-
公开(公告)号：CN118941174B
公开(公告)日：2024-12-06
申请号：CN202411435720.0
申请日：2024-10-15
Applicant: 南京邮电大学
IPC: G06Q10/067 , G06Q50/04 , G06F18/213 , G06N5/01 , G06F18/2431
Abstract: 本发明公开了一种面向离散制造的工业数据混成模型构建方法及系统，该方法首先实时采集离散制造工业数据并进行特征提取，得到特征向量，然后将特征数据分别通过第一模型和第二模型得到第一输出和第二输出；将第一输出和第二输出加权求和，得到工业数据的混成模型；第一模型用于在离散空间中得到所述特征数据的一条拟合曲线，所述第二模型用于以决策树为弱学习器对所述特征数据进行集成学习。本发明能够针对离散制造业的业务场景复杂多变这一特性，提高了数据智能推理的灵活性。
-
公开(公告)号：CN118940220A
公开(公告)日：2024-11-12
申请号：CN202411435718.3
申请日：2024-10-15
Applicant: 南京邮电大学
IPC: G06F18/25 , G06F18/213 , G06N3/0442 , G06N3/08 , G06N3/0464 , G06N3/006
Abstract: 本发明公开了一种面向离散制造的多模态工业数据融合方法及系统，该方法实时采集离散制造工业多模态数据并进行特征提取得到特征数据，将特征数据输入可微分计算机网络，得到数据融合结果，可微分计算机还用于根据数据融合结果完成预测目标；可微分计算机网络包括数据融合模块和记忆系统，数据融合模块将特征数据在智能体中融合，记忆系统用于存储并读写智能体重融合后的数据；将记忆系统中的数据输入到评价系统中计算奖励值，根据奖励值指导智能体的数据融合并更新记忆系统。本发明在增加记忆系统容量的同时不会导致训练参数增加，将复杂的多模态的工业数据进行融合，便于离散制造工业进行决策。
-
公开(公告)号：CN118917403B
公开(公告)日：2025-02-18
申请号：CN202411419306.0
申请日：2024-10-12
Applicant: 南京邮电大学
IPC: G06N5/022 , G06Q10/067 , G06Q50/04 , G06N3/044 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种离散制造全流程知识关联与动态演化知识库构建方法，包括以下步骤：采集离散制造全流程数据并进行预处理；以产品质量管控为出发点，构建初始阶段参数和最终阶段产品质量关联图谱，并对图谱进行学习；将单一知识图谱按照离散制造全流程的不同阶段划分为不同的层级，基于关联特征捕捉不同层级之间的关联信息，并基于关联算法计算关联特征之间的相似度或关联强度；基于图谱节点贡献度评估进行知识库动态更新。本发明以产品质量管控为出发点，基于层与层之间的知识图谱关联，引入关联特征以更好地捕捉不同层级之间的关系；根据节点的贡献度评估实现了知识库的动态更新演化。
-
公开(公告)号：CN116523266A
公开(公告)日：2023-08-01
申请号：CN202310713198.7
申请日：2023-06-15
Applicant: 南京邮电大学
IPC: G06Q10/0631 , G06Q50/04 , G06F30/27 , G06N3/006 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种基于博弈进化算法的柔性作业车间调度方法、装置、电子设备及介质，包括：根据所获取的柔性作业车间的加工信息，建立所述柔性作业车间的排产调度数学模型；根据所述加工信息产生初始化种群，并设置处理柔性车间调度问题的相关参数；基于初始化种群和所述相关参数，利用博弈进化算法对所述排产调度数学模型进行迭代求解，获得调度方案的最优解。本发明能够通快速有效的生成合理的调度方案，有效解决大规模复杂调度问题，大大提高生产效率。
-
公开(公告)号：CN118941174A
公开(公告)日：2024-11-12
申请号：CN202411435720.0
申请日：2024-10-15
Applicant: 南京邮电大学
IPC: G06Q10/067 , G06Q50/04 , G06F18/213 , G06N5/01 , G06F18/2431
Abstract: 本发明公开了一种面向离散制造的工业数据混成模型构建方法及系统，该方法首先实时采集离散制造工业数据并进行特征提取，得到特征向量，然后将特征数据分别通过第一模型和第二模型得到第一输出和第二输出；将第一输出和第二输出加权求和，得到工业数据的混成模型；第一模型用于在离散空间中得到所述特征数据的一条拟合曲线，所述第二模型用于以决策树为弱学习器对所述特征数据进行集成学习。本发明能够针对离散制造业的业务场景复杂多变这一特性，提高了数据智能推理的灵活性。
-
Patent Agency Ranking
公开(公告)号：CN118966472A
公开(公告)日：2024-11-15
申请号：CN202411441286.7
申请日：2024-10-16
Applicant: 南京邮电大学
IPC: G06Q10/04 , G06Q50/04 , G06F18/10 , G06F18/2321 , G06F18/214 , G06F18/241 , G06F18/26 , G06N3/0499 , G06N3/084 , G06N5/01
Abstract: 本发明公开了一种离散制造车间的多维数据预测方法及系统，包括以下步骤，获得原始数据集；采用DBSCAN算法对原始数据集进行聚类，获得多个数据簇，并给数据簇建立相应的标签；搜寻各个标签之间的关联关系，构成数据知识；删除所有数据知识中的冗余数据，形成知识网络；获得数据知识包含的标签对应的步骤S1中清洗后的原始数据；初始化BP网络结构的权重，得到初始模型；获得最终的预测模型；获取待处理的离散制造的原始数据，将其输入预测模型，预测模型输出预测结果。本发明通过定性认知和定量和定性两阶段认知方法，分而治之的方式解决了离散制造车间数据体量大和高纬度的问题，降低了计算成本，且能够高效地挖掘预测所需的有价值的信息。
-
公开(公告)号：CN118917403A
公开(公告)日：2024-11-08
申请号：CN202411419306.0
申请日：2024-10-12
Applicant: 南京邮电大学
IPC: G06N5/022 , G06Q10/067 , G06Q50/04 , G06N3/044 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种离散制造全流程知识关联与动态演化知识库构建方法，包括以下步骤：采集离散制造全流程数据并进行预处理；以产品质量管控为出发点，构建初始阶段参数和最终阶段产品质量关联图谱，并对图谱进行学习；将单一知识图谱按照离散制造全流程的不同阶段划分为不同的层级，基于关联特征捕捉不同层级之间的关联信息，并基于关联算法计算关联特征之间的相似度或关联强度；基于图谱节点贡献度评估进行知识库动态更新。本发明以产品质量管控为出发点，基于层与层之间的知识图谱关联，引入关联特征以更好地捕捉不同层级之间的关系；根据节点的贡献度评估实现了知识库的动态更新演化。
-
公开(公告)号：CN118780153A
公开(公告)日：2024-10-15
申请号：CN202410753366.X
申请日：2024-06-12
Applicant: 南京邮电大学
IPC: G06F30/27 , G06N3/048 , G06N3/006 , G06F119/14
Abstract: 本发明公开了一种基于代理模型的复杂系统装备参数反演方法，利用最优拉丁超立方实验设计方法，生成关键参数的样本点数据；结合PSO算法对RBF神经网络的参数进行优化，从而建立代理模型；使用GA‑PSO算法结合该代理模型实现悬挂系统关键参数的反演优化。本发明利用高精度的代理模型来近似替代复杂的物理模型，提高参数反演的计算效率，同时使用GA‑PSO算法结合该代理模型实现复杂系统装备关键参数的反演优化。
-
公开(公告)号：CN118609815A
公开(公告)日：2024-09-06
申请号：CN202410760789.4
申请日：2024-06-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种用于复杂系统装备的装配人员疲劳评估系统及应用，属于装配评估领域，所述系统包括：虚拟装配场景动态搭建模块，用于搭建虚拟装配场景；装配动作仿真模块，用于装配方案的仿真；生理参数采集模块，用于记录装配人员完成装配方案的连续性生理数据；生理参数分析评估模块，用于分析装配方案中每个动作单元对应的生理数据，并计算出装配人员完成装配方案的心理疲劳指数和生理疲劳指数；数据接收与存储模块，用于接收和存储上述模块的数据。本发明系统计算装配人员的心理和生理疲劳指数，可以为复杂系统装备的装配设计优化提兼顾考虑人员生理心理因素的最佳装配方案。
-
公开(公告)号：CN116128316A
公开(公告)日：2023-05-16
申请号：CN202211654652.8
申请日：2022-12-22
Applicant: 南京邮电大学
IPC: G06Q10/0637 , G06Q50/04 , G06F18/23 , G06N3/04
Abstract: 本发明公开了一种基于深度强化学习的离散制造工业数据表征方法，包括采集离散制造工业数据，构建时空数据库；将离散制造工业数据划分为离散特征和连续特征，构建数据耦合编码网络，并将编码网络中编码向量转换为表征向量，构建数据表征模型；通过聚类评价指标量化表征数据类别的区分度；将不同维度的聚类评价指标加权作为动态奖励，构建深度强化学习模型，通过表征模型与离散制造决策分析系统的交互关系，更新深度强化学习的神经网络参数。本发明能够表征动态变化的混合数据，基于深度强化学习将离散制造工业数据进行表征增强处理，通过聚类评价指标与离散工业系统进行交互，不断反馈动态奖励信息，以获得最优的数据表征形式。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.031 seconds)
