-
公开(公告)号：CN119717735A
公开(公告)日：2025-03-28
申请号：CN202411911096.7
申请日：2024-12-23
Applicant: 南京工业大学
IPC: G05B19/418
Abstract: 本发明提出了一种动态柔性作业车间预测性调度方法及系统，包括：实时采集机器运行状态，建立车间环境的数学模型；以机器为对象，结合历史数据和实时采集的数据，预测每台机器的故障概率；建立由车间环境和采用强化学习算法的调度智能体组成的调度模型，调度模型中，将在车间环境中所得的机器故障概率和机器运行状态作为强化学习算法的输入数据，输出相应的符合调度规则的最优调度方案；执行最优调度方案并监控，在满足触发条件时重新调度。本发明能够有效应对动态生产环境中的机器故障和新作业插入问题，优化调度性能，减少工件延迟，并提高整体生产效率。
-
公开(公告)号：CN117852967A
公开(公告)日：2024-04-09
申请号：CN202410053817.9
申请日：2024-01-15
Applicant: 南京工业大学
IPC: G06Q10/0639 , G06Q10/067 , G06Q50/04 , G06T7/00 , G06T7/10 , G06V10/762
Abstract: 本发明公开了基于人工智能的工业零件生产过程质量溯源方法及系统，涉及图像数据处理技术领域，该方法包括：S1、拍摄加工制造后的叶轮叶片，获取叶轮叶片表面图像；S2、基于图像数据处理的方式，将叶轮叶片灰度图像标定为不同类型的区域；S3、识别作业区域内的目标对象针对目标产品执行的异常动作，并分析异常动作的重要性等级与问题类型；S4、基于叶轮叶片实际的产线数据与质量数据，建立产品与质量数据之间的线性回归数学模型；S5、关联叶轮叶片的质量检测结果及其异常生产数据。本发明解决现有技术无法对叶轮叶片表面缺陷情况进行便捷且准确的判断从而无法完成质量溯源反馈的问题，有效提升产品合格率。
-
公开(公告)号：CN116012291A
公开(公告)日：2023-04-25
申请号：CN202211456980.7
申请日：2022-11-21
Applicant: 南京工业大学
IPC: G06T7/00 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/08 , G06V10/774 , G06N3/0464
Abstract: 本发明提供一种工业零件图像缺陷检测方法及系统、电子设备和存储介质，其中，方法包括：基于若干零件表面缺陷图像，根据SSD数据增强法和半监督数据增强法，确定零件缺陷样本数据集；其中，零件缺陷样本数据集中每种缺陷类别的数量均衡；根据零件缺陷样本数据集训练缺陷检测模型，确定目标缺陷检测模型；将目标待测零件图像输入目标缺陷检测模型中，确定目标待测零件的缺陷类别和位置信息。能够有效提高工业零件表面缺陷检测的准确性，降低漏检率和误检率。
-
公开(公告)号：CN118860341A
公开(公告)日：2024-10-29
申请号：CN202410839334.1
申请日：2024-06-26
Applicant: 南京工业大学
IPC: G06F8/20 , G06F9/50 , G06F16/25 , G06F16/955 , H04L67/1004 , H04L67/12 , H04L67/566 , H04L67/568 , G06N3/0442
Abstract: 本公开实施例提供一种固定污染源工况监控系统微服务设计与优化系统，基于工业操作系统实现了固定污染源治理工况监控系统复杂且体量过大的应用程序分解为多个小型自治的服务，彼此之间可以通过轻量级的通讯机制进行交互。结合面向服务架构模型采用RESful API接口技术，帮助开发人员构建可扩展的、易于理解和维护的API。本发明融合数据库、后台定制化服务开发，通过可视化页面调用相应组件服务，达成企业对固定污染物快速监管，有效提升污染源重点排污单位工况服务自动监控能力。
-
公开(公告)号：CN118348934A
公开(公告)日：2024-07-16
申请号：CN202410467507.1
申请日：2024-04-18
Applicant: 南京工业大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于改进遗传算法的硫化车间调度方法，包括以下步骤：S1、建立硫化车间调度模型；S2、进行编码与解码；S3、初始化以及确定适应度函数；S4、选择操作；S5、引入相互学习策略取代原有遗传算法中的交叉操作；S6、变异操作；S7、将变异操作后得到的个体进行适应度值的计算；S8、迭代次数t＝t+1；S9、将改进的硫化车间调度算法封装进硫化车间优化算法库中。该基于改进遗传算法的硫化车间调度方法，可以有效对硫化车间进行调度，减少生产成本，通过将交叉操作替代为相互学习策略，增强了算法的局部搜索能力，同时，将变异概率改进为自适应遗传算子，避免手动调参的同时，尽可能保留优秀个体，有效提升了算法的收敛性能。
-
Patent Agency Ranking
公开(公告)号：CN116881685A
公开(公告)日：2023-10-13
申请号：CN202310660599.0
申请日：2023-06-06
Applicant: 南京工业大学
IPC: G06F18/213 , G01M13/045 , G06F18/214 , G06F18/2113 , G06N3/0464 , G06N3/084 , G06N3/048 , G06N3/045 , G06N3/049
Abstract: 本发明公开了一种混合注意力机制下改进TCN的轴承寿命预测方法，其步骤为：步骤1：对数据集进行标准化处理；步骤2：将数据集划分出训练集和测试集；步骤3：对采集到的滚动轴承全生命周期振动信号进行特征提取，便于后续建立准确的寿命预测模型；步骤4：建立特征选择指标，从特征池里特征寻优筛选出统计特征；步骤5：多搭建多尺度深度卷积神经网络模块，从原始样本中提取多尺度深度退化特征；步骤6：构建寿命预测模块，完成模型训练，得到用于估计轴承剩余使用寿命的寿命预测模型。本发明具有多特征融合能力，融合深度特征和统计特征，表征能力更强，能够增强寿命预测模型的准确性，同时还能提高模型的预测精度和稳定性。
-
公开(公告)号：CN116739251A
公开(公告)日：2023-09-12
申请号：CN202310643187.6
申请日：2023-06-01
Applicant: 南京工业大学
IPC: G06Q10/0631 , G06N3/006 , G06F30/27 , G06F111/10 , G06F111/04 , G06F113/14
Abstract: 本发明提供一种考虑生产计划具有原油混合需求的原油调度优化方法，涉及原油调度优化领域，包括如下步骤：步骤一、建立原油调度数学模型，确定原油调度数学模型的目标函数及约束；所述目标函数包括管道混合成本、供油罐底混合成本、供油罐使用成本、供油罐切换成本以及管道能耗成本；所述约束包括转运时的原油体积约束以及驻留约束；步骤二、计算具有原油混合需求的两种R型原油的转运体积；步骤三、采用改进的NSGA‑II算法求解原油调度数学模型；步骤四、对求解出来的结果进行评价。本发明方法可以动态计算每次转运原油的体积，通过改进NSGA‑II的交叉和变异操作，高效快速地生成最优的原油调度方案。
-
公开(公告)号：CN116372665A
公开(公告)日：2023-07-04
申请号：CN202310051301.6
申请日：2023-02-02
Applicant: 南京工业大学
IPC: B23Q17/09
Abstract: 本发明提出了一种基于OPC UA的航空数控机床刀具健康监测方法，将LSTM‑CNN网络作为刀具磨损预测的模型，在此基础上对模型的参数进行调整，最终建立基于工况划分的刀具磨损量模型。该模型的建立过程为：先采集数控机床X、Y、Z三个轴上的力信号、加速度信号、声发射信号数据，并保存在数据库中，并以采集到的时域信号数据作为输入，刀具磨损量作为输出，同时在训练之前剔除异常数据；利用卷积神经网络理论提取信号特征，利用PSO算法对模型的结构参数进行选择，再根据监督式学习的方法建立信号到刀具磨损量的模型。本发明具有数据处理快速、针对性强的特点，克服了依靠人工提取特征对刀具磨损量精度低以及单一卷积神经网络难以捕获时间序列数据的问题。
-
公开(公告)号：CN119820386A
公开(公告)日：2025-04-15
申请号：CN202510230480.9
申请日：2025-02-28
Applicant: 南京工业大学
IPC: B23Q17/09 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08 , G06F18/2337
Abstract: 本发明公开了一种基于Diffusion‑EMCAformer的刀具磨损量建模和预测方法，包括：通过传感器采集加工过程中三轴力信号和加速度信号，通过显微镜刀具磨损量；基于双重熵优化方法的小波去噪技术对传感器采集的信号进行预处理；搭建Diffusion‑EMCAformer模型，将包括传感器信号、时间步信号、扩散步信号的输入划分为训练集和测试集，利用训练集训练出最优模型；通过扩散模型对缺失数据的测试集进行补充，在最优模型上进行测试预测的磨损量和磨损速度，再采用改进的算术优化算法结合模糊C均值聚进行分类对刀具磨损状态进行分类。本方法实现了对刀具磨损量的高效、准确预测，尤其在复杂工况下具有良好的适应性和鲁棒性，为机床维护提供准确的磨损量预测及维修建议。
-
公开(公告)号：CN117611576A
公开(公告)日：2024-02-27
申请号：CN202311769202.8
申请日：2023-12-21
Applicant: 南京工业大学
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06N3/096 , G06N3/0464
Abstract: 本发明涉及图像处理技术领域，公开了一种基于图文融合对比学习预测方法，包括以下步骤：为工业零件图像数据配对相关类别标签的文本嵌入，并进行预处理；构建图文融合对比学习模型，并通过引入基于图像实例的属性权重机制来区分缺陷种类，采用按通道条件提示模块进行特征拆分和信息提取，同时利用训练集对模型进行训练；调整模型参数进行多次训练，并进行测试及性能评估；利用图文融合对比学习模型进行预测得到工业零件的缺陷信息。本发明具有较好的预测性能，能够以较小的误差来预测出工业零件是否有缺陷，能够生成更加解释性强的注意力图，可以更准确地对零件进行分类和缺陷预测。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.02 seconds)
