-
公开(公告)号：CN118965958A
公开(公告)日：2024-11-15
申请号：CN202410944216.7
申请日：2024-07-15
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06N3/0499 , G06N3/084 , G06N3/006 , G06F119/08
Abstract: 一种CPA优化BP神经网络主轴热误差建模方法，属于高速电主轴热误差预测分析技术领域。用于解决高速电主轴热误差预测时，BP神经网络存在收敛速度缓慢、对初始权重和偏置敏感、需要大量训练数据、容易出现过拟合等问题，包括以下步骤：选取测点信息作为训练集与测试集使用；用食肉植物优化算法优化BP神经网络；代入最优解训练BP神经网络；将BP神经网络模型的预测结果与真实值之间的误差、精度、决定系数、平均绝对误差与均方根误差作为预测评价指标；通过计算预测结果与真实值之间的预测评价指标，来评估优化后的BP神经网络模型的性能和预测准确度。本发明热误差预测精度高；本发明拥有更好的鲁棒性。
-
公开(公告)号：CN117113845B
公开(公告)日：2024-03-19
申请号：CN202311115617.3
申请日：2023-08-31
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06N3/006 , G06N3/0442 , G06N3/08 , G06F119/08
Abstract: 本发明公开了一种AVOA优化LSTM神经网络主轴热误差建模方法，所述方法如下：一、获取实时温度数据与主轴热位移数据；二、选取关键测点信息作为训练集与测试集使用；三、确定长短期记忆神经网络各个参数的初始值；四、随机生成一定数量的秃鹫个体作为初始群体；五、对每个秃鹫个体进行分组，计算饥饿率和适应度；六、对比适应度，输出最优解；七、使用优化后的长短期记忆神经网络模型对测试集进行预测；八、将预测结果与真实值之间的误差、精度、决定系数、平均绝对误差与均方根误差作为预测评价指标；九、评估优化后的长短期记忆神经网络模型的性能和预测准确度。该方法具有高预测精度与鲁棒性的特点。
-
公开(公告)号：CN114970049B
公开(公告)日：2023-09-26
申请号：CN202210857885.1
申请日：2022-07-20
Applicant: 哈尔滨理工大学
IPC: G06F30/17 , G06F30/23 , G06F30/27 , G06N3/006 , G06N3/08 , G06N20/10 , G06F119/08 , G06F119/14
Abstract: 本发明公开了一种轴承预紧力可变的电主轴的热误差预测模型方法，构建电主轴温度场模型，分析热源温度以及关键部件温度；用不同预紧力条件和该条件下由于温度变化所改变的主轴部件参数，建立电主轴静力学有限元模型，分析电主轴热误差与预紧力和温度关系；通过建立灰狼优化算法(GWO)模型，采用随机生成灰狼种群的方式，初始化灰狼群、狼位置，全局搜索狼群各体适应度最优值，找寻支持向量回归(SVM)模型的惩罚因子(C)和核函数宽度(g)；搭建SVM可变预紧力电主轴的热误差预测模型，训练模型使其达到训练精度；最后通过BP神经网络热误差预测模型与GWO‑SVM热误差预测模型对比，体现出本发明方法较传统模型具有更好的性能。
-
公开(公告)号：CN114970643A
公开(公告)日：2022-08-30
申请号：CN202210862028.0
申请日：2022-07-20
Applicant: 哈尔滨理工大学
Abstract: 本发明提供了一种UMAP降维算法，将其运用于高速电主轴故障的识别的方法，首先获取高速电主轴振动信号，同时遍历数据库中的高速电主轴振动数据，利用时域分析和频域分析来构造高速电主轴振动信号的初始特征集，利用均匀流形逼近与投影(uniformmanifoldappr oximationandprojection，UMAP)算法进行降维，得到具有鉴别性和简捷性的故障特征，实现诊断模型数据质量的提升，最后将数据利用遗传算法(geneticalgorithm,GA)优化支持向量机(supportvectormachine,SVM)的参数来进行智能故障识别，从而实现高速电主轴故障识别。
-
公开(公告)号：CN118752017B
公开(公告)日：2025-02-14
申请号：CN202410762651.8
申请日：2024-06-13
Applicant: 哈尔滨理工大学
IPC: B23H7/02 , B23H7/20 , G06F30/20 , G16C60/00 , B05D7/14 , G01N13/00 , G01N13/02 , G01N23/2251 , G06F113/26 , G06F119/14
Abstract: 一种金属基体微结构表面可控制备及润湿性能预测的方法，属于微阵列结构技术领域。本发明中，采用响应面法和电火花线切割单脉冲放电热流耦合仿真模型，解决了在模拟金属基材表面润湿特性方面的空白。通过确定复合材料凹坑‑凸起复合微结构接触角的最佳放电参数，以此进行制备获得表面润湿性能良好的方柱形微阵列结构，在6061铝合金基体上成功制备方柱形微阵列结构的超疏水表面，建立凹坑‑凸起复合微结构表面润湿性能数值计算模型，本方法不仅扩展了WEDM的应用领域，也为金属基体微结构表面设计提供理论参考，实现了金属基体微结构表面的可控制备及润湿性能的准确预测，对金属基体超疏水表面的制备具有重要指导意义。
-
Patent Agency Ranking
公开(公告)号：CN118580543A
公开(公告)日：2024-09-03
申请号：CN202410762648.6
申请日：2024-06-13
Applicant: 哈尔滨理工大学
IPC: C08J7/04 , C08J7/12 , C09D183/08 , C09D7/62 , C08L79/08
Abstract: 本发明提供一种柔性微结构超疏水材料及其制备方法，属于超疏水材料技术领域。其中该柔性微结构超疏水材料的制备步骤包括：将基底材料置于等离子清洗机中处理；将处理后的基底材料浸泡于肌醇1,5‑二磷酸溶液中30～60min；将羧基化碳纳米管分散于氨丙基封端聚二甲基硅氧烷中，升温至40～50℃后添加二羟基甲基丙酮，制备碳纳米管分散液；取出浸泡后的基底材料，在其表面喷涂碳纳米管分散液，干燥；将干燥后的产物在热处理一段时间，冷却后即可。通过上述方法制备的柔性微结构超疏水材料通过组分间的化学键连接提高超疏水表面在基底材料的附着能力，提高超疏水材料耐久牢度。
-
公开(公告)号：CN118917349A
公开(公告)日：2024-11-08
申请号：CN202410944219.0
申请日：2024-07-15
Applicant: 哈尔滨理工大学
IPC: G06N3/006 , G06N3/0464 , G06N3/084
Abstract: 一种HPO优化BP神经网络主轴热误差建模方法，属于高速电主轴热误差预测分析技术领域。用于解决高速电主轴热误差预测时，BP神经网络存在收敛速度缓慢、对初始权重和偏置敏感、需要大量训练数据、容易出现过拟合等问题，包括以下步骤：S2.选取测点信息作为训练集与测试集使用；S6.用猎人捕猎优化算法优化BP神经网络；S7.代入最优解训练BP神经网络；S8.将BP神经网络模型的预测结果与真实值之间的误差、精度、决定系数、平均绝对误差与均方根误差作为预测评价指标；S9.通过计算预测结果与真实值之间的预测评价指标，来评估优化后的BP神经网络模型的性能和预测准确度。本发明热误差预测精度高；本发明拥有更好的鲁棒性。
-
公开(公告)号：CN117829030B
公开(公告)日：2024-08-23
申请号：CN202410099730.5
申请日：2024-01-24
Applicant: 哈尔滨理工大学
IPC: G06F30/28 , G06F17/11 , G06F30/18 , G06F113/08 , G06F119/08 , G06F119/14 , G06F113/14
Abstract: 一种应用超疏水结构减小电主轴热误差的方法，所述减小热误差的方法如下：一、设计超疏水导热结构加工位置；二、设计超疏水位置结构微观形貌；三、搭建试验台，获取热关键点温度数据；四、参考热关键点温度数据，基于传热理论计算电主轴生热率，对流换热系数，热辐射率；五、建立两组三维模型，一组加装超疏水微柱结构，另一组选用常规电主轴模型作为对照；六、根据三维模型建立热仿真模型；七、设计仿真模块，计算域以及边界条件；八、分别计算两组仿真模型；九、将实验结果进行对比。应用超疏水结构减小电主轴热误差的方法可有效降低电主轴热误差，使电主轴内部热量分布更为均匀。
-
公开(公告)号：CN113721548A
公开(公告)日：2021-11-30
申请号：CN202111040927.4
申请日：2021-09-06
Applicant: 哈尔滨理工大学
IPC: G05B19/404
Abstract: 本发明公开了一种数控铣头热误差补偿方法及系统，考虑了无误差情况和实际状态下铣头的热误差，并通过建立热误差补偿数学模型，得到了实际加工情况下各误差补偿量；通过将所建立的数学模型导入到热误差补偿系统中，基于温度传感器采集的数据经模/数转换器模块传递到铣头控制系统，分析计算热误差补偿值，进而对铣头实际工作中的热误差进行补偿；通过编写执行程序，经循环加工以满足精度要求，实现了实际条件下的铣头热误差实时补偿和有效控制，有效提高了数控铣头的加工精度。
-
公开(公告)号：CN118862631A
公开(公告)日：2024-10-29
申请号：CN202410848728.3
申请日：2024-06-27
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06F18/24 , G06F18/214 , G06N3/0442 , G06N3/006 , G06N3/048 , G06N3/084 , G06F17/18
Abstract: 本发明公开了一种基于MRFO优化LSTM神经网络的复合微结构表面接触角建模方法，所述方法包括如下步骤：一：建立电火花线切割单脉冲放电热‑流耦合仿真模型与凹坑‑凸起复合微结构表面润湿性能数值计算模型，得出不同放电参数下的凹坑‑凸起复合微结构并计算其接触角度；二：对数据进行收集分析、标准化处理；三：构建LSTM模型；四：采用MRFO对LSTM模型的结构参数进行优化；五：训练LSTM模型；六：评估模型性能；七：验证LSTM模型的性能、预测精度和鲁棒性；八：分析不同电火花放电参数对表面接触角的影响。该方法能够有效地处理序列数据并实现更准确的分类预测，具有高预测精度与鲁棒性的特点。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.024 seconds)
