排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
针对改进汽车工业的规划和流程分析方法进行了研究。为解决传统工业工程分析方法和仿真工具在规划任务中实施周期长,投入代价大,不能快速有效地支撑规划项目的问题,提出了一种基于DEVS(discrete event system specification)理论的EVA(efficiency validate analysis)仿真框架模型,并结合工业物联网技术,组合建立了一种敏捷的生产线规划分析方法。通过在发动机平衡轴生产线升级规划任务中实践检验,与传统的规划工作方法进行了比较,实践结果证明了新方法能显著提高建模和仿真工作的效率,并更有效地支持汽车工业中的规划工作。同时为实现实体物理世界和虚拟信息世界的快速有效互动,推动物联网技术和数字化技术与工业生产更深度地结合,带来了有价值的启发。 相似文献
3.
为准确预测多影响因素下碳纤维增强复合材料(CFRP)约束型钢混凝土柱(SRCC)的轴压承载力,提出了一种基于随机森林(RF)、分类提升(Catboost)、极端梯度提升(XGBoost)、梯度提升回归树(GBRT)的多元算法融合预测模型。首先采用合成少数类过采样技术(SMOTE)算法对原始数据集进行扩充,开展了10种传统机器学习和集成学习模型试验,筛选出决定系数R2均大于0.92的RF、Catboost、XGBoost、GBRT的4种集成学习模型,用随机搜索优化其超参数,然后融合形成了RF-Catboost-XGBoost-GBRT预测模型,对CFRP约束SRCC的承载力进行预测。结果表明,两种数据集下RF-Catboost-XGBoost-GBRT模型的预测性能最好,原始数据集经SMOTE算法处理后,5种预测模型R2平均提高20.43%,其中RF-Catboost-XGBoost-GBRT模型的R2达到了0.942,预测值误差均在±10%以内。 相似文献
1