-
公开(公告)号：CN113051685B
公开(公告)日：2024-03-19
申请号：CN202110328163.2
申请日：2021-03-26
Applicant: 长安大学
IPC: G06F30/17 , G06F30/27 , G06F18/2337 , G06F18/2431 , G06N3/0464 , G06Q10/0639 , G06Q50/04 , G06F119/04
Abstract: 本发明公开了一种数控装备健康状态评价方法、系统、设备及存储介质，获取数控装备各个部件的状态数据；采用卷积神经网络模型检测各个部件的状态数据，得到各个部件的健康状态；利用层次分析法得到数控装备中的系统和部件间的层次关系，利用判断矩阵确定各系统之间的权重关系和单个系统下各部件的权重关系；通过各个部件的健康状态和单个系统下各部件的权重关系，计算各系统健康状态；利用模糊聚类方法建立数控装备健康状态评价模型，将各系统健康状态和各系统之间的权重关系带入到数控装备健康状态评价模型中，得到数控装备目前的健康状态。能够准确的对数控装备进行健康状态的评估，减少装备由于故障所引起的停机维修时间，提高装备利用率。
-
公开(公告)号：CN109978395B
公开(公告)日：2022-12-13
申请号：CN201910252240.3
申请日：2019-03-29
Applicant: 长安大学
IPC: G06F17/16
Abstract: 本发明提供一种智能车间加工任务自治分配模型的创成方法，属于智能制造与生产系统工程领域，目的是解决车间智能加工设备在自治分配订单加工任务时缺乏决策模型支撑的问题。本发明包括初始理论模型建立和最优模型参数创成两个部分。在初始理论模型建立部分，基于隐马尔科夫方法，由订单信息、生产状态、加工设备、加工工艺信息等建立初始的加工任务自治分配模型；在最优模型参数创成部分，基于车间历史订单数据和当前订单数据，通过期望最大化，创成出适应当前车间生产状态的最优加工任务自治分配模型，使用本方法创成的模型来预测与订单加工工艺过程相适应的加工设备序列，可实现与理想的加工设备序列的偏差显著减小。
-
公开(公告)号：CN109299550B
公开(公告)日：2022-09-27
申请号：CN201811151378.6
申请日：2018-09-29
Applicant: 长安大学
Abstract: 本发明提供一种钢结构桥梁制造决策评价方法，通过对钢结构桥梁进行层次划分，建立相应的制造任务模型，根据制造任务模型建立对应的制造企业模型。基于制造任务和制造企业模型构造本体模型，通过本体推理得出备选企业方案。根据得出的备选企业方案构建多属性评价体系，设计三角模糊数‑TOPSIS方法确定权重并实现对制造方案的排序，得出最优决策。本发明钢结构桥梁制造决策评价方法，将制造任务信息模型与制造企业信息模型相匹配并建立本体模型，针对本体模型建立多属性决策评价体系，采用三角模糊数确定属性的权重，结合构造三角模糊数‑TOPSIS方法对方案进行排序并得到最优决策，实现钢结构桥梁的自适应、自治生产，提高桥梁制造过程的智能化、自治化程度。
-
公开(公告)号：CN113052553A
公开(公告)日：2021-06-29
申请号：CN202110315055.1
申请日：2021-03-24
Applicant: 长安大学
Abstract: 本发明公开了一种汽车同步器齿毂生产线的MES系统管控方法及系统，接收汽车同步器齿毂的加工订单信息，将加工订单信息按照紧急程度进行排序，生成工单信息；根据工单信息以及物联系统采集的生产人员信息，生成生产班次信息；根据工单信息以及物联系统采集的物料信息，判断物料是否满足生产需求，若满足，则生成物料出库信息，若不满足，则生成物料补充信息；根据物联系统采集的工艺信息，并根据基于模糊理论的遗传算法生成工艺路线信息；根据生产班次信息、生成物料出库信息和工艺路线信息生成生产加工信息，根据生产加工信息控制生产设备开始生产加工。本发明加强汽车同步器齿毂生产的精益管理，降低生产成本，提高生产效率。
-
公开(公告)号：CN113051683A
公开(公告)日：2021-06-29
申请号：CN202110326604.5
申请日：2021-03-26
Applicant: 长安大学
Abstract: 本发明公开了一种数控机床刀具寿命预测方法、系统、设备及存储介质，选择多组刀具数据组成训练样本数据集，每组刀具数据均包含多个影响因素的参数值和刀具实际寿命值；对训练样本数据进行归一化预处理；将归一化后的训练样本数据作为AMPSO算法的输入，根据AMPSO算法的适应度函数值不断训练得到SVR模型最优的惩罚参数和核函数参数组合；基于所得的最佳参数和核函数参数组合，以归一化的训练样本数据集中的各参数值作为输入，刀具实际寿命值作为输出，确定预测模型的最佳核函数，采用SVR模型对样本数据进行训练，得到刀具寿命预测模型；将影响刀具寿命的因素输入到刀具寿命预测模型中，输出得到预测的刀具寿命。
-
Patent Agency Ranking
公开(公告)号：CN112699792A
公开(公告)日：2021-04-23
申请号：CN202011607633.0
申请日：2020-12-29
Applicant: 长安大学
Abstract: 本发明公开了一种基于正余弦算法优化卷积神经网络的机床轴承状态识别方法，本发明首先构建卷积神经网络模型，再使用正余弦算法优化卷积神经网络模型参数，最后对优化后的卷积神经网络模型对轴承的状态进行分类识别，本发明通过正余弦算法对卷积神经网络进行优化，解决了卷积神经网络模型训练时易陷入局部最优，且卷积神经网络模型参数大多靠经验人工选择的问题。本发明通过正余弦算法优化后的卷积神经网络，提高了轴承状态识别的准确率，降低了误差值，提高了工作效率。
-
公开(公告)号：CN109978395A
公开(公告)日：2019-07-05
申请号：CN201910252240.3
申请日：2019-03-29
Applicant: 长安大学
Abstract: 本发明提供一种智能车间加工任务自治分配模型的创成方法，属于智能制造与生产系统工程领域，目的是解决车间智能加工设备在自治分配订单加工任务时缺乏决策模型支撑的问题。本发明包括初始理论模型建立和最优模型参数创成两个部分。在初始理论模型建立部分，基于隐马尔科夫方法，由订单信息、生产状态、加工设备、加工工艺信息等建立初始的加工任务自治分配模型；在最优模型参数创成部分，基于车间历史订单数据和当前订单数据，通过期望最大化，创成出适应当前车间生产状态的最优加工任务自治分配模型，使用本方法创成的模型来预测与订单加工工艺过程相适应的加工设备序列，可实现与理想的加工设备序列的偏差显著减小。
-
公开(公告)号：CN112396290B
公开(公告)日：2024-08-20
申请号：CN202011087630.9
申请日：2020-09-29
Applicant: 长安大学
IPC: G06Q10/0631 , G06F17/12
Abstract: 一种支持双边模糊约束的MPS/MRP集成规划方法，包括以下步骤；将主生产计划和物料需求计划集成规划问题表示为一种模糊的MPS/MRP集成规划模型；基于模糊集和可信性理论，将FMMIP重新表述为一种模糊可信性测度的MMIP模型；将模糊可信性测度的MMIP模型转换为清晰、等价的MIP模型。利用模糊系数的期望值将模糊目标函数转换为清晰等价形式，同时使用可信性理论将单边和双边模糊约束转换为相应的清晰等价约束；采用MIP求解器，如Lingo软件，求解上述模型，得到全局最优生产计划。本发明建立的模型和求解方法，不仅考虑了复杂不确定环境下的多级、多项目、多计划周期的MPS/MRP集成规划，还同时考虑了并行机器生产和换产设置结转问题，支持同时进行生产计划和调度决策。
-
公开(公告)号：CN117875635A
公开(公告)日：2024-04-12
申请号：CN202311871480.4
申请日：2023-12-29
Applicant: 长安大学
IPC: G06Q10/0631 , G06Q10/0633 , G06Q10/067 , G06Q10/0639 , G06Q10/083 , G06Q50/04 , G06N7/01
Abstract: 本发明公开了一种针对家电产业的订单分配与执行业务协同分析方法及系统，属于流程优化技术领域。方法包括根据家电产业的订单分配与执行的目标和要求，建立协同业务流程；根据系统业务流程进行构建业务流程图；根据构建业务流程图建立面向业务流程分析的协同Petri网模型；基于面向业务流程分析的协同Petri网模型，对家电产业的订单分配与执行业务流程进行协同性分析评估。本发明在家电企业与各个供应商之间建立高效的协同机制和合作模式，提高家电企业订单交付的效率。
-
公开(公告)号：CN113051683B
公开(公告)日：2023-05-26
申请号：CN202110326604.5
申请日：2021-03-26
Applicant: 长安大学
IPC: G06F30/17 , G06F30/27 , G06F18/2411 , G06N3/006 , G06F119/02
Abstract: 本发明公开了一种数控机床刀具寿命预测方法、系统、设备及存储介质，选择多组刀具数据组成训练样本数据集，每组刀具数据均包含多个影响因素的参数值和刀具实际寿命值；对训练样本数据进行归一化预处理；将归一化后的训练样本数据作为AMPSO算法的输入，根据AMPSO算法的适应度函数值不断训练得到SVR模型最优的惩罚参数和核函数参数组合；基于所得的最佳参数和核函数参数组合，以归一化的训练样本数据集中的各参数值作为输入，刀具实际寿命值作为输出，确定预测模型的最佳核函数，采用SVR模型对样本数据进行训练，得到刀具寿命预测模型；将影响刀具寿命的因素输入到刀具寿命预测模型中，输出得到预测的刀具寿命。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.029 seconds)
