基于知识元的蜗杆参数化建模系统

为了快速实现蜗杆的精确建模,在对蜗杆的建模分析和参数化分析的基础上,提出一种基于设计过程知识元的蜗杆参数化模型设计方法。该方法分析蜗杆的设计知识,建立蜗杆设计的领域本体,通过本体和规则对蜗杆设计知识进行表达。并以设计知识为驱动,针对Solid Works软件进行二次开发,建立蜗杆参数化设计原型系统,具备蜗杆精确成型的程序调控能力,进而实现蜗杆零件的参数化设计。此方法有提高产品设计效率与快速建模的价值和意义。     

基于深度学习的洗衣机异常音检测

基于卷积神经网络框架,提出一种洗衣机异音识别模型,根据卷积神经网络显著特征提取能力和平移不变性,学习洗衣机的异音特征,实现生产线洗衣机的异音自动智能识别。给出完整的过程解决训练数据集的建立、数据样本不平衡等问题。提出一种用于数据增强的网络模型——音频深度卷积生成对抗网络解决训练样本的稀缺性问题。该模型对传统的深度卷积生成对抗网络进行改进,以更好地适应工业音频的生成。利用该模型能够对原始数据进行扩展,生成洗衣机异音增强数据集,在该数据集的基础上进行卷积神经网络训练,经测试准确率达到0.999。利用添加背景噪声信号的数据集测试洗衣机异音识别模型的泛化能力,正确识别率达到0.902,表明该网络在识别洗衣机异音方面具有良好的鲁棒性。