数据挖掘统计分析在紧固件疲劳试验数据处理中的应用

文章对紧固件材料疲劳试验进行了详细分析,针对疲劳试验过程中数据剧烈增长以及汽车工业数据统计分析的需要,基于数据挖掘的基本思想进行了统计分析.数据挖掘技术在挖掘有效信息、发现新的知识和规律发挥着重要作用.结合项目,概述了疲劳试验数据处理的特点和关键技术,重点讨论了疲劳试验数据处理数据挖掘的体系结构和基本过程,并指出了要进一步研究的问题.     

神经网络在汽车大梁用钢板冷弯性能优化上的应用

利用现场的生产数据，采用人工神经网络模式识别的方法，对影响１６ＭｎＬ汽车大梁用钢板冷弯性能的因素进行了分析，找出了影响冷弯性能的主要因素，指出了工艺参数的优化方向。     

冲压成形仿真数据的主成分与模糊聚类分析

冲压成形数值仿真结果中隐含着大量的领域知识。文章将主成分分析与模糊聚类方法应用于基于仿真模型与模拟结果数据的冲压件相似性判别与成形性能判别。通过对油箱冲压成形有限元仿真结果数据进行处理,分析了压边力、拉延筋设置参数、摩擦系数等工艺参数对成形性能的相对重要程度;构造了油箱成形性能的模糊概念,描述其破裂、起皱程度。通过对汽车覆盖件有限元模型数据的分析,对汽车覆盖件进行模糊分类及相似性判别。结果表明,面向有限元仿真结果的数据挖掘技术,可以为冲压成形领域知识发现提供一种有效的新途径。     

基于人工神经网络的汽车喷涂配比优化研究与应用

本文阐述了人工神经网络基本原理,在此基础上应用双层前向人工神经网络模型,对汽车喷涂生产工序中的原料配比进行优化,将传统人工凭经验进行配比改变为计算机自动生成最佳原料配比。从而大大降低成本,缩短生产时间。     

基于神经网络固体渗硼的性能预报

将人工神经网络理论和算法应用于固体渗硼的研究,在对人工神经网络训练的基础上,建立了固体渗硼工艺与渗层性能预报的数学模型.试验结果验证了性能预报神经网络模型的可靠性,为解决固体渗硼性能预报问题提供了一条先进、合理的途径.     

弧焊机器人焊接姿态与工艺参数联合规划

在现有Motoman UP20弧焊机器人系统上进行二次开发,将人工神经网络技术成功地应用于弧焊机器人焊接姿态与焊接工艺参数的联合规划中.利用MATLAB神经网络工具箱对试验数据进行训练和仿真.凭借人工神经网络自学习功能,建立了焊接姿态与焊接工艺参数联合规划数据表.利用MATLAB软件编制程序,自动提取典型的马鞍形焊缝几何位姿,结合已有数据表编制机器人作业程序,进行马鞍形焊缝工件试焊.所得的马鞍形焊缝成形良好,与人工神经网络的仿真结果相吻合.     

人工神经网络在拉深系数选取中的应用

应用人工神经网络技术建立了多次拉深工艺中相对厚度值与极限拉深系数之间的BP网络模型 ,并用C语言编制了应用软件 ,将程序运行的结果与资料数据进行了比较和分析 ,表明人工神经网络应用于拉深系数方面是可行的     

基于遗传小波神经网络MIG焊熔透状态模式识别

通过对已有的人工神经网络、小波分析、遗传算法的建模方法进行组合利用并加以改进,建立了基于电弧声信号特征的MIG焊熔透状态诊断网络模型.声波信号经小波去噪和小波包频带能量特征提取后,作为小波神经网络模型的输入特征向量,网络训练中采用具有全局优化能力的遗传算法动态修改网络结构和参数,避免了神经网络训练速度慢、容易陷入局部极值的缺点,从而完成数据挖掘和复杂的非线性建模功能.结果表明,将网络模型用于熔透状态诊断,证实了方案的可行性和有效性.     

基于神经网络的汽车液压制动系统可靠性研究

阐述了影响汽车安全性能的液压制动系统组成,分析了可靠性研究方法;对人工神经网模型与学习规则进行了分析,在此基础上建立了液压制动系统可靠性研究模型,并对某汽车液压制动系统可靠性进行了预测;提出了汽车制动系统可靠性分析的研究方向.     

大数据环境下基于Hadoop平台的医学数据挖掘算法研究（英文）

为了有效利用云平台Hadoop框架的并行处理能力。通过对大数据挖掘技术中的传统关联规则算法-Apriori算法进行了分析和改进,提出了一种基于Map Reduce并行模式的改进数据挖掘算法,适用于医学大数据的分析和应用。首先通过布尔排列优化数据库中事务数据的存储方式,从而有效减少数据库被扫描的次数。然后采用关联规则优化减少Apriori算法中冗余的子集。为了验证改进算法的有效性,采用医学历史数据进行实验验证。最后仿真实验结果显示,相比传统的Apriori算法,提出算法的运行效率更高,具有较好的可靠性和有效性。