-
公开(公告)号：CN119556560A
公开(公告)日：2025-03-04
申请号：CN202411670071.2
申请日：2024-11-21
Applicant: 江苏大学
IPC: G05B13/04 , G06Q10/04 , G06Q50/04 , G06N3/006 , G06N3/126 , G06N5/022 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于知识工程的离散制造系统异常预测方法及系统调控方法，将制造系统的数据处理成三元组形式并绘制成知识图谱，利用TransR模型对知识图谱中的实体和关系进行表征；利用表征后的知识图谱对图注意力网络KGAT进行训练，由图注意力网络KGAT输出节点加权表示；基于节点加权表示，通过构建预警模型对离散制造系统进行异常事件预警与严重性评估。本发明基于异常预测结果还提出了一种离散制造系统的自适应调控方法，能够使制造系统根据实时数据动态调整工艺参数，实现制造过程的灵活自适应响应。
-
Patent Agency Ranking
公开(公告)号：CN119671776A
公开(公告)日：2025-03-21
申请号：CN202411826640.8
申请日：2024-12-12
Applicant: 江苏大学
IPC: G06Q50/04 , G06T7/00 , G06V10/40 , G06V10/25 , G06V10/82 , G06V10/764 , G06N5/022 , G06F16/901 , G06F16/23 , G06F18/20 , G06N5/04 , G06N7/01 , G06N3/0442 , G06N3/0464 , G06F123/02
Abstract: 本发明公开了一种基于知识图谱推理的芯片缺陷检测与优化系统，包括芯片缺陷检测模块、数据存储与知识图谱构建模块、推理分析模块和反馈优化模块；基于知识推理系统进行缺陷根因分析和生产工艺优化，且反馈优化模块基于推理结果生成工艺优化建议，通过自动工艺调整系统和自适应反馈控制器对生产流程进行实时优化，确保优化措施能够有效减少缺陷的发生。本系统通过集成缺陷检测、知识推理和工艺优化闭环，能够实现缺陷早期预警、根因分析和工艺参数的自动调整，显著提高芯片生产过程的质量和效率。
-
公开(公告)号：CN118081717A
公开(公告)日：2024-05-28
申请号：CN202410285898.5
申请日：2024-03-13
Applicant: 江苏大学
Abstract: 本发明公开了一种3‑DOF串联机构与并联机构混联式采摘机械臂，机械臂包括支撑底座、串联手臂段、并联手臂段，支撑底座是机械臂的基础支撑部分，提供了整个系统的稳定性和支持，串联手臂段是机械臂的主要运动部分，负责实现在X、Y和φ方向上的运动，使机械臂能够灵活移动并定位到目标位置。并联手臂段提供了额外的自由度，采用1T2R(1Translation,2Rotation)的运动模式，使机械臂能够在采摘过程中更灵活地适应不同形状和高度的采摘对象。本发明采用串联机构与并联机构混联式设计，通过引入多自由度设计，机械臂变得更加灵活，能够适应各种植物形状和布局，从而提高采摘的适应性和成功率。
-
公开(公告)号：CN118081714A
公开(公告)日：2024-05-28
申请号：CN202410105859.2
申请日：2024-01-25
Applicant: 江苏大学
Abstract: 本发明公开了一种冗余多自由度的串联式采摘机械臂，包括肩关节、中间关节、腕关节；肩关节采用万向节结构；中间关节的一端与肩关节的一端可转动连接，所述中间关节为可转动部件；腕关节包括球齿轮支撑架、球齿轮、齿轮，所述球齿轮支撑架与中间关节的另一端可转动连接；球齿轮嵌装在球齿轮支撑架上部，在球齿轮相对的两侧设有齿轮，每个齿轮均与球齿轮啮合；每个齿轮与球齿轮支撑架可转动连接。本发明通过改进肩关节和腕关节的组合，在满足工作环境和工作需求的条件下，增加对作物采摘的平滑性，同时还能在末端出现特殊状况后，合理快速的对机械臂的各个关节进行收缩，降低机械臂的损伤，提高采摘的效率。
-
公开(公告)号：CN119399143A
公开(公告)日：2025-02-07
申请号：CN202411453712.9
申请日：2024-10-17
Applicant: 江苏大学
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种改进型YOLOv8芯片表面缺陷轻量化目标检测模型及其训练方法与应用，搭建改进型YOLOv8芯片表面缺陷轻量化目标检测模型，包括Backbone部分、Neck部分和Head部分，Backbone部分多个AKConv模块和C2f模块堆叠而成，对输入的图片进行多次卷积，并输出多层有效特征层至Neck模块；Neck部分包括多尺度特征增强模块和跨尺度通道融合模块CCFM，多尺度特征增强模块采用RepGFPN网络，对Backbone部分输出的多层有效特征层进行有效融合；跨尺度通道融合模块CCFM用于自动调节特征融合权重；Head部分输出芯片表面缺陷检测结果；利用训练好的改进型YOLOv8目标检测模型对芯片表面缺陷进行检测，可以克服对于小目标、复杂背景时检测效果不佳的缺陷，提升缺陷检测的速度与精度。
-
公开(公告)号：CN118195357A
公开(公告)日：2024-06-14
申请号：CN202410434852.5
申请日：2024-04-11
Applicant: 江苏大学
IPC: G06Q10/0637 , G06Q50/04 , G06N7/01 , G06N7/02 , G06N3/126 , G06F18/10 , G06F18/213 , G06F18/2415
Abstract: 本发明公开了一种不确定环境下智能制造车间关键性能预测方法及智能管理平台，通过获得智能制造车间内部设备的状态数据形成数据集，对数据集进行预处理获取关键节点；基于模糊动态贝叶斯网络，构建随时间变化的关键性能发展趋势模型；将关键节点作为关键性能发展趋势模型的输入，利用关键性能发展趋势模型对智能车间异常进行预测；基于步骤的预测结果，若智能车间存在异常，采用模糊遗传算法进行求解优化，调整智能车间的生产计划。本发明针对不确定环境下智能车间关键性能预测，能够解决现有技术中预测不准确、优化目标不足，影响正常生产进行的问题。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
