基于机器人三维模拟仿真的焊接生产线柔性主拼技术研究

为满足生产线柔性设计需求, 对柔性焊接生产线解决方案的难点进行了分析, 提出了基于机器人三维模拟仿真的生产线柔性主拼技术方案, 建立了机器人负载边界模型和基于负载边界模型的机器人选型及快换装置选型方案, 提出了网格式夹具设计方法, 以白车身柔性焊装生产线为例, 建立了面向柔性的网格式夹具设计方案以及网格式装配检测及应力分析, 并对面向柔性主拼中的离线编程技术及三维仿真中的项目权限管理和工作站模拟仿真工作流程进行了分析。该方案在某汽车厂NL-1&NL-2两个车型项目生产线的设计中应用焊接生产线上进行了应用验证, 能满足两车型生产线柔性主拼的需求。     

面向产业链协同商务平台的权限控制模型研究*

分析了产业链企业间协作关系和支持产业链企业间业务协同商务平台的特点,建立了面向动态联盟的四级授权控制模型,对联盟授权管理、企业按联盟协作类别的权限继承管理、企业部门授权管理和部门内具体操作人员的授权管理进行了研究,提出了产业链协同商务平台权限控制算法,并在汽车产业链协同商务平台权限管理中进行了应用验证。     

一种基于非负矩阵分解的聚类集成算法

为了解决通过原始数据集获得的基聚类结果存在一定的信息丢失,从而使得集成阶段的有效信息减少的问题,提出了一种基于非负矩阵分解的K-means聚类集成算法。该算法先利用K-means聚类算法获得集成信息矩阵,然后从原始数据集获取数据相关性,将两者结合后通过非负矩阵分解(NMF)技术构建共识函数以获得最终结果。实验证明,所提算法可以有效获取原始数据的潜在信息,并提高聚类质量。     

产业链协同SaaS平台业务流程定制安全技术研究

针对产业链协同SaaS平台企业群以盟主企业为核心的业务流定制过程中的流程规则编排、存储/访问以及执行控制3个环节可能存在的安全隐患,建立了基于数字签名及业务实例关联的业务流程安全控制模型,对XML数字签名和验证模式、存储策略及模型执行策略进行了研究,提出了基于用户身份认证和业务实例关联的安全签名、存储和执行算法。对该安全模型和算法在汽车产业链协同SaaS平台企业群车辆售后的三包业务流程定制和执行过程进行了验证,结果表明其能防止业务流程在编排、存储和执行过程中被非法篡改和调用。     

协同商务平台的访问控制服务研究与实现

访问控制服务目前已成为安全研究的重要方向，文章分析了访问控制服务在电子商务网站中的重要性，介绍了与访问控制有关的技术方法，通过一个具体的协同电子商务平台，详细说明了如何设计及实现访问控制系统。     

基于知识图谱的智能问答意图识别联合模型

针对现有意图识别联合模型在专业领域知识图谱问答中容易发生识别领域实体以及问句分类错误的情况,提出一个结合了领域知识图谱的意图识别联合模型。该模型有三步,将领域知识图谱中实体对应的本体标签以及本体间关系导入训练数据集,形成包含本体标签的知识文本以及额外包含本体关系的知识文本图;通过字符级嵌入和位置信息嵌入将包含了本体标签的知识文本转化成嵌入表示并依据知识文本图创建实体关系可视矩阵,明确知识文本各成分的相关程度;将嵌入表示和实体关系可视矩阵输入模型编码层进行模型的训练。以高速列车领域知识图谱为例,经过准确率和召回率的验证,以该方法训练出的模型在高速列车领域问答数据集的意图识别任务上取得了更好的表现。     

面向产业链协同SaaS平台的多源信息动态集成技术

针对产业链协同平台多源信息集成的需求,提出面向SaaS平台的多源信息动态集成解决方案。以平台上多数据源信息集成模型的设计与实现为核心,建立以平台为核心的多源信息集成规则,设计并实现基于SaaS平台的多源信息集成体系架构,基于XM L和Web Service技术建立面向客户端的多源信息安装向导,实现多源信息数据格式的智能化转换,通过W eb数据集成接口,实现企业与平台间数据的动态集成。其在汽车零部件产业链协同平台查询经销商社会库存的应用验证了该技术的可行性和有效性。     

基于Web的动态信息发布系统技术研究

以区域网络制造服务平台下的动态信息发布系统的开发为基础,对基于Web的动态信息发布系统关键技术进行了探讨,主要包括Web数据库访问技术、信息实时刷新技术、ASP邮件服务技术、图片上传技术等。     

“科教+思政”融合的人工智能拔尖人才培养模式探索

针对传统工科培养模式下人工智能拔尖人才培养面临的困境,提出人工智能拔尖人才培养改革总体框架,按照夯实学科基础、突出前沿交叉和以学生为中心的理念,介绍理论教学、实训及科创、毕业设计3类课程科教融合实践路径、课程思政融入实践路径和课程质量保障体系,最后说明实践成效。     

保持细节几何特征的三维网格模型轻量化算法

对三维模型进行轻量化的一个重要策略是利用网格简化算法减少模型表面的三角面片数量,其中广泛使用的边折叠算法相较于其他网格简化算法效率更高、简化效果更好,然而该算法存在简化过程中可能损坏或丢失部分细节几何特征的问题。为了解决上述问题,提出通过增加曲线近似曲率和模型待折叠边的一阶邻域三角形的平均面积作为惩罚因子,以优化原始算法的边折叠代价。首先,根据几何中曲线曲率的定义,提出了曲线近似曲率的计算公式;其次,在顶点法向量的计算过程中,使用面积加权和内角加权两个阶段对初始法向量进行修正,从而考虑更加丰富的模型几何信息。通过实验验证了优化后算法的性能,与经典的二次误差测度（QEM）算法、顾及角度误差的网格简化算法相比,优化算法处理后的模型的最大误差分别至少降低了73.96%和49.77%;与QEM算法相比,优化算法处理后的模型Hausdorff距离至少降低了17.69%。可见,在模型轻量化的过程中,优化算法能够减少模型的形变,更好地维持自身的细节几何特征。