研究机构当前位置: 首页 » 研究机构 » 数据分析与工业软件研究所

研究所简介

科研团队

总体定位及方向

科研成果

      研究所依托华中科技大学自动化学院,在袁烨教授指导下,包括硕士、博士等多名人员组成的技术团队,面向工厂实际需求,利用数据挖掘以及机器学习等方法,力求将科技理论应用于实际生产中,包括工艺优化以及机械设备故障异常监测、预警系统的研发,进一步在工业领域上实现智能制造。

      与江苏省科技厅签订2017年江苏省重点科技项目,在数据挖掘、算法开发等关键技术上已经取得诸多应用,与瑞声精密制造科技(常州)有限公司、徐工信息等企业单位保持良好合作关系。

团队负责人:

袁烨,男,1986年10月出生,剑桥大学工学博士,伯克利博士后,29岁起担任华中科技大学教授、博士生导师,数字制造装备与技术国家重点实验室固定成员。

袁烨教授长期从事于基于信息物理系统的数据驱动辨识和控制方面的研究工作,在人工智能理论,信息物理系统等取得了系列研究成果,近五年来在IEEE、ASME、Automatica等国内外权威期刊发表SCI/EI论文20余篇。

研究方向一:多信息融合数据探针

 

  • 可裁剪性。支持开放性和可伸缩性的体系结构;
  • 稳定性。用于各类复杂工况的实时控制;
  • 非侵入式。数据探针不影响设备系统正常运作,实现“即插即用”;
  • 设计模块化上位机软件、搭载自主研制算法,提供友好的良好的人机交互功能。

 

研究方向二:面向工业的人工智能算法开发

 

  • 基于大数据的加工过程智能诊断与寿命预测;
  • 加工系统的实时监测与健康状态管理;
  • 利用人工智能技术进行加工质量预测与主动控制补偿;
  • 算法的快速建模与迁移性研究。

 

研究方向三:基于数据驱动的工业优化设计

      针对地方企业的智能化生产线、智能化车间、智能化工厂的需求,整合上下游各方资源,为企业提供面向智能制造的复杂工艺流程及工艺参数优化方案设计,利用大数据结合实际应用场景,考虑多种限制条件,多方面因素综合评估,建立数学模型,给出最优解决方案。

名称 具体介绍
凯斯西储轴承数据分析

该数据来源于凯斯西储大学实验数据,实验中使用加速度传感器采集设备轴承关键部位的振动信号,依此来诊断轴承故障类型,总计十分类的故障诊断中,准确率高达98%以上。

 

NASA刀具磨损分析  该数据由NASA(National Aeronautics and Space Administration)以及UC Berkeley共同实验完成,采集了多种操作条件下在铣床上运行得到的电流信号、振动信号、声放射信号等。通过测量侧面磨损值VB,即刀具的侧面上从切削刃到研磨磨损终点的距离,结合信号数据,建立磨损程度关系模型。实验8种工况对于样本充足的工况磨损评估分类准确率可以达到85%+个别可以达到96%+。

 铣削刀具磨损预测

 由于无法准确把控刀具寿命,导致提前报废,或磨损仍在使用等情况,造成刀具资源的严重浪费。通过检测铣削电流和手机表面粗糙度数据的机器学习,对每把铣刀的寿命进行预测,可平均提高寿命超过25%,创造可观经济效益。

 

 薄壁件铣削变形预测和抑制补偿

 铣削力使薄壁件产生了不规则形变,严重影响表面质量,通过有稀疏学习补偿、并定时加入控制,使得表面粗糙度因补偿而显著降低。