021-65682601
返回

Professor System

专家预示系统

产品特点

  • 算法丰富

    算法丰富

    包含全部主流算法,并经过工程经验二次模型修正

  • 精准预测

    精准预测

    高精度预示,满足客户实际工程需求

  • 数据拓展

    数据拓展

    后期可扩展性良好,一次部署,长期迭代。

  • 按需部署

    按需部署

    根据客户实际需求个性化定制方案

  • 双向预测

    双向预测

    可根据指标参数,反推工艺参数

  • 高灵活性

    高灵活性

    角色权限划分灵活,可支持跨部门跨业务团队使用

功能介绍

  • 自动机器学习
    为降低机器学习模型的使用难度,本系统提供了全自动的机器学习模型方法,在模型设置界面种,勾选“自动机器学习”后,本系统会根据数据特性进行自主深度学习,系统可自动对所有模型进行计算对比,并最终给出精度最高的预示模型。
  • 系统架构
    专家系统由工程数据库、计算服务端和客户端组成。其中工程数据库与计算服务端在服务器上运行,专家系统主要包括应用模块和基础模块,其中基础模块主要包括平台框架、工程数据库和系统安全模块;应用模块包括可视化分析、统计分析、机器学习建模和性能预测与评价模块

  • 交叉验证
    建模过程中首先根据数据样本量的大小,自动将数据分为训练集、测试集和验证集,进行n-fold交叉验证,也就是轮流每次用一份做测试集,其余份数做训练集来训练模型,由于交叉验证方法选择数据划分具有随机性,因此可以采用反复多次的n-fold交叉验证,来消除随机性的影响。

应用场景

配方类数据预测 图像类智能探伤 故障诊断

配方类数据预测

1) 将历史数据汇集综合起来 , 以统一的数据结构存放在专家库中,实现知识系统化,利用专家数据库的检索功能,快速向研究人员提供有效信息。

2) 分析不同的配方的数据,快速计算获得计算模型,采用面向对象的程序设计方法,实现装药界面性能预示功能。

3) 建立的系统应将工艺参数和性能参数汇集综合起来存放在专家数据库中,实现数据系统化,工艺人员使用该系统可以通过线上检索,快速提取有效信息。

图像类智能探伤

在工业界生产、试验环节,主要用于缺陷检测、目标追踪及相关的扩展应用。如零部件的表面缺陷检查、缺陷特征测量等,零部件的识别、特征测量及数量统计等,零部件的工业CT成像及缺陷检查和特征测量等,机械/电子传感器表读数等。

这些视觉/图像处理的相关算法即包含了传统的图像处理算法,也包含了目前流行的机器学习/深度学习相关的算法,可根据实际需求(精确度、实时性等)进行算法选择。

故障诊断

通过逻辑回归或支持向量机等分类机器学习算法对监测到的异常状态进行故障分析,并形成故障库。

对已经分类的故障快速进行预警,对未知故障进行识别,并提示人工干预尽快解除故障。