公开(公告)号：CN109145319A

公开(公告)日：2019-01-04

申请号：CN201710455310.6

申请日：2017-06-16

Applicant: 哈尔滨理工大学

Inventor： 张人敬 ,  刘胜辉 ,  石岩磊

IPC: G06F17/50 ,  G06Q10/04 ,  G06N3/04

Abstract: 一种深度神经网络的关键设备切削刀具剩余寿命预测的方法。针对制造加工企业中关键设备剩余寿命预测这一问题，利用状态监控、数据降噪和深度神经方法建立了并行深度神经网络预测模型，并将该问题的预测对象细化为切削刀具这一核心生产要素。首先，对监控数据熵值化处理，利用稀疏自编码网络对刀具状态进行特征提取。其次，利用Logistic回归模型和Softmax回归模型对监测数据进行状态识别和寿命预测，得到设备所处状态和剩余寿命的预测结果。最后，使用哈尔滨电机厂的真实数据对该预测流程进行了仿真实验，验证结果表明该流程能有效的预测剩余寿命。

公开(公告)号：CN107346469A

公开(公告)日：2017-11-14

申请号：CN201710436746.0

申请日：2017-06-12

Applicant: 哈尔滨理工大学

Inventor： 石岩磊 ,  张宏国 ,  张人敬

IPC: G06Q10/06 ,  G06Q10/08

CPC classification number: G06Q10/083 ,  G06Q10/0631

Abstract: 一种云制造环境下多地运输多目标综合调度方法。目前多数的云制造资源调度方法往往只考虑一种优化目标而且忽略了运输因素对调度计划的影响。本发明方法将以服务时间、服务成本、服务质量和满意度评价作为目标函数。充分考虑跨地域的制造资源调用因素。本发明主要步骤：采用基于工序和资源的双层编码方式进行初始化。通过加入动态学习因子来引导种群的搜索范围和精度。结合非支配排序来更新全局最优解集，通过引入动态选择因子，提高非支配解集的均匀分布性。通过该方法可以得到一个加工任务的详细的加工计划。本发明用于解决云制造环境下的多目标调度计划排产问题，提高资源的利用效率，降低用户的加工成本。