-
公开(公告)号:CN117636096A
公开(公告)日:2024-03-01
申请号:CN202311678896.4
申请日:2023-12-08
Applicant: 华中科技大学
IPC: G06V10/774 , G06V10/44 , G06V10/764 , G06V10/82 , G06T7/00 , G06N3/0455 , G06N3/047 , G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/084
Abstract: 本发明属于工业表面缺陷检测相关技术领域,其公开了一种基于域间共性特征迁移生成的小样本表面缺陷识别方法,包括以下步骤:(1)采集缺陷图像样本数据并构建表面缺陷识别模型,包括特征提取分离模块、图像生成模块及缺陷识别模块;(2)基于特征提取分离模块分离源域的共性内容特征与独有风格特征,并提取源域的共性内容特征;同时提取目标域的独有风格特征;(3)图像生成模块将从源域迁移的共性内容特征与目标域的独有风格特征相结合以生成目标域的样本;(4)将生成的目标域图像与原始的目标域图像输入缺陷识别模块以对缺陷识别模块进行训练,进而采用训练后的表面缺陷识别模型进行表面缺陷识别。本发明解决了小样本可用信息有限的问题。
-
公开(公告)号:CN116224946B
公开(公告)日:2023-11-14
申请号:CN202310297114.6
申请日:2023-03-24
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明属于车间制造过程中的集成调度相关技术领域,其公开了一种机械件加工车间生产与物流集成的优化调度方法与系统,该方法包括以下步骤:(1)构建机械结构件生产过程中生产与物流的集成调度模型,所述集成调度模型同时考虑车间中的机器调度和运输设备的调度,其优化目标是最小化最大完工时间;(2)采用基于分布估计算法的超启发式混合算法对所述集成调度模型进行优化求解,以得到机械结构件的最佳加工顺序;其中,该超启发式混合算法是采用分布估计算法中的概率矩阵来选择操作算子。本发明使得机械大型结构件加工过程中的生产调度与物流调度关系清晰准确,能够大幅提高车间的生产效率,缩短生产周期,进而提升企业的经济效益。
-
公开(公告)号:CN116974245A
公开(公告)日:2023-10-31
申请号:CN202310501329.5
申请日:2023-04-28
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明属于车间调度技术领域,并具体公开了一种不一致分批批量流柔性作业车间调度方法及系统,其包括:对于不一致分批批量流柔性作业车间调度问题,以子批批量为决策变量之一构建混合整数线性规划模型;采用智能优化算法对混合整数线性规划模型进行迭代求解,在迭代过程中,在每次迭代产生的中间解中选取部分精英解,固定精英解中各子批的机器分配以及各子批在机器上的加工顺序变量的值,以精英解中的子批批量为优化变量,构建分批子问题模型;对分批子问题模型进行求解,从而对精英解进行优化,以处理后的中间解继续进行下一轮迭代。本发明能高效求解不一致分批批量流柔性作业车间调度问题,实现加工效率和设备利用率的提升。
-
公开(公告)号:CN112561194B
公开(公告)日:2023-10-03
申请号:CN202011534548.6
申请日:2020-12-22
Applicant: 华中科技大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/083 , G06Q50/04 , G06N3/126 , G06N5/01
Abstract: 本发明属于车间调度领域,并公开了一种混合流水车间生产与物流集成调度方法及系统,包括以下步骤:建立工件工序的开始时间约束和任务对应约束,并根据开始时间约束和任务对应约束,以工件的最长完工时间最小作为目标函数,建立混合流水车间生产与物流集成调度模型;采集待调度工件的加工时间、加工机器和车间布局数据,进而根据该数据对混合流水车间生产与物流集成调度模型进行求解,得到混合流水车间的调度方案。本发明通过对混合生产与物流过程的调度模型和求解方法的设计,提高了车间的调度效率,协调生产与物流过程,提高了经济效益。
-
公开(公告)号:CN116384227A
公开(公告)日:2023-07-04
申请号:CN202310214803.6
申请日:2023-03-08
Applicant: 华中科技大学
IPC: G06F30/27 , G01M13/045 , G01M13/00 , G06F18/241 , G06F18/2131 , G06F119/02
Abstract: 本发明属于旋转机械性能评估相关技术领域,其公开了一种旋转机械剩余使用寿命预测的起止位置判定方法及应用,包括以下步骤:(1)对旋转机械的全寿命振动信号进行处理以获得包络信号;(2)计算得到特征能量因子,并将其引入灰色关联分析中以动态调整灰色关联分析所用的分辨系数;(3)计算待识别样本信号与参考样本信号之间的动态灰色关联度,进而来确定旋转机械的早期故障;(4)计算得到加权标准化矩阵;(5)将灰色关联度引入逼近理想解排序法,进而计算待识别样本信号到理想正解及与理想负解的欧氏距离和灰色关联度;(6)计算待识别样本信号到理想解的相对贴近度,进而判定旋转机械的失效位置。本发明提高了及时性及有效性。
-
公开(公告)号:CN116300756A
公开(公告)日:2023-06-23
申请号:CN202310306565.1
申请日:2023-03-27
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明属于生产调度领域,并具体公开了一种带运输机器人柔性制造车间的双目标优化调度方法及系统,其包括:构建考虑运输任务和加工任务的优化调度模型,随机生成三个初始子种群,第一子种群优化目标为最大完工时间最小化,第二子种群优化目标为碳排放总量最小化,第三子种群优化目标为最大完工时间和碳排放总量加权值最小化;对三个子种群进行单个种群的自进化和多种群间的协同进化,进而挑选出非支配解形成非劣解解集;基于关键路径对非劣解解集进行深度搜索,更新非劣解解集;重复迭代更新非劣解解集,直到达到迭代次数,得到优化后的生产调度方案。本发明能快速获得双目标调度模型的优良非劣解解集,可在兼顾经济效益的同时经济效益最大化。
-
公开(公告)号:CN116300730A
公开(公告)日:2023-06-23
申请号:CN202310161855.1
申请日:2023-02-24
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明属于车间调度技术领域,并具体公开了一种基于局部搜索的车间调度方案生成方法及系统,其包括:对加工工序序列进行AL操作生成初始车间调度甘特图;对初始车间调度甘特图循环进行IL操作和IR操作,直到达到稳态,得到IL甘特图和IR甘特图;对IL甘特图或IR甘特图进行变换,得到领域解,并根据工艺约束判断领域解是否可行,得到数个可行解;基于变换操作后的IL甘特图和IR甘特图确定头尾长度,根据头长尾长度对可行解进行近似评估,筛选出当前解,并进行下一轮寻优,直至得到最优解作为车间调度方案。本发明同时利用两种工序前后约束下的数据,提高局部搜索能力,并能够显著减少不必要的空闲时间,获取更优的车间调度甘特图。
-
公开(公告)号:CN115908350A
公开(公告)日:2023-04-04
申请号:CN202211542844.X
申请日:2022-12-02
Applicant: 华中科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明属于神经网络缺陷识别相关技术领域,其公开了一种小样本产品表面缺陷识别方法及系统,包括以下步骤:(1)基于图像金字塔构建小样本缺陷图像的空间多尺度特征提取器;(2)针对每个层级单独构建基于自注意力机制深度学习的缺陷识别模型;(3)将提取到的缺陷空间多尺度特征图分别输入到对应的缺陷识别模型,根据对应的缺陷类别标记进行训练;(4)将待测产品的缺陷图像输入到空间多尺度特征提取器,进而将提取到的缺陷空间多尺度特征图输入到对应的缺陷识别模型中,并将每个缺陷识别模型输出的结果进行加权融合,以得到缺陷图像对应的缺陷类别。本发明缓解了小样本导致的深度学习模型缺陷识别过拟合问题。
-
公开(公告)号:CN112256028B
公开(公告)日:2021-11-19
申请号:CN202011106437.5
申请日:2020-10-15
Applicant: 华中科技大学
IPC: G05D1/02
Abstract: 本发明公开了一种双足机器人柔顺步态控制方法、系统、设备及介质,属于机器人控制领域,方法包括:计算双足机器人在起始状态下的实际末端状态,并调节腿部刚度和触地角度,直至实际末端状态与预期末端状态之间的差值优化函数最小,得到最优腿部刚度和最优触地角度;利用多组起始状态、预期末端状态、最优腿部刚度和最优触地角度训练多层神经网络,使得多层神经网络的损失函数最小;将当前步态周期的起始状态和预期末端状态输入训练好的多层神经网络,并根据输出的腿部刚度控制量和触地角度控制量控制当前步态周期的双足机器人。控制机器人双腿刚度和触地角度,减小触地时的地面冲击,提高机器人平稳性,实现任意初始状态下的快速精确控制。
-
公开(公告)号:CN113239980A
公开(公告)日:2021-08-10
申请号:CN202110442031.2
申请日:2021-04-23
Applicant: 华中科技大学 , 中国地质大学(武汉)
Abstract: 本发明提供了一种基于小样本机器学习与超参数优化的水下目标检测方法,包括:构建基于Cascade‑RCNN的小样本目标检测模型;预训练数据集;利用预训练数据集对小样本目标检测模型进行预训练,获得小样本目标检测模型的预训练权重θ′;构建待检测的目标数据集;将目标数据集划分为有标记的支持集和无标记的查询集;对目标数据集进行预处理;对小样本目标检测模型进行微调,得到最终训练完成的小样本目标检测模型;采用基于TPE的贝叶斯优化模型对训练完成的小样本目标检测模型进行超参数优化,得到优化后的小样本目标检测模型;输入预处理后的查询集至优化后的目标检测模型,得到目标检测结果。本发明实现了不依赖于大样本、可以自动调节超参数的目标检测。
-
-
-
-
-
-
-
-
-