CN111461454A - 最优能效的自动仿真方法及系统 - Google Patents
最优能效的自动仿真方法及系统 Download PDFInfo
- Publication number
- CN111461454A CN111461454A CN202010292300.7A CN202010292300A CN111461454A CN 111461454 A CN111461454 A CN 111461454A CN 202010292300 A CN202010292300 A CN 202010292300A CN 111461454 A CN111461454 A CN 111461454A
- Authority
- CN
- China
- Prior art keywords
- energy efficiency
- tuning
- value
- simulation
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Air Conditioning Control Device (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种最优能效的自动仿真方法及系统,其中最优能效的自动仿真方法,包括步骤:用户搭建设备的仿真模型并设置调优参数后,提交仿真调优请求至自动调优服务平台;自动调优服务平台解析所述仿真调优请求获取所述调优参数,根据所述调优参数找到可计算得到最优能效的算法;自动调优服务平台根据所述算法对所述调优参数中需要进行调节的参数进行迭代运算,找到可计算得到最优能效的参数的取值。本发明可实现自动查找最优能效的算法以及迭代运算,来找到仿真运算过程中参数的最佳取值,避免了技术员反复调节参数取值、重复多次执行仿真的问题,有效节约了研发的时间。
Description
技术领域
本发明涉及仿真技术,尤其涉及一种找到最优能效的自动仿真方法以及自动仿真系统。
背景技术
目前行业内使用的仿真软件虽然仿真功能强大,对仿真细节的可控度强,但是设计员在进行空调仿真建模时,时常需要反复的调节个别关键部件的参数,不断重复仿真运算,而复杂的设备一次仿真运算需要等待几个小时甚至更长时间,最后得到的仿真结果可能不是预想的或者不是最优的值,需要再次调节参数的取值,重复同样的操作,等待仿真运算结果,导致仿真效率低下,且较难找到最优值。
以空调为例,进行空调系统仿真建模时,需要反复调整关键部件参数,并需要等待很长的时间才能获取到仿真结果,浪费大量的时间,目前空调系统的参数调优过程靠的是设计员的经验值,得到的结果未必是最优解,如不是最佳能效对应的参数的取值,从而影响空调仿真的质量。
发明内容
为了解决现有技术中设备仿真需要反复调节参数还未必能够找到最优值的技术问题,本发明提出了一种最优能效的自动仿真方法及系统。
本发明提出的最优能效的自动仿真方法,包括步骤:
步骤1,用户搭建设备的仿真模型并设置调优参数后,提交仿真调优请求至自动调优服务平台;
步骤2,自动调优服务平台解析所述仿真调优请求获取所述调优参数,根据所述调优参数找到可计算得到最优能效的算法;
步骤3,自动调优服务平台根据所述算法对所述调优参数中需要进行调节的参数进行迭代运算,找到可计算得到最优能效的参数的取值。
具体的,所述自动调优服务平台根据所述调优参数找到可计算得到最优能效的算法具体包括:
所述自动调优服务平台查找是否有所述调优参数对应的可计算得到最优能效的算法的记录;
若是有,则直接调取记录中的可计算得到最优能效的算法;
若是没有,则遍历所有算法,执行所述步骤3获取每一种算法可计算得到的最优能效,从所有算法可计算得到的最优能效中找到能效最优的取值对应的算法作为可计算得到最优能效的算法。
具体的,所述调优参数包括:内部迭代次数、所述需要进行调节的参数、所述参数的个数、所述参数的类型、所述参数的范围、所述参数每次迭代的变动差值,所述变动差值的范围,所述变动差值的变化系数,所述变化系数大于0且小于1。
进一步,所述步骤3具体包括:
步骤3.1,初始化所述调优参数;
步骤3.2,根据所述参数的范围随机生成所述参数的取值,进行仿真运算并得到对应的能效;
步骤3.3,以上一次得到的所述参数的取值为基础并基于所述变动差值生成所述参数的当前取值,基于所述当前取值进行仿真运算并得到对应的当前能效;
步骤3.4,判断上一次得到的能效是否大于当前能效;若大于,则将当前取值作为上一次得到的所述参数的取值,并返回步骤3.3,直至达到所述内部迭代次数;
步骤3.5,当达到所述内部迭代次数时,判断所述变动差值是否小于其范围的最小值,若不小于,则基于所述变化系数逐步缩小所述变动差值,返回步骤3.3,直至所述变动差值小于其范围的最小值;
步骤3.6,当所述变动差值小于其范围的最小值时,将得到的当前能效和当前取值,作为最优能效以及最优能效对应的所述参数的取值。
在一个实施例中,所述以上一次得到的所述参数的取值为基础并基于所述变动差值生成所述参数的当前取值具体通过公式new_x=x+random(a,b)*T计算得到,new_x为所述当前取值,x为上一次得到的所述参数的取值,(a,b)为所述参数的范围,T为所述变动差值。
进一步,所述步骤3.4中,若上一次得到的能效小于等于当前能效,则计算所述参数的当前取值与上一次取值的偏移概率;
若所述偏移概率p满足p>random(a,b),则将当前取值作为上一次得到的所述参数的取值,并返回步骤3.3,直至达到所述内部迭代次数;
否则,以上一次得到的所述参数的取值继续作为上一次得到的所述参数的取值返回步骤3.3,直至达到所述内部迭代次数。
在一个实施例中,所述参数的当前取值与上一次取值的偏移概率p通过公式exp(-d/T)计算得到,所述d为上一次得到的能效减去当前能效的差值。
本发明还包括步骤:自动调优服务平台在仿真过程中将能效优化的过程数据返回给客户,客户所在的客户端将所述能效优化的过程数据通过图表进行显示。
在具体应用时,所述设备为空调或换热器。
本发明提出的自动仿真系统,采用上述技术方案中的自动仿真方法来进行自动仿真,具体包括:
建模模块,用于搭建设备的仿真模型、设置调优参数,并向所述自动调优服务平台发送仿真调优请求;
运算服务模块,根据调优工厂服务模块选择的算法进行仿真运算;
调优工厂服务模块,设置在所述自动调优服务平台上,接收所述仿真调优请求,选择相应的算法将所述调优参数发送给所述算法服务模块进行仿真运算,接收对应的能效取值,进行判断是否需要进行迭代运算,直至获得最优能效以及对应的所述参数的取值。
本发明相比较与现有设计,通过调优工厂服务模块去自动调节参数实现设备参数(如空调系统的参数)的自动化调优,得到全局最优结果,极大提高空调等设备仿真运算的数据精度和数据准确率,保证开发产品的质量,此外,本发明通过跨平台分离式服务进行仿真运算,实现无人值守自动化仿真,从根本解放设计员的双手,从而节省大量的时间成本,缩短项目开发周期,本发明进一步利用非关系型数据库存储仿真调优的过程数据,并且能获取仿真寻优的过程参数,展示给设计员,使得自动仿真调优的过程更加直观和透明化。
附图说明
下面结合实施例和附图对本发明进行详细说明,其中:
图1是本发明的系统硬件连接示意图。
图2是本发明的自动仿真的整体流程图。
图3是本发明的调优工厂服务模块的算法寻优流程图。
图4是本发明的调优工厂服务模块的迭代控制实现流程图。
具体实施方式
下面结合附图详细说明本发明的原理及实施例。
如图1所示,本发明的最优能效的自动仿真系统,主要通过搭载在客户端和远程的服务器上的一些模块来实现,客户端上设有建模模块,用户通过建模模块可以搭建设备的仿真模型,例如搭建换热器的管路模型,在搭建好仿真模型以后建模模块还提供调优参数的设置界面来供用户设置调优参数,用户设置好调优参数以后,可以向远程服务器上的自动调优服务平台发送仿真调优请求。自动调优服务平台实现自动仿真主要是通过调优工厂服务模块和运算服务模块来完成,运算服务模块的主要作用在于进行仿真运算,其根据调优工厂服务模块选择的算法进行仿真运算。调优工厂服务模块则是起到了逻辑控制作用,调优工服务接收客户端发来的仿真调优请求,选择相应的算法将仿真调优请求涉及的调优参数发送给算法服务模块进行仿真运算,同时也会接收算法服务模块计算得到的对应的能效取值,进行判断是否需要进行迭代运算,直至获得最优能效以及对应的所述参数的取值。自动调优平台会将整个仿真过程的能效优化过程数据(参数的取值和能效的取值)反馈给客户端,客户端的建模模块或者是其他显示模块会实时动态展示能效结果及优化曲线,实现实时的动态仿真数据展示,提升用户使用的便捷度和体验感。
图2示出的是本发明的整体的仿真流程。设计员(即用户)启动仿真设计的客户端进行空调换热器的连管,同时设置好对应的调优参数,不同的设备的调优参数存在不同,但是这些设备的调优参数也存在一些共同点,在本实施例中,调优参数可以包括内部迭代次数ITERS、需要进行调节的参数、参数的个数、参数的类型、参数的范围(a,b)、参数每次迭代的变动差值T,变动差值的范围(TMIN,TMAX),变动差值的变化系数TDELTA,变化系数大于0且小于1。当设备具体为换热器时,变动差值可以是每次调节的开度的变动差值。
用户设计好仿真模型以后点击仿真运算按钮,客户端就会发送仿真调优请求给自动调优平台,自动调优平台中的调优工厂服务模块接收仿真调优请求,选择对应的算法将需要调节的参数发送给运算服务模块,运算服务模块进行换热系统的仿真运算,并将运算结果返回给调优工厂服务模块,调优工厂服务模块进行解析结果,获取能效值,并且将调节的过程参数记录到非关系数据库中,调优工厂服务模块会将能效优化过程数据返回给客户端,客户端会实时动态展示能效结果及优化曲线。
图3是调优工厂服务模块的工作流程图,从该流程图可以看出本发明如何进行空调能效非稳态形式自动调节和仿真运算,当调优工厂服务模块接收到仿真调优请求后,就会解析仿真调优请求,获取对应的调优参数,调优工厂服务模块会根据调优参数中需要调节的参数的个数和参数的类型,检测是否存在已经记录的对应的最优算法,若记录有最优算法,调优工厂服务模块将该最优算法发送给运算服务模块,运算服务模块根据请求进行仿真运算,仿真运算结果返回给调优工厂服务模块,调优工厂服务模块解析结果,获取能效值,决定是否要进行下一次迭代计算。若没有记录最优算法,由调优工厂服务模块自动分配算法,运算服务模块进行仿真运算,重复迭代获取最优能效值,调优工厂服务会将所有算法都遍历调用一遍,通过图4所显示的迭代控制流程计算出每一个算法的最优能效,从所有算法得到的最优能效中挑选出能效最优的算法,来作为可计算得到最优能效的算法(即最优算法),同时记录该最优算法对应的调优参数。
图4是调优工厂服务模块对应迭代的具体控制流程图。调优工厂服务模块对迭代进行控制主要是由于不同设备的能效曲线不同,若是单峰值曲线,则迭代相对比较简单,若是设备的能效值的曲线是多峰值曲线,那么就需要调优工程服务模块根据图4的迭代逻辑进行多峰值寻优算法来控制运算服务模块进行仿真运算才能顺利获取全局最优值,即最佳能效以及参数对应的取值,现有技术中通常都是通过设计员手动来选择一种算法进行运算,若是选择了不合适的算法,例如多峰值能效曲线的设备被选择了单峰值寻优算法,就会造成获取到的是局部最优解,导致能效值不是全局最优值,影响设备产品开发的质量。因此,本发明通过调优工厂服务模块智能寻找最优算法,并加以记录以便下一次的仿真调优,提高仿真调优的效率,同时提高仿真能效的准确率及数据精度。
如图4所示,先初始化调优参数,即初始化内部迭代次数ITERS,需要进行调节的参数、参数的个数、参数的范围(a,b)、参数的类型、参数每次迭代的变动差值T,变动差值的范围(TMIN,TMAX),变动差值的变化系数TDELTA,变化系数大于0且小于1。
步骤S1,在初次运算时,根据参数的范围(a,b)随机生成一个取值x,该取值x落在范围(a,b)内,然后将该取值x以及对应的算法交给运算服务模块进行仿真运算,得到取值x对应的能效f(x)。
步骤S2,接着,进行第二次至第ITERS次的迭代,以上一次得到的参数的取值x为基础并基于变动差值T生成参数的当前取值new_x,在本实施例中,通过公式new_x=x+random(a,b)*T来得到参数的当前取值,如果当前取值new_x在参数的范围(a,b)内,接着将当前取值new_x以及对应的算法交给运算服务模块进行仿真运算,得到当前取值new_x对应的当前能效f(new_x)。如果得到的当前取值new_x不在参数的范围(a,b)内,则继续以上一次得到的参数的取值x为基础并基于变动差值T生成参数的当前取值。
步骤S3,判断上一次得到的能效是否大于当前能效,即计算上一次得到的能效减去当前能效的差值d=f(x)-f(new_x)是否大于0;若大于,则将当前取值作为上一次得到的参数的取值,将new_x赋给x,即x=x_new,并返回步骤S2,直至达到内部迭代次数。如果小于或等于,则计算参数的当前取值与上一次取值的偏移概率,偏移概率p通过公式exp(-d/T)计算得到, d为上一次得到的能效减去当前能效的差值。若偏移概率p满足p>random(a,b),该random(a,b)为再次随机取到的值,则将当前取值作为上一次得到的参数的取值,并返回步骤S2继续进行迭代,直至达到内部迭代次数。若是偏移概率小于等于random(a,b),以上一次得到的参数的取值继续作为上一次得到的参数的取值,即x的取值保持不变,返回步骤S2继续进行迭代,直至达到内部迭代次数。计算偏移概率是为了得到一个非稳态值,避免得到局部最优。
步骤S4,当达到内部迭代次数时,判断变动差值是否小于其范围的最小值,若不小于,则基于变化系数逐步缩小变动差值,本实施例中,逐步缩小变动差值通过每次计算T=T’*TDELTA来进行逐步缩小变动差值,T’为上一次变动差值的取值,乘以小于1的变化系数,来得到较小的变动差值的当前取值T,然后继续返回步骤S2进行新的一轮迭代,实现继续优化,直到将T降到小于其范围的最小值,即可得到最佳能效,整个迭代优化过程结束。 如此一来,由调优工厂服务模块根据调优参数自动调用合理的算法,再通过非稳态形式寻求能效最优值,自动化闭环仿真调优,智能获取能效全局最优解,缩短仿真调优周期,提高产品质量。
自动调优服务平台根据所述算法对所述调优参数中需要进行调节的参数进行迭代运算,找到可计算得到最优能效的参数的取值并反馈给用户。
本领域技术人员还可以在本发明的基础上,进一步在客户端设计可自由选择调优参数的界面,提供统一管理需要调节的关键参数界面,避免了因为漏设关键参数导致错误仿真结果。
本发明通过提供上述技术方案可以在设备进行仿真运算时,如空调系统仿真建模后进行仿真运算你时,避免技术员手动反复调整关键部件的参数,实现无人值守的自动寻优仿真,节约了设计员的时间。另外,本发明通过遍历和迭代可以找到全局的最优解,避免技术员通过经验来设定,导致找到的参数取值不是最优取值的问题,另外,本发明可以让设计员实时看到仿真过程数据,实现实时动态数据展示,用户体验感较好,不容易漏设关键的参数。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种最优能效的自动仿真方法,其特征在于,包括步骤:
步骤1,用户搭建设备的仿真模型并设置调优参数后,提交仿真调优请求至自动调优服务平台;
步骤2,自动调优服务平台解析所述仿真调优请求获取所述调优参数,根据所述调优参数找到可计算得到最优能效的算法;
步骤3,自动调优服务平台根据所述算法对所述调优参数中需要进行调节的参数进行迭代运算,找到可计算得到最优能效的参数的取值。
2.如权利要求1所述的自动仿真方法,其特征在于,还包括步骤:自动调优服务平台在仿真过程中将能效优化的过程数据返回给用户,通过用户所在的客户端将所述能效优化的过程数据通过图表进行实时显示。
3.如权利要求1所述的自动仿真方法,其特征在于,所述自动调优服务平台根据所述调优参数找到可计算得到最优能效的算法具体包括:
所述自动调优服务平台查找是否有所述调优参数对应的可计算得到最优能效的算法的记录;
若是有,则直接调取记录中的可计算得到最优能效的算法;
若是没有,则遍历所有算法,执行所述步骤3获取每一种算法可计算得到的最优能效,从所有算法可计算得到的最优能效中找到能效最优的取值对应的算法作为可计算得到最优能效的算法。
4.如权利要求1所述的自动仿真方法,其特征在于,所述调优参数包括:内部迭代次数、所述需要进行调节的参数、所述参数的个数、所述参数的类型、所述参数的范围、所述参数每次迭代的变动差值,所述变动差值的范围,所述变动差值的变化系数,所述变化系数大于0且小于1。
5.如权利要求4所述的自动仿真方法,其特征在于,所述步骤3具体包括:
步骤3.1,初始化所述调优参数;
步骤3.2,根据所述参数的范围随机生成所述参数的取值,进行仿真运算并得到对应的能效;
步骤3.3,以上一次得到的所述参数的取值为基础并基于所述变动差值生成所述参数的当前取值,基于所述当前取值进行仿真运算并得到对应的当前能效;
步骤3.4,判断上一次得到的能效是否大于当前能效;若大于,则将当前取值作为上一次得到的所述参数的取值,并返回步骤3.3,直至达到所述内部迭代次数;
步骤3.5,当达到所述内部迭代次数时,判断所述变动差值是否小于其范围的最小值,若不小于,则基于所述变化系数逐步缩小所述变动差值,返回步骤3.3,直至所述变动差值小于其范围的最小值;
步骤3.6,当所述变动差值小于其范围的最小值时,将得到的当前能效和当前取值,作为最优能效以及最优能效对应的所述参数的取值。
6.如权利要求5所述的自动仿真方法,其特征在于,所述以上一次得到的所述参数的取值为基础并基于所述变动差值生成所述参数的当前取值具体通过公式new_x=x+random(a,b)*T计算得到,new_x为所述当前取值,x为上一次得到的所述参数的取值,(a,b)为所述参数的范围,T为所述变动差值。
7.如权利要求6所述的自动仿真方法,其特征在于,所述步骤3.4中,若上一次得到的能效小于等于当前能效,则计算所述参数的当前取值与上一次取值的偏移概率;
若所述偏移概率p满足p>random(a,b),则将当前取值作为上一次得到的所述参数的取值,并返回步骤3.3,直至达到所述内部迭代次数;
否则,以上一次得到的所述参数的取值继续作为上一次得到的所述参数的取值返回步骤3.3,直至达到所述内部迭代次数。
8.如权利要求7所述的自动仿真方法,其特征在于,所述参数的当前取值与上一次取值的偏移概率p通过公式exp(-d/T)计算得到,所述d为上一次得到的能效减去当前能效的差值。
9.如权利要求1所述的自动仿真方法,其特征在于,所述设备为空调或换热器。
10.一种采用如权利要求1至9任意一项所述的自动仿真方法的自动仿真系统,其特征在于,包括:
建模模块,用于搭建设备的仿真模型、设置调优参数,并向所述自动调优服务平台发送仿真调优请求;
运算服务模块,根据调优工厂服务模块选择的算法进行仿真运算;
调优工厂服务模块,设置在所述自动调优服务平台上,接收所述仿真调优请求,选择相应的算法将所述调优参数发送给所述算法服务模块进行仿真运算,接收对应的能效取值,进行判断是否需要进行迭代运算,直至获得最优能效以及对应的所述参数的取值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010292300.7A CN111461454B (zh) | 2020-04-14 | 2020-04-14 | 最优能效的自动仿真方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010292300.7A CN111461454B (zh) | 2020-04-14 | 2020-04-14 | 最优能效的自动仿真方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111461454A true CN111461454A (zh) | 2020-07-28 |
CN111461454B CN111461454B (zh) | 2022-04-01 |
Family
ID=71684585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010292300.7A Active CN111461454B (zh) | 2020-04-14 | 2020-04-14 | 最优能效的自动仿真方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111461454B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112485260A (zh) * | 2020-11-26 | 2021-03-12 | 常州微亿智造科技有限公司 | 工件缺陷检测方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102316469A (zh) * | 2010-06-30 | 2012-01-11 | 华为技术有限公司 | 配置天线参数的方法及系统 |
US20130317629A1 (en) * | 2012-05-25 | 2013-11-28 | Statistics & Control, Inc. | Method of large scale process optimization and optimal planning based on real time dynamic simulation |
CN103528294A (zh) * | 2013-09-27 | 2014-01-22 | 王慧文 | 一种制冷系统的能效处理方法及系统 |
CN106161102A (zh) * | 2016-08-12 | 2016-11-23 | 李纯雅 | 一种ip ran网络优化仿真方法及系统 |
CN106332137A (zh) * | 2016-08-25 | 2017-01-11 | 浙江海胜通信技术有限公司 | Lte无线网络结构优化方法及系统 |
CN110187647A (zh) * | 2018-02-23 | 2019-08-30 | 北京京东尚科信息技术有限公司 | 模型训练方法及系统 |
-
2020
- 2020-04-14 CN CN202010292300.7A patent/CN111461454B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102316469A (zh) * | 2010-06-30 | 2012-01-11 | 华为技术有限公司 | 配置天线参数的方法及系统 |
US20130317629A1 (en) * | 2012-05-25 | 2013-11-28 | Statistics & Control, Inc. | Method of large scale process optimization and optimal planning based on real time dynamic simulation |
CN103528294A (zh) * | 2013-09-27 | 2014-01-22 | 王慧文 | 一种制冷系统的能效处理方法及系统 |
CN106161102A (zh) * | 2016-08-12 | 2016-11-23 | 李纯雅 | 一种ip ran网络优化仿真方法及系统 |
CN106332137A (zh) * | 2016-08-25 | 2017-01-11 | 浙江海胜通信技术有限公司 | Lte无线网络结构优化方法及系统 |
CN110187647A (zh) * | 2018-02-23 | 2019-08-30 | 北京京东尚科信息技术有限公司 | 模型训练方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112485260A (zh) * | 2020-11-26 | 2021-03-12 | 常州微亿智造科技有限公司 | 工件缺陷检测方法及装置 |
CN112485260B (zh) * | 2020-11-26 | 2023-01-03 | 常州微亿智造科技有限公司 | 工件缺陷检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111461454B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Plambeck et al. | Sample-path optimization of convex stochastic performance functions | |
JP2004038428A (ja) | 制御対象モデル生成方法、制御パラメータ調整方法、制御対象モデル生成プログラムおよび制御パラメータ調整プログラム | |
US8412356B2 (en) | Methods and apparatus for automated predictive design space estimation | |
CN109102155B (zh) | 一种超短期节点边际电价概率预测方法及系统 | |
CN111461454B (zh) | 最优能效的自动仿真方法及系统 | |
JP2021149988A (ja) | 情報処理装置及び情報処理方法 | |
CN110222403B (zh) | 基于应用场景的电气设计系统和方法 | |
CN108321801A (zh) | 一种能源基地系统日前发电计划制定方法和系统 | |
CN111098743B (zh) | 一种充电时间的预测方法、装置及电子设备 | |
JP2003090888A (ja) | 気象予測システム、気象予測方法及び気象予測プログラム | |
CN115389938A (zh) | 电池剩余容量的预测方法、系统、电子设备和介质 | |
CN115173421A (zh) | 一种基于渐进拉丁超立方采样的概率最优潮流计算方法 | |
EP3460732B1 (en) | Dispatching method and system based on multiple levels of steady state production rate in working benches | |
JPH1153006A (ja) | スケジューリング方法 | |
JP2002244725A (ja) | プロセス監視制御装置 | |
CN118114496A (zh) | 基于集合卡尔曼滤波的空间依赖参数全网格估计方法 | |
WO2019080354A1 (zh) | 一种基于昂贵多目标优化问题的优化方法及系统 | |
CN112818606B (zh) | 数字仿真系统及方法 | |
CN117217715B (zh) | 一种基于工程电子地图的施工进程监测方法和系统 | |
CN111506464B (zh) | 一种针对wat数据快速生成图表报告的系统 | |
CN112859640B (zh) | 驱动器的校正器参数的调试方法、装置及可读存储介质 | |
WO2023004593A1 (zh) | 用于对电路进行仿真的方法、介质、程序产品以及电子设备 | |
CN115563549B (zh) | 一种焊接缺陷成因诊断方法、系统及电子设备 | |
Zhang | Robust Optimization of Dynamic Characteristics of Mechanical Structure Combined with Multivariable Predictive Compensation | |
JPH11184838A (ja) | 流体解析装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |