知识化制造系统——新一代先进制造系统

首先讨论了将先进制造模式转化为先进制造知识的必要性和可行性,以及现有商品化软件的缺陷;然后提出一一种知识制造系统新理念。这是一种高智能生物化制造系统,并讨论了其体系结构、功能结构、逻辑层次、关键技术和已有的研究基础。     

制造企业ERP系统的适用性问题

在分析制造企业ERP应用成败原因的基础上，提出了企业ERP适用性分析模型，认为经营适用性、技术适用性、功能适用性和管理适用性是ERP成功实施的关键。     

基于企业集团化管理的制造资源计划系统

试从集团化生产管理方式的特点与要求出发,提出了面向集团化管理生产方式的企业集团制造资源管理系统的功能与特点;从经济学的角度探讨了企业集团中资金控制与多部门生产平衡控制,从集团层和成员企业层两个层面论述了企业集团资源管理的特点和需求,开发了软件原型系统。     

新一代电子维护系统的系统框架

未来的制造工业必须能够适应全球化的企业竞争。对于复杂的设计制造行为，需要一种简便的管理集成系统的机制，在这方面，信息技术将会失学一个不可或缺的角色。为了售后服务的需要，要提高对产品性能的理解，这将引起质量的维护的电子智能化。随着产品、制造和维护系统中更好的电子集成，制造商和用户方能都会从设备和工艺可靠性的提高中受益。     

基于Petri网的智能制造系统建模

阐述了Petri网在智能制造系统建模中的突出优点,对其进行了扩展,并与面向对象技术相结合形成了面向对象Petri网（OOPN）,提出了利用OOPN建立智能制造系统结构模型,行为模型,控制决策模型和消息模型的方法,通过利用OOPN建立智能制造中加工结点模型的实例,充分说明了面向对象Petri网的有效性和强大的建模能力,为智能制造系统的设计,性能分析,运行状态监视提供了一条有效途径和强有力的工具,必将在制造领域得到广泛应用和进一步的发展。     

冶金企业网络化制造系统

分析冶金企业网络化制造的特点,根据冶金企业的特性,建立冶金企业网络化制造系统的一种总体结构,重点讨论冶金企业网络化制造系统中的企业资源计划和制造执行系统,给出一个实际应用案例。     

混合型CIMS中生产作业计划系统的研究与实现

通过分析中国包装进出口天津公司纸箱厂混合生产过程的特点，生产作业计划的特点与存在问题，提出了适合该厂生产作业计划管理的解决方案，我们对引进的MRDII软件进行了二次开发，使其适应混合企业生产过程的特点，设计并开发了纸板排料子系统，并与MRPII系统有机集成，从而实现纸箱厂生产作业计划的编制，最后总结出CIMS环境下混合型企业生产作业计划的特点。     

基于功能网链模型的企业应用系统融合分析方法

针对信息、过程与功能3要素关联分析与表达的需要，提出并实现了一种基于功能网链及其共栖网链的形式化表达与分析方法。该方法将企业应用系统封装为由功能元素集与关系特征集构成并带有信息流向与过程时序的功能网链，并基于对功能网链的横向整合与纵向展开，实现对应用系统融合方案的分析与优化。以集成质量系统与企业资源计划系统之间的融合分析为例，验证了该方法的实用性与有效性。     

网络化制造企业资源计划系统的建模与研究

分析了网络化制造企业资源计划(NERP)的基本原理和实施的相关问题，构建了一个针对制造业的NERP体系的完整框架(包括各个子系统的功能及详细菜单)，建立了人力资源系统和制造系统的部分数据库，实现了具体功能，并实现了网上交互操作，从而为制造企业对企业资源实现最优控制做出了有效的探索。     

制造业ERP系统的基本功能

概要地介绍离散制造业ERP系统的基础构成及关键核心的软件功能。     

基于IEEE 8O2.15.4的无线传感网络的数据链路协议

无线传感网络是一门获取和处理信息的新兴技术.分析了无线传感网络数据链路协议设计面临的挑战,介绍了目前的研究现状,并从拓扑结构、帧结构和信道访问三方面重点介绍了IEEE802.15.4标准在数据链路层的设计,分析了其适用于无线传感网络的机制.     

基于全卷积层神经网络的轴承剩余寿命预测

传统的数据驱动的轴承剩余寿命预测方法需要基于知识和经验,通过人工建立性能退化指标,费时费力,为此,采用卷积神经网络对输入信号进行特征自学习和剩余寿命预测。将传统卷积神经网络中的全连接层全部更换为卷积层与池化层,以减少神经网络需训练的参数;采用加权平均方法对预测结果进行降噪处理。轴承加速寿命实验数据集验证了所提方法的有效性。     

基于三层前向神经网络的抛物线轮廓插补

文章利用了一种基于三层前向神经网络的非线性轮廓插补算法,对抛物线轨迹进行曲线插补,并将基应用于超精密机床数控系统中,进行实验加工验证。结果表明,该算法具有插补速度快、插补精度高,插补步长变化小等特点,并且还可在每个插补周期内提供多种插补信息,能够满足实时插补的要求。     

基于遗传神经网络的传感器系统的非线性校正

针对最小二乘等传统方法的不足，提出了解决传感器系统非线性校正问题的遗传神经网络算法。计算机仿真表明，采用这里所提出的观点和方法，其拟合精度远高于传统上应用最为广泛的最小二乘法，并且具有较强的鲁棒性。而且，从所做的研究显示，该方法还可用于其它类似系统的非线性校正。     

基于RBF网络的大滞后系统自适应预测PID控制器

针对大滞后系统滞后时间长,难以控制的特点,提出一种基于RBF网络的自适应预测P ID控制器。该控制器利用超前预测克服时滞,并采用基于RBF网络的P ID控制器在线调整控制器参数,从而控制系统的输出。应用该控制方法对大滞后一阶和二阶环节进行了仿真研究,结果表明该方法具有较快的系统响应,较强的自适应性和鲁棒性,控制设计简单等特点。     

基于复杂网络的公交网络特性研究

为了有效的控制城市交通网络的平衡,合理的配置公交线路及任务,采用复杂网络的研究方法,以泰安市公交网络为研究对象,参考图论的定义,把公交停靠站点抽象为节点,站点之间的连线抽象为边,主要通过Space L和Space P方法建立公交网络,通过实证研究分析其复杂网络特性。数据分析说明泰安市公交网络平均路径长度较大、聚类系数较小,与其他城市相比不具有小世界网络特性,因此对存在的问题提出了参考方案,数据分析表明应用复杂网络理论解决公交复杂网络问题是可行的。     

用Mobility Framework研究无线传感器的MAC协议性能

无线传感器网络在环境监测、军事、医疗等方面有广泛应用,是当今一大研究热点。由于WSN节点使用电池供电,节能问题非常重要,而传感器节点的能量控制主要由MAC层（媒体介质访问控制层）完成。Mobility Framework是离散事件仿真工具OMNET＋＋的扩展,用该工具对现有的两种WSN的MAC协议进行了仿真,并研究了它们的性能。     

铺层结构三维等效弹性常数研究

从铺层结构的三维宏观弹性特性出发,利用三维层压结构理论,获得了复合层板的三维弹性常数的等效公式。以MATLAB为平台,编写模块化程序,将层压结构理论运用于某大型回转机械平行铺层和环状铺层结构的三维弹性常数等效中,输入每个单层结构的弹性参数,该程序可自动生成部件等效刚度矩阵、柔度矩阵和等效弹性常数;结合APDL参数化语言建立有限元模型,对等效前后的结构进行模态分析比较。结果表明,等效前后部件前三阶固有频率的变化率都小于5%,说明该方法对此类复合铺层结构的三维弹性常数等效是可行的。     

面向e-制造的工艺规划与工序分配集成技术研究

为满足e—制造技术对工艺规划和工序分配的新需求,在制造设备e—化的基础上,提出了一种面向e—制造的动态工艺规划与工序分配的集成方法和Capplet集成模型。该集成模型通过Java解决方案和动态Web页面两种方式实现。在基于遗传算法的工序分配与工艺规划的并行交互机制下,基于甘特图的协同工序分配方法为动态工序分配提供了一种新的解决途径。Capplet集成模型与e—制造实时加工调度的无缝集成,为e—制造的生产准备奠定了基础。     

An Interpretable Denoising Layer for Neural Networks Based on Reproducing Kernel Hilbert Space and its Application in Machine Fault Diagnosis

Deep learning algorithms based on neural networks make remarkable achievements in machine fault diagnosis,while the noise mixed in measured signals harms the prediction accuracy of networks.Existing denoising methods in neural networks,such as using complex network architectures and introducing sparse techniques,always suffer from the difficulty of estimating hyperparameters and the lack of physical interpretability.To address this issue,this paper proposes a novel interpretable denoising layer based on reproducing kernel Hilbert space(RKHS)as the first layer for standard neural networks,with the aim to combine the advantages of both traditional signal processing technology with physical interpretation and network modeling strategy with parameter adaption.By investigating the influenc-ing mechanism of parameters on the regularization procedure in RKHS,the key parameter that dynamically controls the signal smoothness with low computational cost is selected as the only trainable parameter of the proposed layer.Besides,the forward and backward propagation algorithms of the designed layer are formulated to ensure that the selected parameter can be automatically updated together with other parameters in the neural network.Moreover,exponential and piecewise functions are introduced in the weight updating process to keep the trainable weight within a reasonable range and avoid the ill-conditioned problem.Experiment studies verify the effectiveness and compatibility of the proposed layer design method in intelligent fault diagnosis of machinery in noisy environments.