“胡孔耀”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于多传感器特征融合的刀具磨损预测方法-CN202111308074.8在审
发明人：郭宏;徐延;闫献国;胡孔耀;伊亚聪;吕娜;刘成波 -专利权人：太原科技大学
申请日： 2021-11-05 - 公布日： 2022-01-14 - 主分类号： B23Q17/09 文献下载
摘要：本发明针对单一传感器预测刀具磨损量精度低的问题，提供一种基于多传感器特征融合的刀具磨损预测方法，涉及刀具状态监测技术领域。包括如下步骤：设计并实施机床加工实验；利用力、振动、声发射传感器监测和采集各类信号数据，利用显微镜观测记录刀具后刀面的磨损量，构建对应磨损量的各类信号数据集；对各类信号进行异常数据去除和信号去噪；在时域、频域和时频域内分析并提取特征；利用Pearson相关系数和PCA进行特征选择，进一步筛选出与刀具磨损程度更为相关的特征数据；将筛选出的多维特征作为输入条件，刀具磨损量作为输出条件，使用BP神经网络进行回归分析，得到磨损量预测值。该方法可以有效提高刀具磨损预测精度，提高机床加工效率。
一种基于传感器特征融合刀具磨损预测方法

[发明专利]基于BP神经网络权重优化的案例推理刀具推荐方法-CN202111103696.7在审
发明人：伊亚聪;郭宏;闫献国;胡孔耀;徐延;吕娜;刘成波 -专利权人：太原科技大学
申请日： 2021-09-18 - 公布日： 2021-12-24 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于BP神经网络权重优化的案例推理刀具推荐方法。包括以下步骤：输入加工要求，对刀具案例库的属性进行归一化处理，计算灰色关联系数，然后计算属性权重，属性权重分别采用BWM主观权重和熵值法客观权重并进行线性加权，将属性权重通过BP神经网络进行优化得到更加客观的数据，最后，计算灰色关联度并进行排序，选出最适合的刀具。本发明在案例推理上的权重上进行了优化，指标权重更加客观，提高了检索的准确率。
基于 bp 神经网络权重优化案例推理刀具推荐方法

[发明专利]一种基于ESP8266芯片的无线自感知车刀-CN202110782009.2在审
发明人：郭宏;胡孔耀;闫献国;伊亚聪;徐延;吕娜;刘成波 -专利权人：太原科技大学
申请日： 2021-07-10 - 公布日： 2021-09-07 - 主分类号： B23B27/00 文献下载
摘要：本发明公开了一种基于ESP8266芯片的无线自感知车刀，属于机械加工智能车刀技术领域。其特征在于，所述车刀包括刀头和刀柄，所述刀头包括有刀垫，刀片装在刀垫上，螺钉将刀片锁紧在刀垫上，压块放在刀片上，螺钉将压块固定在刀头上，ADXL345加速度传感器贴于刀头侧面，略低于刀垫；所述刀柄中部封装ESP8266WIFI模块，ADXL345加速度传感器通过杜邦线与ESP8266WIFI模块连接，ESP8266WIFI模块也通过杜邦线与3.7V锂电池连接，ADXL345加速度传感器将采集到的加速度信号数据上传到网页，通过登陆ESP8266WIFI模块产生的IP地址观察数据。本发明使用无线信号传输技术，通过采集工作中车刀的三轴加速度信号，来判断车刀磨损情况，并实时调整切削参数，极大的简化了加工现场布线难的问题。
一种基于 esp8266 芯片无线感知车刀

[发明专利]一种基于改进的协同过滤算法的刀具推荐方法-CN202110588641.3在审
发明人：郭宏;伊亚聪;闫献国;胡孔耀;吕娜;徐延;刘成波 -专利权人：太原科技大学
申请日： 2021-05-28 - 公布日： 2021-08-31 - 主分类号： G06F16/9536 文献下载
摘要：本发明公开了一种基于改进的协同过滤算法的刀具推荐方法。包括以下步骤：提取用户‑项目评分表并进行预处理；对处理后的数据进行转化，通过相似度的计算公式进行计算；选择用户的最近邻据集；对目标用户的邻居集的未评分项目进行预测评分。本发明能够在稀疏数据集上获得很好的预测效果，解决了传统算法受共同评分项限制的问题，提高了预测准确率。
一种基于改进协同过滤算法刀具推荐方法

[发明专利]深度学习与Hough变换结合的二维条码精确定位方法-CN202110283304.3在审
发明人：李建伟;吕娜;郭宏;刘成波;伊亚聪;胡孔耀;徐延 -专利权人：太原科技大学
申请日： 2021-03-16 - 公布日： 2021-06-11 - 主分类号： G06K7/14 文献下载
摘要：本发明提供了一种深度学习与Hough变换结合的二维条码精确定位方法；所述方法包括：在复杂光源环境下采集大量Datamatrix码样本图像，然后对其进行样本标注，构造用于边缘提取的训练数据集；利用完全卷积神经网络FCC和深度监督网的深度学习模型HED网络来对待测Datamatrix码样本图像进行边缘提取处理，得到二维码边缘候选区域，实现DM码初定位；通过利用Hough变换对前面获得的二维码候选区域实现精确定位；最后通过解码算法，完成二维码信息的提取。本发明通过提供的二维码的精确定位方法，鲁棒性强，稳定性高，同时准确率高，对于机械加工复杂环境适应良好。
深度学习 hough 变换结合二维条码精确定位方法