个人信息
参与实验室科研项目
人机智能协同关键技术及其在智能制造中的应用
非可信智能驱动的可靠智造
学术成果
共撰写/参与撰写专利 4 项，录用/发表论文 1 篇，投出待录用论文2篇。 联培学生可能有其他不在此展示的论文/专利。
patent
-
基于跨模态生成式学习的液压减震器设备异常检测方法
赵云波,
朱慧娟,
闫晓辉,
and 康宇
2023
[pdf]
-
锡膏印刷机在线故障预测软件V1.0
赵云波,
陈龙鑫,
朱慧娟,
康宇,
and 许镇义
2022
[Abs]
[pdf]
本软件系统用于锡膏印刷机的在线故障预测，通过 url 接口实时获取锡膏印刷机 的状态数据，调用事先训练好的机器学习模型进行故障预测，并将故障预测结果 展示在前端可视化界面，以辅助工程师及时进行维护。
-
产线设备故障预测方法、装置、电子设备及存储介质
赵云波,
董少杰,
刘斌琨,
朱慧娟,
许镇义,
and 柏鹏
[Abs]
本申请公开了一种产线设备故障预测方法、 装置、电子设备及存储介质，属于计算机技术领 域。所述方法包括：获取测试结果序列，测试结果 序列包括多个电路板的测试结果信息，测试结果 信息包括电路板中各功能模块的测试结果；根据 测试结果序列，获取各功能模块的良率序列；根 据各功能模块的良率序列，获取多个各功能模块 中的目标功能模块与其他功能模块的相关性序 列；根据各功能模块的良率序列和相关性序列， 获取目标功能模块的良率预测信息；根据相关性 序列和良率预测信息，预测目标功能模块对应的 产线设备是否存在故障。本申请能够准确预测产 线设备是否出现故障，以及时发现故障设备，避 免生产事故的发生。
-
故障诊断模型的训练方法、装置、电子设备及存储介质
赵云波,
陈龙鑫,
刘斌琨,
朱慧娟,
许镇义,
and 柏鹏
[Abs]
本申请公开了一种故障诊断模型的训练方 法、装置、电子设备及存储介质，属于计算机技术 领域。所述方法包括：获取多个工况中各工况集 下的故障数据，分别作为源域数据，并获取目标 工况下的故障数据，作为目标域数据，所述工况 集包括所述多个工况中的至少一个工况，所述工 况集下的故障数据为已标记故障类别的数据，所 述目标工况下的故障数据为未标记故障类别的 数据；确定所述目标域数据与各所述源域数据之 间的目标分布差异；根据所述目标分布差异选取 源域数据作为训练数据；根据所述训练数据，对 所述目标工况的故障诊断模型进行训练。本申请 能够提高模型训练效果，进而提高对目标工况进 行故障诊断的准确率。
Conference Articles
-
Anomaly Detection for Surface of Laptop Computer Based on Patchcore Gan Algorithm
Huijuan Zhu,
Yu Kang,
Yun-Bo Zhao ,
Xiaohui Yan,
and Junqiang Zhang
In 2022 41st Chin. Control Conf. CCC
2022
[Abs]
[doi]
[pdf]
Timely detection of notebook appearance defects is an important means to prevent products from being delivered to customers before leaving the factory.In industrial production, more emphasis is placed on fast and accurate detection methods, but the existing difficulties: 1. Defect samples are rare and difficult to obtain; 2. In high-resolution images, there are slight differences between abnormal samples and normal samples; 3. Slowly detection and insufficient accuracy.The existing methods mainly use a large amount of abnormal samples, so it is difficult to extend to the field of notebook appearance anomaly detection.To solve this problem, we designed a method that firstly uses unsupervised PatchCore which the algorithm was trained on normal samples and Defect GAN is used in test phase. To create a large number of verisimilitude abnormal samples and test these samples with PatchCore. On TKP-Surface datasets, the AUROC score of image-level anomaly detection achieves 96.1%, which meets the requirements of industrial applications.
外部链接
个人博客