-
公开(公告)号：CN114926075B
公开(公告)日：2024-06-07
申请号：CN202210625367.7
申请日：2022-06-02
Applicant: 西安电子科技大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/04 , G06F18/2115 , G06F18/213 , G06F18/214 , G06N3/006 , G06N3/084 , G06N20/00
Abstract: 本发明公开一种基于工时预测的机械零件生产调度方法，其步骤为：1、生成机械零件数控加工数据集；2、对机械零件数控加工数据集进行预处理；3、生成训练集和测试集；4、以训练集训练机器学习、深度学习模型并通过测试集确定零件数控加工工时预测模型；5、利用该模型预测待排产零件的数控加工工时，以预测工时修正待排产零件的生产排程数据集；6、构建机械零件生产调度优化模型；7、利用离散粒子群算法对生产调度优化模型求解，得到待排产机械零件的生产排程计划。本发明能够在保证车间生产效率的同时获得与实际生产情况相近的生产排程计划。
-
公开(公告)号：CN112446597B
公开(公告)日：2024-01-12
申请号：CN202011272825.0
申请日：2020-11-14
Applicant: 西安电子科技大学
IPC: G06Q10/063 , G06F18/25 , G06F123/02 , G06F18/2431 , G06F18/2413
Abstract: 本发明属于自动化控制技术领域，公开了一种贮箱质量评估方法、系统、存储介质、计算机设备及应用，获取贮箱生产过程数据集：根据生产流程，对贮箱采集的装配与检测过程中各数据进行采集，得到贮箱原始数据集；判断贮箱原始数据集中数据类型，根据数据类型不同，将数据分为时序数据部分和宽表数据部分；全生产周期数据的数据预处理与特征重构；特征权重提取：输入数据，基于树模型和经验知识，进行特征重要度分析，得到特征重要度；对重要度值使用softmax函数进行输出，得到融合特征权重；对贮箱进行质量评估。本发明对聚类中心使用加权最小二乘，得出类别标签，保证特征在数据聚类与评级中具有不同的影响程度，给出了更为精准的贮箱质量评估模型。
-
公开(公告)号：CN110427593B
公开(公告)日：2022-12-02
申请号：CN201910632485.9
申请日：2019-07-13
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于工业大数据的SMT印刷参数优化方法，旨在提高印刷参数优化效率，实现步骤为：获取包括印刷机设定数据和SPI检测结果数据的工业大数据集；对工业大数据集进行预处理；计算出每组印刷参数对应的锡膏体积区间、面积区间和高度区间，印刷参数数据和锡膏区间数据组成锡膏区间数据集；采用DE算法优化BP神经网络的初始权值、初始阈值和隐藏层节点数目，用锡膏区间数据集训练优化后的BP神经网络，构建每组印刷参数对应的锡膏区间的预测模型；设计印刷参数的正交表，通过预测模型获取正交表的最优水平组合作为最优的印刷参数。
-
公开(公告)号：CN110533071B
公开(公告)日：2022-03-22
申请号：CN201910688024.3
申请日：2019-07-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自编码器和集成学习的SMT生产追溯方法，本发明具体步骤如下：(1)构建自编码器；(2)获取SPI缺陷追溯数据集；(3)对SPI缺陷追溯数据集进行归一化处理；(4)训练自编码器；(5)使用集成学习方法获得分类树集合；(6)获得SPI生产追溯序列。本发明将归一化后的SPI缺陷追溯数据集输入到训练好的自编码器，生成分类数据集，使用集成学习的方法训练分类树，遍历训练好的分类树，获得SMT生产追溯序列，定位导致产品缺陷的关键因素，提升了SMT生产追溯的准确率。
-
公开(公告)号：CN113553491A
公开(公告)日：2021-10-26
申请号：CN202110715972.9
申请日：2021-06-25
Applicant: 西安电子科技大学
IPC: G06F16/953 , G06F16/31 , G06F16/33
Abstract: 本发明属于检索技术领域，公开了一种基于倒排索引的工业大数据搜索优化方法，基于倒排索引的工业大数据搜索优化方法包括：建七个工业文档，利用默认分词器将文档切分成多个单词序列，所有的单词序列形成单词数据流；对不同的单词编号，并记录所述单词的存储文档，得到基础倒排索引；在基础倒排索引的基础上，记录不同单词在文档中出现的次数即单词信息频率，得到二级倒排索引；在基础倒排索引或二级倒排索引的基础上，记录单词在每个文档中出现的具体位置信息，得到三级倒排索引。本发明能够直接减少分析人员在数据检索的时间，同时还能够在搜索专业术语有误的情况下提供对专业书籍检索结果的补充。
-
Patent Agency Ranking
公开(公告)号：CN108985340B
公开(公告)日：2021-06-01
申请号：CN201810650131.2
申请日：2018-06-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于大数据分析的盾构施工地面沉降预测方法，主要解决现有技术在盾构施工大数据场景下，地面沉降进行预测精度不高的问题,预测方法步骤包括：数据预处理；获取影响地面沉降的参数数据；建立沉降预测模型；对预测模型的参数进行优化；利用最优参数重新训练模型；模型融合；获取实时地面沉降量数据。本发明整个方案设计严谨、完整，地面沉降量预测的效率和准确性高，用于地铁施工地面沉降预测，保障工程质量和安全。
-
公开(公告)号：CN112446597A
公开(公告)日：2021-03-05
申请号：CN202011272825.0
申请日：2020-11-14
Applicant: 西安电子科技大学
IPC: G06Q10/06
Abstract: 本发明属于自动化控制技术领域，公开了一种贮箱质量评估方法、系统、存储介质、计算机设备及应用，获取贮箱生产过程数据集：根据生产流程，对贮箱采集的装配与检测过程中各数据进行采集，得到贮箱原始数据集；判断贮箱原始数据集中数据类型，根据数据类型不同，将数据分为时序数据部分和宽表数据部分；全生产周期数据的数据预处理与特征重构；特征权重提取：输入数据，基于树模型和经验知识，进行特征重要度分析，得到特征重要度；对重要度值使用softmax函数进行输出，得到融合特征权重；对贮箱进行质量评估。本发明对聚类中心使用加权最小二乘，得出类别标签，保证特征在数据聚类与评级中具有不同的影响程度，给出了更为精准的贮箱质量评估模型。
-
公开(公告)号：CN110110768B
公开(公告)日：2021-02-26
申请号：CN201910331462.4
申请日：2019-04-24
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明提出了一种基于多分类器集成和并行特征学习的滚动轴承智能故障诊断方法，旨在提高模型的分类精度，实现步骤为：获取训练样本集和测试样本集；建立多个堆栈自编码器模型，以训练样本集为输入对堆栈式自编码器模型进行并行训练，提取训练样本集的多个特征；基于softmax模型对提取的特征进行特征评价，根据相应的阈值和评价指标值筛选特征构成特征子集；根据特征子集建立基于softmax模型的多个分类器，以特征子集为输入获取每个分类器的分类精度，根据阈值重新选择多个分类器构造集成多分类器模型，通过多数投票法获得集成多分类器模型预测标签，将预测标签与滚动轴承故障类型进行映射，实现滚动轴承的智能故障诊断。
-
公开(公告)号：CN112329868A
公开(公告)日：2021-02-05
申请号：CN202011246905.9
申请日：2020-11-10
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于CLARA聚类的制造加工设备群能效状态评价方法，用以解决现有技术中存在的评价可靠性较差的技术问题，实现步骤为：获取设备群的能效状态训练数据集和能效状态验证数据集；对能效状态训练数据集和能效状态验证数据集进行预处理；对CLARA聚类算法进行优化；获取设备群在指定时间区间内的能效状态评价结果。本发明通过采集、构造设备群中设备的相关运行参数，通过网格搜索法寻找CLARA聚类算法的最优中心点个数和最优选样次数，通过优化后的CLARA聚类算法对能效状态验证数据集进行聚类处理，具有评价可靠性高和评价成本低的特点，可用于工厂设备的运行状态检测。
-
公开(公告)号：CN108873401B
公开(公告)日：2020-10-09
申请号：CN201810650117.2
申请日：2018-06-22
Applicant: 西安电子科技大学
IPC: G02F1/13
Abstract: 本发明公开了一种基于大数据的液晶显示器响应时间预测方法，解决了现有技术中预测精度较低的技术问题，实现步骤为：获取液晶显示器生产过程数据集I1；判断数据集I1中是否存在缺失的特征数据；对I1中缺失的特征数据进行填充；提取完整的特征数据集中的关键特征数据；构建液晶显示器响应时间预测模型；对液晶显示器响应时间进行预测。本发明根据生产过程中液晶显示器每道工序所使用设备的参数数据及其对应的特征数据缺失列的离散性，对特征数据缺失列进行填充，避免了缺失值填充后的数据对预测模型的干扰，进一步提高了液晶显示器预测模型的预测精度，可用于液晶显示器响应时间的预测。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.034 seconds)
