基于BP神经网络的槽类特征铣削加工方案决策和刀具优选

为实现CAPP系统中零件特征加工方法的智能决策,完成加工结果相互关联的特征加工方案选择,利用BP神经网络算法对槽类特征加工方法和刀具选择进行智能决策,建立了从输入到输出的网络决策模型,并对网络结构、参数确定问题进行阐述。通过正交表选取试验样本,运用带有自适应lr的梯度下降算法来训练网络,最后通过实例验证了该网络的有效性。结果表明,利用BP神经网络进行零件加工方法的选择和刀具优选是可行且有效的。     

基于模糊BP网络的加工方法链决策

为实现计算机辅助工艺计划(CAPP)系统中零件特征加工方法的决策,分析了影响零件加工方法的因素,提出利用模糊BP神经网络算法对零件特征加工方法链进行优化决策.根据BP网络能够学习任何模式的映射关系的特点,建立了从输入到输出的网络决策模型,并对网络结构、参数确定和样本选取等问题进行详细阐述,运用合理的学习算法来训练网络,最后通过实例验证了该网络的有效性.结果表明,利用模糊BP神经网络进行零件加工方法的选择是有效的和可靠的.     

DE＿kmeans预测液压缸零件工时定额

为提高液压缸零件工时定额预测的准确性及高效性,提出一种基于加工特征参数的DE_kmeans预测模型。首先根据工时影响因素提炼出历史及待预测加工特征参数;采用改进的DE_kmeans算法对历史加工特征参数进行聚类成组;对每个聚类组分别建立BP神经网络预测模型并基于历史加工特征参数进行训练;针对待预测加工特征参数,按照标准化欧式距离最小的原则划分至特定聚类组及预测模型;用该模型对待预测零件工时进行预测。通过测试实例验证该方法的预测误差控制在10%以内,证明该方法的可行性及有效性。     

一种基于模糊C均值算法确定制造单元数的方法

单元数的确定是单元构建问题的关键。基于模糊C均值算法,分析已有聚类有效性函数的缺陷,针对单元构建问题的特征,提出新的聚类有效性函数和确定最优单元数的算法。新的聚类有效性函数和算法考虑了单元内的设备数、零件数及成组功效,反映了单元构建的实质,能够排除单元内只有零件没有设备的不可行分组方案。通过多组文献数据测试比较,验证了算法的有效性。     

基于VB的零件成组技术的应用与研究

结合加工零件多品种、小批量、数量大的特点,通过建立原始零件/机床矩阵数据表,利用排序聚类分析法,对加工零件进行分类成组,基于Visual Basic语言开发了成组软件实现排序聚类及优化成组功能,分组结果显示机床利用率提高至79%,为企业成组技术的应用,充分利用技术装备提高经济效益提供了技术支撑。     

基于人工神经网络的零件族智能搜索算法

采用生产流程分析法对零件分组时,通常难以为新零件确定所属零件族,故提出了基于神经网络的零件族智能搜索算法。该方法将工艺与零件族的关系转化为零件编码与零件族之间的关系,基于现有零件的编码、工艺过程和零件族划分情况,用神经网络构建零件编码与零件族之间的智能非线性映射模型,从而实现新零件的零件族智能搜索。给出了算法的基本原理、神经网络设计和训练过程,并结合实例验证了算法的可行性和有效性。     

核模糊聚类和BP神经网络的切削工艺绿色度评价

为了对切削工艺绿色度进行客观有效评价,提出一种基于核模糊聚类算法和BP神经网络的工艺绿色度评价模型。根据面向绿色制造的工艺规划方法,建立切削工艺绿色度评价指标体系。通过核模糊聚类算法划分训练样本集,提升样本分类精度。利用BP神经网络建立工艺绿色度评价模型,基于训练结果自适应获取输入到输出的模糊规则,提高评价效率。通过汽车零件的切削工艺绿色度评价实例,验证了核模糊聚类和BP神经网络的切削工艺绿色度评价方法有效性。     

RBF网络用于变压器油击穿电压的多参数关联预测

基于变压器油性能参数之间的关联性,在Matlab平台下研究建立变压器油关键参数——击穿电压的多参数关联预测方法.利用RBF网络建立击穿电压与4个强关联性指标的关系模型,并与BP网络模型进行对比;采用模糊C聚类方法处理大量的训练样本,以聚类结果来训练网络,从而解决大样本训练网络时网络结构复杂、性能不佳等问题;仿真结果表明...     

混合聚类新算法及其在故障诊断中的应用

针对模糊C-均值(FCM)聚类算法假设各维特征和每个样本对聚类贡献相同,同时需要预先设定聚类数的不足,利用3层前馈神经网络、点密度函数算法和聚类有效性指标对其进行改进,提出一种新的混合聚类算法。该算法考虑到不同特征和不同样本对聚类结果有不同程度的影响,并根据聚类有效性指标的变化自适应确定聚类数来实现聚类。利用基于梯度下降的3层前馈神经网络通过无监督训练来自适应学习特征权值,使用基于点密度函数的算法获取样本权值,给不同特征和不同样本赋予权重,突出敏感特征和典型样本的主导作用,抑制其他特征和样本对聚类的干扰,以提高聚类性能。研究结果表明,对于国际标准测试数据和某机车轴承的早期故障诊断,该混合聚类算法不但能自动确定聚类数,而且聚类的准确性明显比FCM高。     

基于改进型层次聚类算法的可重构制造系统的产品族划分

针对可重构制造系统的产品族划分问题,提出了基于改进型层次聚类算法的可重构制造系统的产品族划分方法。首先对影响产品族划分的因素进行分析,基于产品的结构矩阵以及组成产品的各模块间的相关性矩阵确定了各因素的指标值,建立了各个因素相似度矩阵,然后利用层次分析法获得各指标的权重,获得产品的综合相似度矩阵,利用改进型层次聚类算法实现产品族的划分。最后通过实例验证了改进型层次聚类算法与层次聚类算法具有相同的划分结果,但是改进型层次聚类算法有更低的计算复杂度与更高的效率。     

基于加权有向图的零件聚类模型研究

为解决e-制造单元规划及逻辑重构问题,对产品族零件的聚类问题进行研究。在深人分析产品族零件生产中所涉及的工序序列、生产准备时间、内部运输成本率等要素的基础上,提出了一种基于加权有向图的工艺描述数学模型,并以工艺合并后零件加工成本变化最小为标准,提出了一种基于关联矩阵二阶合并方法的零件相似距离模型,进而设计出相应的蚁群算法模型。最后,利用Java技术开发了一套软件系统,通过一个实例分析,验证了上述模型和算法的合理性和有效性。     

零件分类成组的聚类分析法

本文是根据用于机械加工成组技术的分类原则,以聚类分析的方法,对零件进行无编码分类成组的一种新方法。文中详细介绍了用聚类分析法对零件进行分类成组的方法和步骤。这一方法可一次形成零件的多组分类,并以动态聚类图的形式进行描述,表达清晰、直观,并且便于应用计算机进行零件的分类成组。     

基于神经元网络的轴类零件实例分类模型

提出一种基于神经元网络的轴类零件分类模型，采用基于反向传播算法的多层前馈式神经网络(BP)和自适应共振理论网络(ART1)实现基于特征的轴类零件家族的动态聚类与从聚类模板到每一事例的索引，完成轴类零件的实例分类三层模型。这种并行、分布式的神经网络分类处理过程大大提高了推理效率，为实例推理提供了崭新的思路。     

基于动态聚类的电力变压器故障诊断

本文提出了一种新电力变压器故障诊断的动态聚类方法，以人工免疫网络对故障样本进行免疫学习和记忆，提取表征故障样本的有用特征作为核可能性聚类算法的初始聚类中心，再用遗传算法动态选取聚类个数和中心实现故障样本的分类。该诊断方法经大量实例分析，并将其结果与BP神经网络等方法的结果相比，表明该算法具有较高的诊断精度。     

面向大规模定制的e-制造工艺优化决策方法研究

通过对面向大规模定制的e-制造工艺规划特点的分析，论述了基于特征分解及邻域搜索技术的多工艺规划方法，建立了采用工艺聚类技术进行动态成本核算并进而实现工艺优选的多工艺优化决策模型。在聚类模型中采用基于加权有向图的工艺描述数学模型，并以工艺合并后零件加工成本变化最小为标准，建立了零件相似距离模型，并设计出相应的聚类算法模型。利用Java技术开发了一套软件原型系统，通过实例分析验证了模型和方法的合理性及有效性。     

基于神经网络的入侵检测方法研究

在传统BP算法的基础上，提出对BP算法的改进方法，并对KDDCup99数据集进行预处理，以达到提高检测效率、降低误检率的效果。利用决策树ID3算法在筛选属性方面的优势，对KDDCup99数据集属性进行筛选，并将结果进行标准化与归一化处理，使训练数据和测试数据更加符合网络训练的数值特征。最后通过Matlab进行编程，将结果与传统BP算法加以比较，证实了该方法的有效性。     

基于FCM算法的零件簇编码分析

给出一个基于模糊c-平均(FCM)算法的零件簇聚类分析的过程模型来描述分析过程;构造了适合于零件簇聚类分析的FCM算法,该方法考虑了零件簇对象特征之间的模糊关系和各零件对象特征聚类中心之间的距离,无需设计权重系数;通过实例进行了聚类分析,并与模糊聚类和k-平均聚类两种方法进行比较,证明该FCM算法是有效的。     

基于L-M算法优化BP神经网络的储粮害虫分类识别研究

以储粮害虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现离线检测与分类识别。首先对4类常见储粮害虫进行图像采集、预处理以及9个常用形态学特征的提取,再通过特征分析把有效特征压缩至6维,将其作为BP神经网络的输入参数,对应的储粮害虫的类别代号作为输出参数,构造BP神经网络,并在网络训练过程中利用L-M算法进行优化。最后通过实验证明该方法在害虫识别算法中稳定性好,收敛速度快,预测精度高。     

基于L-M算法优化BP神经网络的储粮害虫分类识别研究

以储粮害虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现离线检测与分类识别。首先对4类常见储粮害虫进行图像采集、预处理以及9个常用形态学特征的提取,再通过特征分析把有效特征压缩至6维,将其作为BP神经网络的输入参数,对应的储粮害虫的类别代号作为输出参数,构造BP神经网络,并在网络训练过程中利用L-M算法进行优化。最后通过实验证明该方法在害虫识别算法中稳定性好,收敛速度快,预测精度高。     

三维CAD模型模块划分的蚁群聚类图分割方法

为了使三维CAD模型模块划分的结果保持较好的结构完整性,提出一种面向图分割的蚁群聚类算法.用属性连接图表示复杂的CAD模型并进行简化;通过对模型连接方式和零件属性的分析,获得零件的结构、功能和材料相关性并建立综合相关度矩阵;根据零件的连接层次关系重构了蚁群聚类的局部范围界定和密度函数计算方法,实现了面向图分割的的蚁群聚类.采用上述方法对某型飞机襟翼模型进行模块划分,验证了所提方法的正确性和有效性.