-
公开(公告)号：CN111413925A
公开(公告)日：2020-07-14
申请号：CN202010202454.2
申请日：2020-03-20
Applicant: 华中科技大学
IPC: G05B19/406
Abstract: 本发明属于数控机床故障预测相关技术领域，并公开了一种基于声音信号的机床故障预测方法。该预测方法包括下列步骤：(a)对于待预测机床，采集其在正常状态和不同故障状态下发出的音频信号，以此形成机床状态与音频信号一一对应的数据集；(b)对所述数据集中的数据进行数据处理，获得训练数据；(c)构建故障预测神经网络模型，利用所述训练数据对所述预测神经网络模型进行训练，以此获得所需的预测模型，利用该预测模型对于待预测机床的状态进行预测，以此实现机床故障的预测。通过本发明，避免计算零件的特征频率，减少计算量，提高了机床故障类型的识别速度。
-
公开(公告)号：CN109947048B
公开(公告)日：2021-02-02
申请号：CN201910238469.1
申请日：2019-03-27
Applicant: 华中科技大学
IPC: G05B19/408
Abstract: 本发明公开了一种基于数据的数控机床进给系统参数辨识方法，确定待测数控机床的输入数据和输出数据，并搭建待测数控机床的仿真模型；确定待辨识参数的初始范围及其概率分布函数；根据初始范围和概率分布函数进行随机取样，形成待辨识参数子集；将待辨识参数子集代入待测数控机床的仿真模型中，获取对应的仿真输出数据；比较仿真输出数据与实测输出数据之间的拟合度，将满足拟合度精度要求的待辨识参数子集输出作为当前待测数控机床进给系统的参数子集。本发明技术方案针对现有技术中机床进给系统参数辨识方法复杂多变、且准确度不高的情况，采用数控机床的数据作为基础，对参数概率分布函数进行仿真模拟，具有方案简单、精度高的特点。
-
Patent Agency Ranking
公开(公告)号：CN109947048A
公开(公告)日：2019-06-28
申请号：CN201910238469.1
申请日：2019-03-27
Applicant: 华中科技大学
IPC: G05B19/408
Abstract: 本发明公开了一种基于数据的数控机床进给系统参数辨识方法，确定待测数控机床的输入数据和输出数据，并搭建待测数控机床的仿真模型；确定待辨识参数的初始范围及其概率分布函数；根据初始范围和概率分布函数进行随机取样，形成待辨识参数子集；将待辨识参数子集代入待测数控机床的仿真模型中，获取对应的仿真输出数据；比较仿真输出数据与实测输出数据之间的拟合度，将满足拟合度精度要求的待辨识参数子集输出作为当前待测数控机床进给系统的参数子集。本发明技术方案针对现有技术中机床进给系统参数辨识方法复杂多变、且准确度不高的情况，采用数控机床的数据作为基础，对参数概率分布函数进行仿真模拟，具有方案简单、精度高的特点。
-
公开(公告)号：CN111950189B
公开(公告)日：2024-09-27
申请号：CN201910399580.9
申请日：2019-05-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种适用于曲面的刀具加工路径规划方法，其特征在于，包括获得样本工件在规则二维平面上的平面刀具路径规划图像，将其与对应的真实刀具路径规划图像一起，构成训练样本对刀具加工路径规划模型进行训练；将平面刀具路径规划图像并将其与真实刀具路径规划图像进行相似度比较，完成刀具加工路径规划模型的训练；将待加工工件的工况条件及其对应的规则二维平面输入刀具加工路径规划模型，对应输出该待加工工件的刀具加工路径规划。本发明技术方案针对目前神经网络在刀具加工路径规划问题上准确度不高、泛化能力不强的情况，采用对神经网络进行多样本、多工况对抗训练的方式，可以有效提高神经网络在刀具加工路径规划应用的精确度。
-
公开(公告)号：CN111639422B
公开(公告)日：2022-08-02
申请号：CN202010424686.2
申请日：2020-05-19
Applicant: 华中科技大学
IPC: G06F30/20 , G06F30/17 , G06N3/08 , G06F119/14
Abstract: 本发明公开了一种基于动力学与神经网络的机床进给系统建模方法及设备，属于人工智能与计算机辅助制造领域。该方法具体包括下面几个步骤：首先根据机床进给系统的各部件的动力学与运动学特性，推导出进给系统的动力学方程。并根据动力学方程搭建进给系统的动力学仿真模型。对于仿真模型的部分参数使用遗传算法进行辨识，得到参数的准确值。最后使用神经网络模型替代工作台位移模块，并使用原始模型各模块的输出为神经网络模型的输入特征，使神经网络输出混合模型的仿真位移。按照本发明实现的建模方法，能够提高动力学模型的非线性表达能力，提升模型的仿真精度与泛化能力。
-
公开(公告)号：CN111950189A
公开(公告)日：2020-11-17
申请号：CN201910399580.9
申请日：2019-05-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种适用于曲面的刀具加工路径规划方法，其特征在于，包括获得样本工件在规则二维平面上的平面刀具路径规划图像，将其与对应的真实刀具路径规划图像一起，构成训练样本对刀具加工路径规划模型进行训练；将平面刀具路径规划图像并将其与真实刀具路径规划图像进行相似度比较，完成刀具加工路径规划模型的训练；将待加工工件的工况条件及其对应的规则二维平面输入刀具加工路径规划模型，对应输出该待加工工件的刀具加工路径规划。本发明技术方案针对目前神经网络在刀具加工路径规划问题上准确度不高、泛化能力不强的情况，采用对神经网络进行多样本、多工况对抗训练的方式，可以有效提高神经网络在刀具加工路径规划应用的精确度。
-
公开(公告)号：CN111639422A
公开(公告)日：2020-09-08
申请号：CN202010424686.2
申请日：2020-05-19
Applicant: 华中科技大学
IPC: G06F30/20 , G06F30/17 , G06N3/08 , G06F119/14
Abstract: 本发明公开了一种基于动力学与神经网络的机床进给系统建模方法及设备，属于人工智能与计算机辅助制造领域。该方法具体包括下面几个步骤：首先根据机床进给系统的各部件的动力学与运动学特性，推导出进给系统的动力学方程。并根据动力学方程搭建进给系统的动力学仿真模型。对于仿真模型的部分参数使用遗传算法进行辨识，得到参数的准确值。最后使用神经网络模型替代工作台位移模块，并使用原始模型各模块的输出为神经网络模型的输入特征，使神经网络输出混合模型的仿真位移。按照本发明实现的建模方法，能够提高动力学模型的非线性表达能力，提升模型的仿真精度与泛化能力。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
