一种基于混合神经模型的数控机床刀具剩余寿命预测方法

    公开(公告)号:CN113305645B

    公开(公告)日:2022-07-15

    申请号:CN202110690654.1

    申请日:2021-06-22

    Abstract: 本发明属于数控机床刀具寿命预测领域,特别涉及一种基于混合神经模型的数控机床刀具剩余寿命预测方法,包括构建混合神经网络模型,针对刀具数据采样频率,构建PLC工况信号数据与振动和电流信号的同一时间段的样本生成一个样本数据;利用卷积神经网络和长短期记忆网络联合的子模型对样本数据进行学习得到第一表征刀具寿命的特征向量;利用NFM神经网络将采样点的工况信号hash成一独特的索引值后生成一特定维度的可学习的向量表学习获得第二表征刀具寿命的特征向量;将刀具当前工作时长和获取的特征向量输入到多层感知机中进行融合,预测刀具寿命;本发明能够根据刀具中的稀疏特征对道具寿命进行有效、精确的预测。

    一种机器人遥控系统的网络延时估计和补偿方法

    公开(公告)号:CN111515958B

    公开(公告)日:2022-08-09

    申请号:CN202010409030.3

    申请日:2020-05-14

    Abstract: 本发明涉及一种机器人遥控系统的网络延时估计和补偿方法,属于机器人遥控制技术领域。该方法针对机器人遥控制系统的网络延迟这一问题,通过将网络延迟带来的所有负面影响归结为一个网络干扰力矩,在主机器人端采用扩展主动观测器IEAOB对该网络干扰力矩和从机器人动力学模型参数进行在线实时估计,利用估计得到的模型参数获取准备的从机器人动力学模型,同时利用估计的网络干扰对网络延迟带来的影响进行补偿。本发明可以用于机器人动力学模型参数难以精确获取的情况下对网络延迟进行高效的估计和补偿。

    一种数控机床刀具剩余寿命预测方法

    公开(公告)号:CN110303380B

    公开(公告)日:2021-04-16

    申请号:CN201910607592.6

    申请日:2019-07-05

    Abstract: 本发明涉及一种数控机床刀具剩余寿命预测方法,属于CNC刀具寿命预测领域。针对CNC中刀具剩余寿命预测这一问题,利用状态监控、数据去噪、特征提取和最小支持二乘向量机的方法建立了刀具剩余寿命预测模型,并将该问题的预测对象细化为铣削工具这一CNC核心生产要素。首先,对监控的信号数据进行小波变换阈值去噪的数据预处理,接着提取数据的时域特征,利用PCA的T2统计量提取信号主要特征。其次,利用多核加权最小二乘支持向量机模型对实时监控数据进行剩余寿命预测,得到具体的剩余寿命值。最后使用工业大数据产业创新平台上的真实数据进行的验证,验证结果说明该方法能有效的进行寿命预测。

    一种数控机床刀具剩余寿命预测方法

    公开(公告)号:CN110303380A

    公开(公告)日:2019-10-08

    申请号:CN201910607592.6

    申请日:2019-07-05

    Abstract: 本发明涉及一种数控机床刀具剩余寿命预测方法,属于CNC刀具寿命预测领域。针对CNC中刀具剩余寿命预测这一问题,利用状态监控、数据去噪、特征提取和最小支持二乘向量机的方法建立了刀具剩余寿命预测模型,并将该问题的预测对象细化为铣削工具这一CNC核心生产要素。首先,对监控的信号数据进行小波变换阈值去噪的数据预处理,接着提取数据的时域特征,利用PCA的T2统计量提取信号主要特征。其次,利用多核加权最小二乘支持向量机模型对实时监控数据进行剩余寿命预测,得到具体的剩余寿命值。最后使用工业大数据产业创新平台上的真实数据进行的验证,验证结果说明该方法能有效的进行寿命预测。

    基于二维自适应量化的机械振动信号边缘数据无损压缩方法

    公开(公告)号:CN110233626B

    公开(公告)日:2022-10-25

    申请号:CN201910607639.9

    申请日:2019-07-05

    Abstract: 本发明涉及一种基于二维自适应量化的机械振动信号边缘数据无损压缩方法,包括数据分割,区块数据变换,自适应量化和数据编码。1)将原始时域数据切分成固定宽度的区块,将原始的一维数据转换为二维数据,进行二维正交变换;2)在频域中对正交变换后的二维数据进行量化;3)对量化数据进行逆量化,求逆量化数据与原始数据矩阵的量化误差;4)将量化后的数据矩阵、量化误差数据、正交变换矩阵和正负值信息矩阵进行编码,利用二维零编码、位编码和范围编码方法对数据进行编码放入数据流中进行传输。数据中心在接收完压缩数据后,对无损编码的数据进行解码,然后进行逆量化,逆正交变换过程,加上误差数据即可无损还原原始数据。

    一种基于混合神经模型的数控机床刀具剩余寿命预测方法

    公开(公告)号:CN113305645A

    公开(公告)日:2021-08-27

    申请号:CN202110690654.1

    申请日:2021-06-22

    Abstract: 本发明属于数控机床刀具寿命预测领域,特别涉及一种基于混合神经模型的数控机床刀具剩余寿命预测方法,包括构建混合神经网络模型,针对刀具数据采样频率,构建PLC工况信号数据与振动和电流信号的同一时间段的样本生成一个样本数据;利用卷积神经网络和长短期记忆网络联合的子模型对样本数据进行学习得到第一表征刀具寿命的特征向量;利用NFM神经网络将采样点的工况信号hash成一独特的索引值后生成一特定维度的可学习的向量表学习获得第二表征刀具寿命的特征向量;将刀具当前工作时长和获取的特征向量输入到多层感知机中进行融合,预测刀具寿命;本发明能够根据刀具中的稀疏特征对道具寿命进行有效、精确的预测。

    一种机器人遥控系统的网络延时估计和补偿方法

    公开(公告)号:CN111515958A

    公开(公告)日:2020-08-11

    申请号:CN202010409030.3

    申请日:2020-05-14

    Abstract: 本发明涉及一种机器人遥控系统的网络延时估计和补偿方法,属于机器人遥控制技术领域。该方法针对机器人遥控制系统的网络延迟这一问题,通过将网络延迟带来的所有负面影响归结为一个网络干扰力矩,在主机器人端采用扩展主动观测器IEAOB对该网络干扰力矩和从机器人动力学模型参数进行在线实时估计,利用估计得到的模型参数获取准备的从机器人动力学模型,同时利用估计的网络干扰对网络延迟带来的影响进行补偿。本发明可以用于机器人动力学模型参数难以精确获取的情况下对网络延迟进行高效的估计和补偿。

    基于二维自适应量化的机械振动信号边缘数据无损压缩方法

    公开(公告)号:CN110233626A

    公开(公告)日:2019-09-13

    申请号:CN201910607639.9

    申请日:2019-07-05

    Abstract: 本发明涉及一种基于二维自适应量化的机械振动信号边缘数据无损压缩方法,包括数据分割,区块数据变换,自适应量化和数据编码。1)将原始时域数据切分成固定宽度的区块,将原始的一维数据转换为二维数据,进行二维正交变换;2)在频域中对正交变换后的二维数据进行量化;3)对量化数据进行逆量化,求逆量化数据与原始数据矩阵的量化误差;4)将量化后的数据矩阵、量化误差数据、正交变换矩阵和正负值信息矩阵进行编码,利用二维零编码、位编码和范围编码方法对数据进行编码放入数据流中进行传输。数据中心在接收完压缩数据后,对无损编码的数据进行解码,然后进行逆量化,逆正交变换过程,加上误差数据即可无损还原原始数据。

Patent Agency Ranking