基于人工神经网络和最近邻算法的实例检索模型

为了提高实例推理过程中实例检索的效率和质量,提出了基于人工神经网络和最近邻算法相结合的实例检索模型.该模型在实例层次组织的基础上,首先,通过建立索引对实例进行分类,并用BP网络记忆每一类别下各实例的索引,在缩小检索范围内进行相似实例的初次匹配,以提高实例检索的效率;其次,由用户设定权值,采用最近邻算法进行二次匹配,通过实例的初次与二次匹配,将BP网络提取相似实例的客观性与用户的主观意愿结合起来,以提高实例检索的质量.最后,给出了摩托车总体设计方案生成的算例,验证了该方法的有效性与可行性.     

基于成组技术的零件分类与编码

为有效整合企业管理,结合企业内部的管理体制和工作方式,介绍了成组技术的应用。成组技术是合理组织中小批量生产的系统方法,主要用于对零件进行分类与编码。详细介绍了采用成组技术对典型零件进行分类编码系统的结构和借助计算机进行自动分类的方法,对实践有一定的指导意义。     

基于粗糙集理论的冲模实例检索方法

针对冲模设计中的实例检索问题,提出了基于粗糙集理论的实例检索方法。利用粗糙集理论对实例库进行分析和处理,采用了一种基于分级聚类法和决策属性支持度的离散化方法处理属性表中的定量问题,抽取重要的特征属性作为检索依据,建立检索;用相似学方法进行相似度量,检索出最接近设计的实例作为设计参考。通过实例,给出了这种方法的具体实现过程。结果表明,保证了检索的正确性,降低了系统对领域专家的依赖性,提高了检索效率。     

基于工艺过程的工艺实例表达

为了有效地将基于实例设计(Case Based Design, CBD)方法应用于工艺设计领域,针对CBD方法在工艺设计过程中应用的基础--工艺实例的表达和索引这一核心问题,充分讨论了工艺实例的内容,在给出工艺实例定义的基础上,提出了基于工艺过程的实例表达结构;同时结合工艺片段的思想,定义了实例元的概念,并以此概念为基础完善了基于工艺过程的实例表达模型;最后通过原型系统验证了基于工艺过程的实例表达模型的可行性.     

基于递归小波与ART2网络的刀具状态智能监测

为实现刀具的实时状态监测,以超高斯函数为基础,构造出一类用递推公式进行小波变换的小波基,提出该系列小波基的优化方法,对其时频特性进行了分析.对刀具AE信号进行递归小波分解,提取特征并应用ART2网络识别刀具状态.结果表明,基于递归小波与ART2网络的刀具状态监测具有鲁棒性强、实时性好的特点.     

基于CBR的钣金工艺实例表达及实例库建立

结合特征描述法和分类编码法，建立基于特征和编码的钣金工艺信息模型，井提出了基于XML的工艺规程表达，实现钣金工艺实例的多层次描述。同时根据R^5模型的原理，对不同类的钣金零件，采用不同的相似性关系建立钣金工艺实例库。     

面向机械产品的零件分类编码系统设计

零件分类编码是实现派生式或创成式CAPP的核心内容.文章介绍了一种零件分类编码系统--PowerCode系统,它通过编码完整地描述零件特征信息,解决了零件工艺设计过程的自动化问题,适应了派生式或生成式CAPP系统的发展趋势,为企业制造业信息化集成奠定了良好的基础.     

基于相似度理论的加工中心设计方案实例检索方法

基于实例推理设计方法是数控机床快速设计的一种有效方法,基于模块化设计系统的实例检索是其中的关键环节。在卧式加工中心模块化设计系统的基础上,论述了卧式加工中心实例库构建方法。依据系统相似工程学理论,提出了卧式加工中心总体设计方案、基于模块化设计系统的结构设计方案的确定方法。并以实例进行了说明。     

Peer-to-Peer网络的高效自适应视频流传输算法

P2P网络电视的视频流传输过程中网络带宽的利用效率较低,为此提出一种P2P网络电视的自适应视频流传输算法。首先,将目标问题建模为多段流媒体的PSNR最大化问题,通过动态规划算法直接求解目标问题;然后,选择最优的订阅类与传输流媒体类,从而最大化重点区域内的总视频质量;最终,设计了一种新的请求模型来处理无法还原的数据传输,如果接收节点的重点区域中存在无法还原的媒体数据,则该节点向其邻居节点周期地广播其缓存图,以此过滤无法还原的数据传输。基于标准H.264/SVC视频序列的实验结果表明:本算法有效地提高了P2P网络流媒体的带宽利用效率,客户端接收的视频具有较高的质量。     

分类装配的LFM-1编码系统

对零件的特征和姿态均使用编码技术,有利于实现零件整理和装配机械设计的程序化,提高生产理料系统和装配机械的效率。文章以U.MASS编码系统为基础,开发了更为完整的零件编码系统,弥补了其特征反映不足和晦涩难懂的缺点,创造性的添加了定位定向编码,对振动料斗滑道设计有很大的指导意义。     

On-line quality inspection in laser blank welding using ART2 neural network

Laser blank welding is becoming more and more important in the automotive industry and the quality of the weld is critical for a successful application.A fully automated solution is required to inspect the quality of the blanks.This paper presents a vision inspection system with a CMOS camera which uses ART2 network to inspect the defects on-line to obtain the geometry and the quality of the weld seam.The neural network ART2 has the capability of self-learning from the environment. It can distinguish the defects that have been learned before and give new outputs for new defects.So ART2 network is suitable for weld quality inspection in laser blank welding.Additionally,a CO_2 laser is used for the blank butt-welding.     

Monitoring of flank wear of coated tools in high speed machining with a neural network ART2

A monitoring system for classifying the levels of the tool flank wear of coated tools into some categories has been developed using an unsupervised and self-organizing artificial neural network, ART2. The input pattern used for the ART2 was an array of normalized mean wavelet coefficients of the feed force, which was affected by not only the flank wear but also the severe crater wear observed in high speed machining. The outputs of ART2 were classified into four or five categories of wear levels: the incipient stage, one or two intermediate stages, final stage and hazardous stage. For two apparently different series of input data obtained under the same cutting conditions, which are often experienced in the experiment, the ART2 neural network showed very similar classification of tool wear levels from the beginning to the end of cutting. Further study proved that this monitoring system detected the excessive wear in the hazardous stage for different cutting speeds 5–7 m/s and different feed rates 0.10–0.20 mm/rev.     

基于神经网络的模锻压机载荷在线预测模型

由于模锻过程具有强时变性和非线性,因此精确控制模锻压机载荷预测至关重要。以7075铝合金模锻过程为例,提出了一种基于神经网络的模锻压机载荷在线建模方法。基于商业软件Deform-3D模拟了恒温恒速度工况下的载荷变化规律,根据获取的数据建立了初始神经网络模型。在实际模锻实验过程中,通过反向传播算法不断修正初始神经网络权值矩阵,以实现模型的在线更新。在50 t模锻实验台上进行实验,以验证所提方法的有效性。实验结果表明:所提出的在线建模方法可以准确预测复杂模锻工况下载荷的变化,与传统离线神经网络建模方法相比,其预测值更加准确,更能满足实际工程需求。     

透镜抛光机床模糊控制的神经网络方法

把模糊技术与神经网络方法相结合,采用五层前馈型神经网络,实现了抛光过程的神经网络模糊控制。应用结果表明,其控制效果明显优于一般Ｆｕｚｚｙ控制。     

基于神经网络的焊机参数预测方法

针对脉冲MIG焊参数众多,不易调节的特点,提出了一种基于神经网络的焊机参数预测方法. 该方法采用LM(levenberg-marquarlt)算法建立了焊机参数的BP(back propagation)神经网络模型,充分利用已知的理想数据对网络进行训练,实现了焊接过程中任一给定焊接电流状态下焊机输出参数的预测;利用焊接参数的预测值分别对单、双脉冲MIG焊进行了试焊. 结果表明,基于神经网络的焊机参数预测方法精度较高,焊接过程稳定,焊缝成形美观,能够实现良好的一元化调节.     

六维腕力传感器的补偿模糊神经网络模型

本文基于神经网络可以对非线性系统的任意逼近能力，建立了六维腕力传感器的补偿模糊神经网络模型，仿真结果表明，这种补偿模糊神经网络对六维腕力传感器非线性系统逼近精度高，训练步数少，学习收敛速度快，误差曲线稳定，可作为六维腕力传感器标定或用于机器人基于腕力传感器力控制的动力学模型。     

金属塑性变形抗力的模糊神经网络模型

采用模糊神经网络，建立了轧钢生产过程中轧制温度、变形程度、变形速率和变形抗力关系的数学模型。离线预报表明，该模型预报结果与实测值符合较好，模型具有较高精度。     

基于RBF神经网络的数控机床故障诊断研究

本文介绍神经网络用于数控机床控制系统的故障诊断技术，分析了数控机床故障诊断的方法，并采用RBF神经网络实现数控机床控制系统故障诊断的算法和程序设计。     

Weld quality control by neural network

ＷｅｌｄｑｕａｌｉｔｙｃｏｎｔｒｏｌｂｙｎｅｕｒａｌｎｅｔｗｏｒｋＨｕａｎｇＳｈｉｓｈｅｎｇ；ＬｉＤｉａｎｄＳｏｎｇＹｏｎｇｌｕｎ（ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ）Ａｂｓｔｒａｃｔ：Ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎ...     

Optimal configurations of the machine tool structure by means of neural networks

This paper deals with the automations of the machine tools?? development in the phase of selecting of the optimal structure??s configuration by means of neural networks. For this purpose, an algorithm and a programme were developed. By using of them a set of all possible machine tool structure??s configurations on the basis of the relations between the movements of tool, workpiece and machine tool units by the machining is determined. Then, structure??s configurations, which meet the needed technical requirements, are extracted from this set. The usage of neural networks, due to their learning ability, makes the performance of these steps not only faster as the manual performance but more flexible as the similar programmes based on Booleans logic.