；采用模糊层次分析法对零件间的关联关系进行加权，与传统的专家打分法相比，有效提高了结果的客观性；采用改进的连边社团检测算法对零件级网络进行社团划分，考虑了零件间关联关系的强度，提高了零件级网络的层次性，同时降低了特征级网络的建模难度，而且更便于特征级开展后续的分析工作。本发明具有较强的扩展能力，提供了一个较为完备的分析平台。
-
-
-
Search Results
4
records
(took 0.021 seconds)
