张帅
- 作品数：11 被引量：2H指数：1
- 供职机构：河南工程学院更多>>
- 发文基金：河南省科技攻关计划国家自然科学基金河南省软科学研究计划更多>>
- 相关领域：自动化与计算机技术机械工程金属学及工艺理学更多>>
- 一种用于声控的机器人装置
- 本实用新型公开了一种用于声控的机器人装置，包括壳体，所述壳体顶部安装有声控感应天线和太阳能电池板，壳体的底部四角均安装有转轮，壳体内部底端设有驱动电机和蓄电池，蓄电池位于两驱动电机的中间，驱动电机的输出轴通过齿轮连接有转...
- 李坤全李辉左冬晓李鹏马建辉张明理张帅
- 文献传递
- 一种数控机械手
- 本实用新型公开了数控机械手技术领域的一种数控机械手，包括工作台，所述工作台的左侧壁嵌合有风机，所述工作台的内腔底部开设有冷却槽，所述工作台的内腔后侧壁设置有喷洗装置和滑动梁，且喷洗装置位于滑动梁的下方，所述滑动梁的前侧卡...
- 李辉王新莉毕建平王静王鑫张帅李建
- 文献传递
- 一种基于PLC的智能供水及分享系统
- 本实用新型提出了一种基于PLC的智能供水及分享系统，用以解决现阶段高层建筑中供水压力和供水质量的问题。包括蓄水池，蓄水池通过电磁阀与市政供水相连接，蓄水池与变频水泵相连接，变频水泵与止回阀相连接，止回阀与出水管相连接，出...
- 李辉拓振东王鹤王鑫李鑫施航张帅
- 文献传递
- 一种柞蚕丝素/壳聚糖复合纳米纤维的制备方法
- 本发明公开了一种柞蚕丝素/壳聚糖复合纳米纤维的制备方法，包括以下步骤：一、TS脱胶；二、纺丝液配制；三、静电纺丝制备纳米纤维。本发明通过对TS进行简单的去蜡、脱胶得到TSF，使用TFA直接对TSF进行溶解即可得到TSF溶...
- 张显华普丹丹齐瑞岭冯向伟张帅刘凡
- 文献传递
- 基于改进超限学习机的制造过程质量监控模型被引量：1
- 2023年
- 针对超限学习机识别模型在制造过程质量异常模式识别中存在输入权值和偏置向量随机设置导致识别效率低的问题,通过粒子群优化算法对超限学习机模型的网络结构进行优化,提出一种基于改进超限学习机的制造过程质量监控模型。利用主成分分析方法进行过程质量数据的特征提取,利用主成分特征对识别模型进行训练,利用粒子群优化算法对识别模型的网络结构进行优化。仿真实验和实测数据均表明:所提基于改进超限学习机的制造过程质量异常识别模型的识别效率明显高于其他同类模型,能够用于制造过程的实时监控。
- 杨阳赵章红张帅
- 一种数控机械加工用夹具
- 本实用新型涉及数控机械加工技术领域，公开了一种数控机械加工用夹具，包括夹具底座和夹具上盖，夹具底座上设有电子连接线、多个电磁铁和与待加工产品外形匹配的容置腔，夹具上盖上设有多个永磁铁和与待加工产品外形匹配的加工窗口，多个...
- 李辉毕建平王新莉邵凤翔王鹤王鑫张帅吴振华
- 文献传递
- 冷压机机架及冷压机
- 本实用新型提供一种冷压机机架及冷压机，涉及冷压机设备领域。冷压机机架包括机架本体和传感器固定装置，传感器固定装置与机架本体连接，传感器固定装置包括连接板、座板和固定组件，连接板的长度方向上设置有调节轨道，座板通过固定组件...
- 耿国强张帅
- 文献传递
- 一种基于高斯混合模型的高维非正态过程质量监控方法
- 本发明公开了一种基于高斯混合模型的高维非正态过程质量监控方法，利用GMM方法将分布未知的监控过程，转换成若干正态分布参数的线性组合，进而利用EM算法得到监控过程的参数估计，解决已有变量选择控制图监控方法面对分布未知情况监...
- 张帅吕晨赵迪张珺薛丽杨剑锋党莹娜
- 基于双注意力多尺度特征融合的视网膜血管图像分割方法
- 本发明公开了一种基于双注意力多尺度特征融合的视网膜血管图像分割方法，通过设计的一个自适应校准权重特征的特征融合残差模块，避免了梯度弥散、网络退化的同时有效提取了图像的细节信息，并在主干特征提取网络中多次使用SA注意力模块...
- 黄全振高继勋赵媛媛庆雨豪高振东井彦波李新张帅杨颖辉
- 基于Logistic回归的数据富裕环境下制造过程质量动态监控被引量：1
- 2023年
- 针对数字化工厂“数据丰富,信息贫瘠”环境下制造车间生产过程存在异常信息利用不充分而造成监控效率低的问题,提出基于SPC技术和Logistic回归模型的制造过程质量监控方法。将关键工序中相关质量数据采集到MES系统,根据过程质量数据绘制T^(2)控制图,然后利用Logistic回归模型挖掘过程异常信息,并通过T 2和Logistic回归的联合优化实现数字化工厂制造过程质量监控的动态调整。以某薄膜晶体管液晶显示器等离子薄膜沉积生产工序为实际案例,验证了该制造过程质量监控方法的可行性和有效性。因此,在T^(2)控制图的基础上通过Logistic回归模型考虑过程异常信息能够提高制造过程质量监控的灵敏性和鲁棒性。
- 张帅张帅杨剑锋
- 关键词：LOGISTIC回归
