基于可拓分类挖掘的产品配置设计

基于实例推理的产品配置设计往往是在整个产品模型上,而非各个性能属性上,匹配出最相似产品并调整相应的方案解;同时,由于客户对产品内部结构、实现原理及使用环境等的不充分认识,性能需求仍存在不确定性和模糊性。鉴于此,基于可拓分类挖掘的产品配置设计方法被提出,其针对每一性能属性进行产品实例划分,当没有产品公共实例存在于各个性能的正域时,则需在结构配置与性能改进的共同约束下,选择适当实例并作相应的调整,并将静、动态分类知识共同存储于关系型数据库中。     

制造企业装配线物料准时配送路径优化问题研究

为实现将装配线所需物料适时适量地送达正确工位的准时生产目标,以配送成本最小为目标函数,满足牵引车车载量、工位时间窗等约束,分析并提出带缓存区准时配送方式下的牵引车配送路径模型,并设计混合量子进化算法求解.实例计算及与遗传算法、混合粒子群算法的比较结果表明:应用混合量子进化算法可以快速求解带缓存区准时配送方式下的牵引车配送路径模型,为制造企业带缓存区准时配送方式下装配线的牵引车配送路径问题提供了可参考模型和算法.     

电脑充绒机设计与研究

1 电脑充绒机及其工作原理 目前,我国三千多家羽绒制品厂除少数采用进口充绒设备外,绝大多数沿用人工称绒与充填,不仅计量准确度和生产效率低,而且影响操作者身体健康。我们应用机电一体化技术研制开发了电脑充绒机,实现了充绒过程的自动化与智能化。     

基于小波脊线的刮水器电动机机械特性测试

论述了无转速转矩传感器的刮水器电动机机械特性测试基本原理;分析了小波脊线与信号瞬时频率的关系, 提出了基于小波脊线的刮水器电动机机械特性测试新方法。对实测数据进行处理的结果表明,该方法能够实现无传感器的刮水器电动机机械特性快速准确测试。同时由于小波基函数具有良好的时频局部特性,该方法具有很强的抗干扰性能。     

分形网络协同制造中进度监控的方法及实现

在分形网络协同制造系统中,协作目标包含了工作流自相似的多级子目标,但缺乏有效的基于Web的方法来监控所有级别子任务的执行进度。为解决这一问题,提出了表述多级协作目标进度和协作方制造资源变化等信息的综合自相似算法。基于该算法,提出依靠每一个子任务的Web曲线来获取进度信息的自相似方法。阐述了综合多个同级子目标进度的方法,以获得总的进度情况。因此,各级分形协同制造系统的盟主可以对相关子任务的进度进行监控。实践表明,该方法可以简练地反映出多级协作目标的动态进度和合作企业生产资源的变化状况。     

电脑充绒机的实时预测与控制

提出了基于切比雪夫正文逼近的预测算法以及智能控制规则。这算法成功地应用于新研制的电脑充绒机的实时预测与控制。文中给出控制系统的硬件和软件设计。     

优化皮革裁剪加工空行程路径的混合算法

将皮革裁剪多轮廓加工空行程路径优化问题归结为广义旅行商问题,提出了一种求解问题的混合智能优化算法。用改进了的遗传模拟退火算法优化多轮廓排列序列,结合机床特征将问题转化为多段图最短路径问题,采用动态规划算法求解。对传统的Bolt zmann更新准则进行改进,增加搜索记忆功能并设置双阂值,以在尽量保持最优性的前提下减少计算量;根据多段图最优子结构性质设计了个体适应度评价函数。实际应用效果和对标准问题的测试表明,新算法求解质量和收敛速度均有很大的提高。     

车辆路径问题的水波算法

水波算法(Water Wave Optimization WWO)是郑宇军于2014年基于浅水波理论提出的一种新颖的元启发式算法,用于全局优化问题.通过水波的传播、折射和碎浪操作,可以用来导出在高维解决方案空间中搜索的有效机制.算法WWO的框架简单,易于实现,并且只需要少量的控制参数.本文应用WWO求解车辆路径问题(the Capacitated Vehicle Routing Problem CVRP),算法采用0-1矩阵编码方式,通过传播操作进行全局搜索,反射操作实现进化,碎浪操作防止陷入局部最优.利用构建的算法求解64个benchmark算例,求解的结果中有65%的算例获得已知最优解,有6个算例更新了已知最好解,验证水波算法求解车辆路径问题的可行性,为水波算法应用于其他优化问题提供参考.     

基于可拓距的改进k-means聚类算法

针对现有聚类算法在初始聚类中心优化过程中存在首个初始聚类中心点落于边界非密集区域的不足,导致出现算法聚类效果不均衡问题,提出一种基于可拓距优选初始聚类中心的改进k-means算法。将样本经典距离向可拓区间映射,并通过可拓侧距计算方法得到可拓左侧距及可拓右侧距;引入平均可拓侧距概念,将平均可拓左侧距和平均可拓右侧距分别作为样本密集度和聚类中心疏远度的量化指标;在此基础上,给出初始聚类中心选取准则。通过与传统k-means聚类算法进行对比,结果表明改进后的k-means聚类算法选取的初始聚类中心分布更加均匀,聚类效果更好,尤其在对高维数据聚类时具有更高的聚类准确率和更好的均衡性。     

基于正序迭代选择策略的聚类中心自动选择方法

针对密度峰值聚类算法的决策函数不能自动有效地确定聚类中心的问题,提出自动确定聚类中心的密度峰值聚类算法.首先,通过归一化处理,使决策函数中的两个变量分布均匀.然后,在确定聚类中心时,提出正序迭代选择策略,即根据聚类核心点数目的变化趋势搜索拐点,并以拐点之前的点作为聚类中心,完成聚类.最后,在UCI数据集上验证文中算法的性能,算法在未提高时间复杂度的情况下,可以对任意分布形状的数据集进行聚类,具有较好的适应性和聚类效果.