“孙衍宁”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15个，建议您升级VIP下载更多相关专利

[发明专利]数据驱动的基于不平衡装配数据的发动机质量预测方法-CN202310526129.5在审
发明人：秦威;胡锦华;孙衍宁 -专利权人：上海交通大学
申请日： 2023-05-11 - 公布日： 2023-08-04 - 主分类号： G06F30/17 文献下载
摘要：一种数据驱动的基于不平衡装配数据的发动机质量预测方法，通过分析工艺参数在预测产品质量过程中的互补性和冗余性，减少输入变量间的冗余性，提高互补性，选择冗余性最小的关键变量集合，基于所选的关键变量识别柴油发动机不同模态，针对少数类模态基于关键变量的流形距离合成新样本，平滑不平衡训练数据的分布，通过自适应参数优化的集成模型实现柴油发动机的质量预测，显著减少质量预测模型的输入变量间的冗余性，改善数据的不平衡现状，提高质量预测模型的泛化能力，可以帮助现场工程师准确掌握柴油发动机装配过程生产状态和产品质量信息，进而为复杂机械装配产品的决策提供有效参考信息，以便为后续生产的智能化调度参数优化提供指导。
数据驱动基于不平衡装配发动机质量预测方法

[发明专利]数据驱动的中医药制造过程工艺参数优化方法-CN202310413626.4在审
发明人：秦威;胡锦华;孙衍宁;郭良训;王勇 -专利权人：上海交通大学
申请日： 2023-04-18 - 公布日： 2023-07-11 - 主分类号： G05B19/418 文献下载
摘要：一种数据驱动的中医药制造过程工艺参数优化方法，通过计算中医药产品生产过程历史工艺参数和产品质量间的最大互信息系数(MIC)，同时构建质量预测模型(PM‑AdaBoost)，根据最大互信息系数和质量预测模型的均方误差计算适应度函数，通过粒子群的初始化、计算适应度函数、多次迭代更新粒子在工艺参数搜索空间的速度和位置，得到中医药产品生产过程中的关键工艺参数和优化质量预测模型，进一步将优化质量预测模型的均方误差作为适应度函数，利用粒子群优化算法得到优化关键工艺参数。本发明通过最大信息系数衡量变量间的线性及非线性关系，选用最大信息系数和质量预测均方误差作为筛选关键工艺参数和构建质量预测模型的标准，在准确性上占有绝对优势；基于质量预测模型通过粒子群算法优化关键，粒子群作为工艺参数优化算法，在收敛速度上占有绝对优势。
数据驱动中医药制造过程工艺参数优化方法

[发明专利]一种分子量可控分级工业碱木质素制备聚氨酯泡沫材料的方法-CN202211441700.5在审
发明人：石海强;李长庚;靳汇奇;盛雪茹;张凤山;孙衍宁 -专利权人：大连工业大学
申请日： 2022-11-17 - 公布日： 2023-03-07 - 主分类号： C08G18/64 文献下载
摘要：本发明涉及一种分子量可控分级工业碱木质素制备聚氨酯泡沫材料的方法，属于木质素高值化应用领域。将分级后的碱木质素与聚乙二醇、水、催化剂及表面活性剂混匀，恒温水浴中加热至木质素溶解；将熔化后的二异氰酸脂倒入上述混合物中，搅拌混匀，得到碱木质素基聚氨酯泡沫材料。本发明所用溶剂为绿色环保、可持续的溶剂，分级过程操作简单，分级效果良好且可控等优点，制备聚氨酯过程简单，成本低，不同分子量的木质素基聚氨酯热稳定性相同。并且通过对木质素基聚氨酯的性能检测发现，木质素分子量对聚氨酯的拉伸强度与断裂伸长率影响并不相同，且木质素的反应率与分子量成正比。
一种分子量可控分级工业木质素制备聚氨酯泡沫材料方法

[发明专利]一种图像识别方法、装置及电子设备-CN202110967419.4在审
发明人：秦威;祝晓旦;胡勍;石闻天;庄子龙;孙衍宁;黄豪哲 -专利权人：中移（上海）信息通信科技有限公司;上海交通大学;中国移动通信集团有限公司
申请日： 2021-08-23 - 公布日： 2023-02-28 - 主分类号： G06V40/20 文献下载
摘要：本申请提供一种图像识别方法、装置及电子设备，所述方法包括：获取深度图像的手部点云；将所述手部点云输入到预设神经网络模型中，以得到所述预设神经网络模型输出的手部关节位置；基于所述手部关节位置确定所述深度图像的手部网格；确定与所述手部关节位置匹配的目标手势；基于所述手部网格和所述目标手势，确定所述深度图像的手部识别结果。本申请可以提高手部识别结果的准确度。
一种图像识别方法装置电子设备

[发明专利]一种发动机信息处理方法、装置及设备-CN202110678061.3在审
发明人：秦威;祝晓旦;郭良训;庄子龙;孙衍宁;査栋烨;石闻天 -专利权人：中移（上海）信息通信科技有限公司;上海交通大学;中国移动通信集团有限公司
申请日： 2021-06-18 - 公布日： 2022-12-20 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种发动机信息处理方法、装置及设备，方法包括：根据发动机的当前样本数据，获得第一特征数据集；通过目标预测模型接收所述第一特征数据集，对所述第一特征数据集进行处理后输出所述发动机的指标信息的预测结果，所述目标预测模型是根据发动机的历史样本数据以及分类置信度确定的目标样本进行训练得到的。本发明的方案实现了发动机质量的有效预测。
一种发动机信息处理方法装置设备

[发明专利]基于注意力机制的高炉热负荷异常状态监测方法-CN202111318176.8有效
发明人：许鸿伟;秦威;孙衍宁 -专利权人：上海交通大学
申请日： 2021-11-09 - 公布日： 2022-12-06 - 主分类号： G06N20/00 文献下载
摘要：一种基于注意力机制的高炉热负荷异常状态监测方法，首先进行数据采集与数据预处理，然后构建包括双层一维卷积神经网络结构与单层双向长短记忆网络下结构的基于注意力机制的预测模型，再基于联合训练机制的方式进行预测模型的训练，最后通过添加注意力机制的1DCNN提取输入参数显著异常波动的特征，再由BiLSTM在时间维度上的记忆功能，实现在线监测，本发明考虑所采集历史数据的质量问题设计两阶段数据预处理方法，能够显著提升热负荷急剧变化时趋势状态的预测准确性，把握高炉设备的运行状况，保证高炉炼铁生产过程的持续与稳定。
基于注意力机制高炉负荷异常状态监测方法

[发明专利]一种木质纤维全组分超疏水气凝胶材料的制备方法-CN202210952734.4在审
发明人：石海强;郭旭;贾文超;孙衍宁;孙海东;牛梅红 -专利权人：大连工业大学
申请日： 2022-08-09 - 公布日： 2022-09-27 - 主分类号： C08L97/02 文献下载
摘要：本发明属于纤维素基气凝胶多孔材料制备技术领域，具体为一种木质纤维全组分超疏水气凝胶材料的制备方法。首先对木质纤维素进行去乙酰化处理，然后使用无机熔融盐水合物溶解木质纤维素得到木质纤维全组分水凝胶。随后通过透析、溶剂交换和冷冻干燥得到木质纤维全组分气凝胶。最后使用改性剂对木质纤维全组分气凝胶进行疏水改性得到木质纤维全组分超疏水气凝胶。本发明制备过程简单，原料易得，充分利用了植物纤维原料的三大组分，并且具有环境友好性。所制备的气凝胶具有高比表面积、高孔隙率、生物可降解性及超疏水性能，在油水分离方面有良好的应用前景。
一种木质纤维组分疏水凝胶材料制备方法

[发明专利]可解释集成学习的间歇过程质量在线预测方法-CN202111176711.0有效
发明人： 孙衍宁;谭润芝;王无印;许鸿伟;秦威 -专利权人：上海交通大学
申请日： 2021-10-09 - 公布日： 2022-07-22 - 主分类号： G06Q10/04 文献下载
摘要：一种可解释集成学习的间歇过程质量在线预测方法，通过传感器采集的间歇过程历史数据集建立最终产品质量模型，经数据预处理得到候选输入变量；分时段计算候选输入变量与最终产品质量之间的Copula熵并进行排序，选取Copula熵最大的前M个候选输入变量作为关键变量；根据最终产品质量模型设计堆叠集成随机森林算法，训练该堆叠集成随机森林算法后，利用训练得到的堆叠集成随机森林算法对间歇过程的最终产品质量进行在线预测。本发明显著提升了质量预测的可解释性，可以帮助现场工程师准确地把握生产运行状态和产品质量信息，进而为间歇过程的控制决策提供有用参考。
可解释集成学习间歇过程质量在线预测方法

[发明专利]工业软测量中考虑因果效应的辅助变量选择方法-CN202111176741.1在审
发明人： 孙衍宁;秦威;许鸿伟;谭润芝;王无印 -专利权人：上海交通大学
申请日： 2021-10-09 - 公布日： 2021-12-21 - 主分类号： G06F30/27 文献下载
摘要：一种工业软测量中考虑因果效应的辅助变量选择方法，基于软测量建模对象的历史数据集，经过预处理得到离散化的候选变量集和主导变量数据样本；通过每一个候选变量与主导变量的互信息确定每一个候选变量与主导变量的因果效应；采用基于因果效应的变量筛选算法，保留所有因果效应不为零的候选变量作为辅助变量集。本发明通过考虑候选辅助变量与主导变量之间的因果效应，不依赖于任何模型，不需要设置停止阈值，自动地选择因果效应不为零的候选变量组合作为辅助变量集，为工业软测量建模提供有用参考。
工业测量考虑因果效应辅助变量选择方法

[发明专利]基于堆叠残差因果卷积神经网络的锂电池健康状态检测方法-CN202010689054.9有效
发明人：秦威;孙衍宁;庄子龙;吕慧春 -专利权人：上海交通大学
申请日： 2020-07-17 - 公布日： 2021-07-13 - 主分类号： G01R31/367 文献下载
摘要：一种基于堆叠残差因果卷积神经网络的锂电池健康状态检测方法，通过传感器采集锂电池的工况数据，经预处理得到输入特征；通过传感器采集锂电池的工况数据，经预处理得到输入特征；根据输入特征设计堆叠残差因果卷积神经网络，训练该堆叠残差因果卷积神经网络后，利用训练得到的堆叠残差因果卷积神经网络对锂电池的健康状态进行估计；堆叠残差因果卷积神经网络，该网络将残差网络和长短期记忆网络的输入门结构有机地集成到因果卷积网络中。本发明可以有效的帮助锂电池用户准确获取电池实际可用容量及老化状态相关信息，进而为电池管理的控制决策提供参考。
基于堆叠因果卷积神经网络锂电池健康状态检测方法

[发明专利]基于超启发式算法的自动化码头出口箱箱位分配优化方法-CN202011492605.9在审
发明人：秦威;庄子龙;李维廉;黄子钊;孙衍宁 -专利权人：上海交通大学
申请日： 2020-12-17 - 公布日： 2021-04-02 - 主分类号： G06Q10/06 文献下载
摘要：一种基于超启发式算法的自动化码头出口箱箱位分配优化方法，通过高级控制策略进行参数初始化、问题确认、强化学习状态计算、通过强化学习状态计算动作概率和根据动作概率选择合适的算法，然后通过计算强化学习状态及适应度后判断是否达到迭代次数并输出箱位分配方案及新的指标。本发明从实际出口箱箱位分配的堆场接力、多箱区协同特性出发，将强化学习和深度学习用作高级选择策略，将启发式算子、智能算法用作低级启发式方法，以自适应地生成高质量的箱位分配方案，提高自动化集装箱码头出口箱作业效率。
基于启发式算法自动化码头出口箱箱位分配优化方法

[发明专利]两阶段的面向复杂约束下的钢铁企业设备检修调度方法-CN202010781979.6在审
发明人：秦威;庄子龙;孙衍宁;徐杰 -专利权人：上海交通大学
申请日： 2020-08-06 - 公布日： 2020-11-17 - 主分类号： G06Q10/04 文献下载
摘要：一种两阶段的面向复杂约束下的钢铁企业设备检修调度方法，通过设备检修预调度阶段依据设备管理人员实际经验中归纳出的规则自动生成该调度时段内的各个设备的检修任务，并明确这些检修任务间的相容、相斥约束关系，最后为各个检修任务确定合适的检修开始时间并指派人力资源；进一步由智能优化阶段基于改进遗传算法，对问题中涉及的各种复杂约束关系进行处理，并以最小化检修人力资源冲突、最小化非工作日检修人力资源数量、最小化检修任务间隔时间与模型周期偏差为目标对设备检修预调度进行优化，以使得最终检修方案符合实际需求。本发明改变传统的手工调度方式，自动生成设备检修调度方案，提高设备检修调度效率与检修方案的合理性、科学性。
阶段面向复杂约束钢铁企业设备检修调度方法

[发明专利]一种齿轮副啮合特性分析方法-CN201810574318.9有效
发明人：马辉;皇甫一樊;陈康康;孙衍宁;闻邦椿 -专利权人：东北大学
申请日： 2018-06-06 - 公布日： 2020-07-28 - 主分类号： G06F30/23 文献下载
摘要：本发明涉及一种齿轮副啮合特性分析方法。该齿轮副啮合特性分析方法基于有限元模型采用解析方法分别分析齿轮副的整体变形及局部接触变形，并得到时变啮合刚度及齿根弯曲应力。该方法避免了非线性接触迭代，具有较高的计算效率和较高的计算精度；该方法能考虑直齿轮副的齿顶修形、延长啮合和复杂齿基。
一种齿轮啮合特性分析方法

[发明专利]一种修正的考虑鼓向修形的齿轮副啮合特性分析方法-CN201710329619.0有效
发明人：马辉;孙衍宁;冯盟蛟;李占伟;段田堂 -专利权人：东北大学
申请日： 2017-05-11 - 公布日： 2019-07-19 - 主分类号： G06F17/50 文献下载
摘要：本发明涉及一种修正的考虑鼓向修形的齿轮副啮合特性分析方法，该方法为获取齿轮副的基本参数及鼓向修形参数，将齿轮副的轮齿沿齿宽方向分解为N个独立且均匀的薄片齿轮，基于鼓向修形齿轮副的齿廓误差，采用考虑延长啮合影响的齿轮副啮合特性分析方法，计算得到每片薄片齿轮副的时变啮合刚度；通过三维绘图模拟软件建立含鼓向修形的啮合齿轮副三维模型，将三维模型导入到ANSYS软件建立三维有限元接触模型，求解齿轮整个啮合过程中的时变啮合刚度数据；本发明的分析方法建模过程简单，计算量小，对计算机要求较低，计算结果精确真实。
齿轮修形齿轮副啮合特性分析啮合时变啮合刚度薄片齿轮三维模型修正计算机要求三维有限元齿宽方向基本参数建模过程模拟软件啮合齿轮三维绘图修形参数计算量求解齿廓轮齿分解分析

[发明专利]斜齿轮副时变啮合刚度计算方法-CN201710687624.9在审
发明人：马辉;孙衍宁;冯盟蛟;闻邦椿;张学良 -专利权人：东北大学
申请日： 2017-08-11 - 公布日： 2017-11-24 - 主分类号： G06F17/50 文献下载
摘要：本发明属于机械动力学技术领域，具体涉及斜齿轮副时变啮合刚度计算方法。斜齿轮副时变啮合刚度计算方法包括如下步骤步骤S1获取斜齿轮副的基本参数；步骤S2将斜齿轮副的轮齿模型沿齿宽方向分解为N个独立且均匀的薄片直齿轮副；步骤S3确定N个薄片直齿轮在啮合位置j是否参与啮合；步骤S4计算每一片薄片直齿轮的时变啮合刚度；步骤S5对每一片薄片直齿轮的时变啮合刚度求和，得到斜齿轮副的时变啮合刚度。斜齿轮副时变啮合刚度计算方法考虑了非线性接触、修正基体刚度及延长啮合影响，改进了解析模型，提高了计算精度。
齿轮副时变啮合刚度计算方法

1
共 15 条