-
公开(公告)号：CN115146932A
公开(公告)日：2022-10-04
申请号：CN202210690301.6
申请日：2022-06-17
Applicant: 哈尔滨工业大学
Abstract: 基于深度置信网络的转台测量回转基准角摆误差评定方法，它涉及一种转台测量回转基准角摆误差评定方法。本发明为了解决由于回转基准角摆误差影响转台测量精度不高的问题。本发明的具体步骤为：步骤一、建立输入节点为5，输出节点为1的三层深度置信网络预测模型；步骤二、无监督预训练：采用输入数据集对每个RBM进行单独训练；步骤三、有监督微调：设置BP网络接在DBN结构的后方，实现有监督的微调；有监督微调由前向传播和反向传播两个过程组成。本发明属于航空发动机单立柱超精密测量仪器转台误差测量领域。
-
Patent Agency Ranking
公开(公告)号：CN115096242A
公开(公告)日：2022-09-23
申请号：CN202210660509.3
申请日：2022-06-13
Applicant: 哈尔滨工业大学
Abstract: 一种基于转台角摆误差测量补偿的同轴度测量方法，它涉及一种同轴度测量方法。本发明为了解决转台由于气压、负载等原因在测量时会造成测量基准轴线发生偏移，引起测量回转轴和转台几何轴线偏差并引入回转误差，造成航空发动机转子测量精度降低，影响零件和装配体同轴度测量精度的问题。本发明的步骤为：步骤一、测量工件高度为h时转台回转误差；步骤二、测量工件高度为0时转台回转误差；拿掉等高块，重复步骤一，此时测量的转台回转误差记为r0。步骤三、评定转台角摆误差；步骤四、评定工件高度为H时转台回转误差；步骤五、航空发动机转子测量回转误差补偿；步骤六、航空发动机转子同轴度评定。本发明属于同轴度测量领域。
-
公开(公告)号：CN116738827A
公开(公告)日：2023-09-12
申请号：CN202310597305.4
申请日：2023-05-25
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/047 , G06N3/09 , G06N3/092 , G06F111/08 , G06F119/14
Abstract: 基于指针网络的大型高速回转装备叶片质量矩优化方法及装置，涉及大型高速回转装备领域。针对现有技术中存在的，在叶片排布的工作中，现有方法只适合处理一类问题，一旦叶片规模发生改变，就需要对程序进行大量的修改，并且算法自身的原因引入的随机性较大，重复性较差的问题，本发明提供的技术方案为：指针网络解码方法，应用于大型高速回转装备叶片质量矩优化损失函数，所述方法包括：采集所述损失函数的对齐向量；根据所述对齐向量和叶片序列嵌入矩阵，得到背景矩阵；根据所述背景矩阵，得到所述叶片序列的softmax概率输出，作为结果。适用于大型高速回转装备装配优化工作中，可为大型高速回转装备叶片的装配提供指导。
-
公开(公告)号：CN116738826A
公开(公告)日：2023-09-12
申请号：CN202310597296.9
申请日：2023-05-25
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/126 , G06F119/14 , G06F111/08
Abstract: 大型高速回转装备多级转子叶片质量矩目标函数优化和平衡方法及装置，涉及大型高速回转装备领域。为解决现有技术中多级转子叶片质量矩不平衡会产生新的不平衡量导致转子不平衡量，对整个大型高速回转装备的正常工作非常不利的技术问题，本发明提供的技术方案为：大型高速回转装备多级转子叶片质量矩目标函数优化方法，所述方法包括：对目标函数通过随机初始化的方式产生初始种群；根据预设的编码方式，对所述初始种群中的个体进行编码；根据预设的适应度函数在编码后的初始种群中寻找父代；通过所述父代产生新的子代；判断所述子代是否满足预设的终止条件，若满足，则输出结果，若不满足，则重新寻找父代。适合应用在优化转子不平衡量的工作中。
-
公开(公告)号：CN114997692A
公开(公告)日：2022-09-02
申请号：CN202210690483.7
申请日：2022-06-17
Applicant: 哈尔滨工业大学
Abstract: 基于BP神经网络的转台测量回转基准角摆误差评定方法，它涉及一种转台测量回转基准角摆误差评定方法。本发明为了解决回转基准角摆误差影响转台测量精度不高的问题。本发明的步骤为：步骤一、输入训练样本，进行数据归一化处理；步骤二、确定隐含层节点数；步骤三、选取激活函数；步骤四、评价参数选用决定系数R2和均方误差MSE对估测模型进行精度检验，同时代价函数也选用MSE，R2的范围是[0,1]，R2越大，MSE越小，模型的预测精度越高；步骤五、在代价函数后面增加正则化项，采用L2正则化法，BP神经网络确定完毕。本发明属于航空发动机单立柱超精密测量仪转台误差测量领域。
-
公开(公告)号：CN115115027A
公开(公告)日：2022-09-27
申请号：CN202210690303.5
申请日：2022-06-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于GA‑PSO‑BP神经网络的回转装备零部件同轴度预测方法，它涉及一种回转装备零部件同轴度预测方法。本发明为了解决马鞍面零部件由于止口配合面变形严重，难以通过建立传统的基于三维坐标系变换的数学模型求解同轴度误差的问题。本发明首先分析多级零部件装配后同轴度误差影响源；以误差源为输入，多级零部件装配后同轴度误差为输出；同时引进遗传算法优化BP神经网络的初始权值阈值，引进粒子群算法寻得超参数最优解。本发明属于回转装备零部件同轴度误差测量领域。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
