-
公开(公告)号：CN113221458B
公开(公告)日：2023-04-07
申请号：CN202110534801.6
申请日：2021-05-17
Applicant: 上海交通大学 , 上海智能制造功能平台有限公司
IPC: G06F30/27 , G06F30/17 , E21D9/08 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种盾构刀盘扭矩多步预测方法和系统，包括：采集刀盘扭矩信号并预处理为刀盘扭矩序列；利用VMD分解法将刀盘扭矩序列分解为多个子序列和残差序列，通过EWT分解法对残差序列进行进一步分解；对扭矩子序列进行归一化并输送至LSTM神经网络；构建盾构刀盘扭矩神经网络多步预测模型并进行训练；对预设未来时刻的刀盘扭矩数值进行预测；根据预设未来时刻的刀盘扭矩数值分别计算均方根误差、平均绝对误差和平均绝对百分误差，测试刀盘扭矩的预测精度。本发明实现了高精度的刀盘扭矩实时多步预测，有助于指导司机提前调整盾构机的操作参数，实现盾构机的高效安全推进，从而提升盾构机的自动化和智能化水平。
-
公开(公告)号：CN113435055B
公开(公告)日：2022-11-22
申请号：CN202110775453.1
申请日：2021-07-08
Applicant: 上海交通大学
Abstract: 本发明提供了一种盾构刀盘扭矩领域自适应迁移预测方法和系统，主要包括以下步骤：采集盾构机地质和机械系统相关状态参数以及驱动系统相关状态参数，采用零均值规范化方法预处理所选取的状态参数，建立RLSTM盾构机扭矩预测神经网络，对神经网络的输入样本进行分类，对网络权值参数进行更新，引入领域自适应技术，得到自适应RLSTM盾构机扭矩预测网络模型，对预设未来时刻的刀盘扭矩数值进行预测；根据预设未来时刻的刀盘扭矩数值分别计算均方误差、平均绝对误差和平均绝对百分误差，测试刀盘扭矩的预测精度。本发明实现了盾构刀盘扭矩领域自适应迁移预测，实现了盾构机的高效安全推进，提升盾构机的自动化和智能化水平。
-
公开(公告)号：CN114048958A
公开(公告)日：2022-02-15
申请号：CN202111216259.6
申请日：2021-10-19
Applicant: 上海交通大学 , 上海智能制造功能平台有限公司
Abstract: 本发明提供一种基于深度卷积残差收缩网络的刀具磨损预测方法和系统，包括：采集机床振动、切削力以及电机电流信号；对采集的信号进行降采样、截断和归一化预处理，作为刀具磨损预测模型的输入信号；构建残差收缩单元，提取输入信号的深层次特征并过滤噪声干扰；构建深度卷积残差收缩网络刀具磨损预测模型融合多种传感器信号并进行训练；通过训练后的刀具磨损预测模型，使用采集的传感器信号对刀具磨损量进行预测；计算均方根误差、平均绝对误差和决定系数，测试刀具磨损的预测精度。本发明实现高精度且具有良好抗噪性能的刀具磨损预测，有助于指导机械加工过程中刀具的更换，实现机床刀具的预测性维护，从而提升机床的自动化和智能化水平。
-
公开(公告)号：CN113431635A
公开(公告)日：2021-09-24
申请号：CN202110552727.0
申请日：2021-05-20
Applicant: 上海交通大学 , 中国铁建重工集团股份有限公司
Abstract: 本发明提供了一种半监督的盾构隧道掌子面地质类型预测方法及系统，包括如下步骤：从机器数据中筛选出与地质条件有关的机器参数；对筛选出的机器参数进行预处理；根据预处理后的机器参数构造无标签数据集和带标签数据集；建立预测隧道掌子面地质条件的半监督框架，得到地质特征提取器和特征分类器；利用带约束的DenseNet自编码网络与无标签数据集训练地质特征提取器；利用深度神经网络与带标签数据集训练地质特征分类器，最终实现对掌子面前方地质类型的预测。本发明具有更高的分类精度和更好的泛化性能，能更有效地指导盾构施工，提高盾构掘进效率。
-
公开(公告)号：CN116383577A
公开(公告)日：2023-07-04
申请号：CN202310355400.3
申请日：2023-04-04
Applicant: 上海交通大学
Abstract: 本发明提供了一种稀疏辅助的变分非线性信号分解方法与系统，包括：确定原始信号的子信号数目和每个子信号的初始瞬时频率，计算每个子信号的初步解调信号和计算每个子信号的优化解调信号和计算每个子信号的初始瞬时频率增量计算每个自信号的优化瞬时频率增量计算每个子信号的初始优化瞬时频率计算每个子信号的最终优化瞬时频率根据每个子信号的优化解调信号和最终优化瞬时频率重构出每个子信号xi；设置终止迭代阈值ε,并判断重构的子信号是否满足设定的终止迭代阈值；若不满足则重复执行，若满足则完成对原始信号的分解。本发明实现了对复杂多成分信号的分解，精确地估计每个子信号的瞬时频率与重构每个子信号。
-
Patent Agency Ranking
公开(公告)号：CN114462453A
公开(公告)日：2022-05-10
申请号：CN202210129526.4
申请日：2022-02-11
Applicant: 上海交通大学
Abstract: 本发明提供了一种全断面隧道掘进机刀盘扭矩长时间预测方法及系统，包括：采集全断面隧道掘进机掘进过程中的刀盘扭矩信号并进行预处理得到刀盘扭矩序列；采用小波包分解矩阵将刀盘扭矩序列分解为高频和低频部分；将低频部分分解为若干个子序列和残差序列；高频部分分解为若干个子序列；构建刀盘扭矩多步长时间预测神经网络模型并进行训练；采用最小‑最大法分别对若干个子序列进行归一化，并传输至训练后的刀盘扭矩多步长时间预测神经网络模型得到若干个预测结果；将若干个预测结果相加，得到预测t时刻的刀盘扭矩数值；根据预测得到的多个刀盘扭矩数值，分别计算平均绝对百分比误差、均方根误差和平均绝对误差，评估刀盘扭矩的预测性能。
-
公开(公告)号：CN113431635B
公开(公告)日：2022-06-10
申请号：CN202110552727.0
申请日：2021-05-20
Applicant: 上海交通大学 , 中国铁建重工集团股份有限公司
Abstract: 本发明提供了一种半监督的盾构隧道掌子面地质类型预测方法及系统，包括如下步骤：从机器数据中筛选出与地质条件有关的机器参数；对筛选出的机器参数进行预处理；根据预处理后的机器参数构造无标签数据集和带标签数据集；建立预测隧道掌子面地质条件的半监督框架，得到地质特征提取器和特征分类器；利用带约束的DenseNet自编码网络与无标签数据集训练地质特征提取器；利用深度神经网络与带标签数据集训练地质特征分类器，最终实现对掌子面前方地质类型的预测。本发明具有更高的分类精度和更好的泛化性能，能更有效地指导盾构施工，提高盾构掘进效率。
-
公开(公告)号：CN112329172A
公开(公告)日：2021-02-05
申请号：CN202011225143.4
申请日：2020-11-05
Applicant: 上海交通大学 , 上海智能制造功能平台有限公司
Abstract: 本发明提供了一种基于并联式神经网络的盾构机刀盘扭矩预测方法及系统，包括：在盾构机实际工作数据库中选择对盾构机刀盘扭矩影响较大的工作参数；对选择的工作参数进行预处理；根据预处理后的工作参数建立并联式神经网络刀盘扭矩预测模型并进行并联式神经网络刀盘扭矩预测模型的训练；在不同的数据集上评价训练后的并联式神经网络刀盘扭矩预测模型对刀盘扭矩的预测精度。实现了高精度的刀盘扭矩实时预测，有助于指导司机提前调整盾构机的操作参数，确保盾构机的高效安全推进，从而提升盾构机的智能化水平。
-
公开(公告)号：CN116842353A
公开(公告)日：2023-10-03
申请号：CN202310869527.7
申请日：2023-07-14
Applicant: 上海交通大学
Abstract: 本发明提供一种自适应的时频支持的调频信号分解方法与系统，包括：计算信号的参数化时频变换。从信号的参数化时频变换的时频表示中提取能量最大的子信号的粗糙的瞬时频率脊度曲线。将提取的该子信号的瞬时频率曲线作为信号分解的初始瞬时频率。根据该子信号的瞬时频率计算该子信号的瞬时频率核函数矩阵。计算该子信号的解调信号。计算该子信号的初始瞬时频率增量。计算该子信号的优化的初始瞬时频率增量。更新该子信号的瞬时频率。本发明实现了对具有强噪声的复杂多成分信号的分解，能准确地估计每个子信号的瞬时频率(IF)与重构每个子信号，有效地揭示了原始复杂信号的变化规律，能应用于许多领域的实际工程信号处理，有很强的工程实用价值。
-
公开(公告)号：CN112329172B
公开(公告)日：2022-12-27
申请号：CN202011225143.4
申请日：2020-11-05
Applicant: 上海交通大学 , 上海智能制造功能平台有限公司
Abstract: 本发明提供了一种基于并联式神经网络的盾构机刀盘扭矩预测方法及系统，包括：在盾构机实际工作数据库中选择对盾构机刀盘扭矩影响较大的工作参数；对选择的工作参数进行预处理；根据预处理后的工作参数建立并联式神经网络刀盘扭矩预测模型并进行并联式神经网络刀盘扭矩预测模型的训练；在不同的数据集上评价训练后的并联式神经网络刀盘扭矩预测模型对刀盘扭矩的预测精度。实现了高精度的刀盘扭矩实时预测，有助于指导司机提前调整盾构机的操作参数，确保盾构机的高效安全推进，从而提升盾构机的智能化水平。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.02 seconds)
