-
公开(公告)号：CN118296954A
公开(公告)日：2024-07-05
申请号：CN202410452201.9
申请日：2024-04-16
Applicant: 南京工程学院
IPC: G06F30/27 , G06F30/10 , G06F18/213 , G06F18/2431 , G06N3/006 , G06N3/0499 , G06F119/14 , G06F113/10
Abstract: 本发明提供了一种基于点云向量的3D打印鞋材模型调整分析方法及系统，涉及3D打印建模调整技术领域。包括如下步骤：提取足部曲面控制点，定义足姿调整数据标签；根据足姿调整数据标签构建数据标签降维算法，生成降维后的数据标签样本；优化数据标签降维算法的核心参数；利用改进神经网络训练学习足姿调整数据标签样本与足姿变化类型之间的关系，形成分类器，分析实际的3D打印鞋材模型调整需求。本发明提出基于足部点云向量的足姿调整数据标签定义，涵盖了足弓、脚底弓形、前脚掌三个足部关键部位几何拓扑特征，分析结果更合理、操作性更强。此外，本发明对足姿数据标签进行降维处理并评估优化降维准确度，能显著提高数据分析的效率和准确度。
-
Patent Agency Ranking
公开(公告)号：CN113255213A
公开(公告)日：2021-08-13
申请号：CN202110543302.3
申请日：2021-05-19
Applicant: 南京工程学院
Abstract: 本发明公开了一种功率变换器复合故障辨识方法，包括：通过软件仿真平台与实际电路分别获取复合故障下的大量辅助仿真样本集和少量实际故障样本集；采用TrAdaBoost迁移算法迭代训练模型，确定辅助仿真数据集样本权重；对辅助仿真样本集进行权重降序排列，选取权重大的样本添加到实际故障样本集中，直到实际故障数据集中故障样本和正常样本平衡为止；构造二维特征矩阵作为输入，利用DCGAN模型生成实际工况中难以获取的样本，构造扩充样本集；最后采用CNN进行故障辨识。本发明利用迁移学习扩充复合故障模式下的样本数量，利用DCGAN生成实际工况下难以获取的故障样本，解决了传统机器学习在少量数据集下故障辨识精度低、稳定性差等难题。
-
公开(公告)号：CN115185247B
公开(公告)日：2025-03-25
申请号：CN202211038237.X
申请日：2022-08-29
Applicant: 南京工程学院
IPC: G05B19/418
Abstract: 本发明公开了一种基于产品加工质量的机床运行状态预测与车间调度方法，包括：步骤1：针对机床的运行状态，构建机床、加工工序与加工质量特性映射模型；步骤2：针对生产工艺中的每一台机床设备，构建初步聚类的质量数据；步骤3：根据初步聚类的质量数据，采用数据标签样本均衡化算法生成足量的加工质量数据并均衡化合格产品与不合格产品质量数据；步骤4：根据均衡化后的质量数据，分析预测机床运行状态；步骤5：根据预测的机床运行状态，构建生产过程调度模型，重新分配生产加工任务至正常机床。本发明能够避免复杂的生产环境干扰机床数据分析的问题，同时，所得调度方案能够有效缩短生产调度周期。
-
公开(公告)号：CN118940426A
公开(公告)日：2024-11-12
申请号：CN202410936019.0
申请日：2024-07-12
Applicant: 南京工程学院
Abstract: 本申请公开了一种基于可交互选择的水管及其装配体模型构建方法，所述方法包括：设计水管模型、水管接头模型及切削体模型，完成各模型定位坐标系定义与部分模型参数化；构建数据库，所述数据库存储设计的各模型对应的三维模型、定位坐标系以及部分模型的模型参数；获取用户选择的水管模型类型、水管接头模型类型、水管直径；根据构建的数据库与用户选择信息，计算水管高度并驱动水管模型、水管接头模型及切削体模型定位，完成构建水管模型、水管接头模型及切削体模型。本申请能够实现无需人工平移操作完成水管模型与水管接口模型装配，提升水管模型及水管接头模型的构建效率。
-
公开(公告)号：CN113255213B
公开(公告)日：2023-08-22
申请号：CN202110543302.3
申请日：2021-05-19
Applicant: 南京工程学院
IPC: G06F30/27 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/08 , G01R23/16 , G01R31/00
Abstract: 本发明公开了一种功率变换器复合故障辨识方法，包括：通过软件仿真平台与实际电路分别获取复合故障下的大量辅助仿真样本集和少量实际故障样本集；采用TrAdaBoost迁移算法迭代训练模型，确定辅助仿真数据集样本权重；对辅助仿真样本集进行权重降序排列，选取权重大的样本添加到实际故障样本集中，直到实际故障数据集中故障样本和正常样本平衡为止；构造二维特征矩阵作为输入，利用DCGAN模型生成实际工况中难以获取的样本，构造扩充样本集；最后采用CNN进行故障辨识。本发明利用迁移学习扩充复合故障模式下的样本数量，利用DCGAN生成实际工况下难以获取的故障样本，解决了传统机器学习在少量数据集下故障辨识精度低、稳定性差等难题。
-
公开(公告)号：CN115185247A
公开(公告)日：2022-10-14
申请号：CN202211038237.X
申请日：2022-08-29
Applicant: 南京工程学院
IPC: G05B19/418
Abstract: 本发明公开了一种基于产品加工质量的机床运行状态预测与车间调度方法，包括：步骤1：针对机床的运行状态，构建机床、加工工序与加工质量特性映射模型；步骤2：针对生产工艺中的每一台机床设备，构建初步聚类的质量数据；步骤3：根据初步聚类的质量数据，采用数据标签样本均衡化算法生成足量的加工质量数据并均衡化合格产品与不合格产品质量数据；步骤4：根据均衡化后的质量数据，分析预测机床运行状态；步骤5：根据预测的机床运行状态，构建生产过程调度模型，重新分配生产加工任务至正常机床。本发明能够避免复杂的生产环境干扰机床数据分析的问题，同时，所得调度方案能够有效缩短生产调度周期。
-
-
-
-
-
Search Results
6
records
(took 0.047 seconds)
