模糊神经网络在装备维修质量评价系统的应用

构建了基于模糊神经网络的评估方法,建立了特种装备维修质量神经网络模型,并利用MATLAB对该模型进行了仿真模拟,并对具体实验数据进行了分析.与传统的模糊综合评估法相比,模糊神经网络法克服了模糊系统精度不高的问题,降低了评价结果的模糊性,可以提供更可靠的维修决策支持.     

基于机器视觉的印刷品质量检测技术

基于机器视觉的印刷品质量检测技术具有高精度、非接触、自动化等特点.整个检测系统由镜头、CCD、光源、图像采集卡和软件界面组成.通过对线条、大面积填充区域的检测结果分析,该系统可高效率、高质量地进行印品质量检测.     

质量管理体系运行有效性的模糊综合评价

研究质量管理体系运行有效性的模糊综合评价问题.论述了质量管理体系运行有效性的含义,建立了评价指标体系及评价模型,分析了如何运用模糊数学对质量体系的有效性进行综合评价,并给出了评价过程的完整算法.     

基于机器视觉的衔铁组件质量检测系统设计北大核心CSCD

针对衔铁组件几何参数人工测量精度低、一致性差的问题,为进一步改善工件的品质管控,设计一种基于机器视觉的衔铁组件品质检测系统。采用2套视觉系统对工件正面、侧面分别成像用于不同尺寸参数的测量。在A尺寸测量中,通过特征定位点建立相对坐标系,从原始图像中截取包括小轴凸台和参考边感兴趣区域并对该区域图像进行预处理,在ROI区域内采用Canny算法进行凸台边缘检测以降低粉尘等带来的边缘检测干扰。针对工件厚度待测区域远超视觉系统的景深,通过在夹爪上布置参考块间接测量厚度值。采用不同批次的工件用于试验,试验结果显示品质管控准确率达100%,与图像尺寸测量仪的误差不超过5μm,可以满足工件品质管控的应用需求。     

基于模糊基因神经网络的传动设计评价模型的研究

利用模糊数学理论建立了评价语言值标尺,使专家知识的形式化数值表达成为可能。利用神经网络的非线性特性构成了多层次因素事物的评价模型,并建立了包括遗传算法和人工神经网络的混合学习系统,解决了网络设计问题。本评价模型建立的传动设计方案评价系统,使专家评价知识获取手段简化且易于表达,提高了评价结果的正确性。     

基于模糊综合评价法的汽车维修企业质量信誉评价研究

结合企业内部管理、经营状况、客户评价与社会影响等多方面因素,构建了多层次的汽车维修企业质量信誉评价指标体系,引入层次分析法确定各评价指标的权重,同时利用多级模糊综合评价方法对汽车维修企业质量信誉指标构建评价矩阵,求出模糊评价结果,确定汽车维修企业质量信誉等级。通过实际案例验证,该方法可行,有利于行业监管评比和企业自查。     

基于平方根无迹卡尔曼神经网络的铝电解工耗模型EI北大核心CSCD

铝电解过程中传统机理建模及静态建模等方法难以建立精确过程模型。采用平方根无迹卡尔曼神经网络算法构建铝电解工耗模型。无迹卡尔曼神经网络滤波与平方根滤波理论相结合,改进无迹卡尔曼神经网络滤波算法,利用协方差矩阵的平方根代替无迹卡尔曼算法中的协方差矩阵参与递推运算,解决铝电解建模过程中出现误差协方差矩阵非正定型而导致滤波发散的问题,并且提高了模型的自适应能力和精确度。通过对某铝厂出铝情况的日报样本进行验证,对比神经网络模型和无迹卡尔曼神经网络模型,平方根无迹卡尔曼神经网络提高了铝电解工耗模型精度和可靠性,表明了该方法的有效性、先进性和可靠性。     

基于模糊神经网络产品设计的可装配性评价

首先建立了基于模糊神经网络的可装配性评价模型,然后将产品的可装配性分为零件级可装配性和装配顺序级可装配性,并将影响零件可装配性的因素分为零件装配特征的对称性、零件易于装配的形状特征个数、零件易于识别和零件易于抓取的形状特征个数,将影响装配顺序可装配性的因素分为总的操作数．非装配操作、装配工具的更换次数、平行的装配任务的数量、基础件的重定向次数和装配方向,建立了评价指标体系。最后将评价模型应用于某产品可装配性的评价。     

基于再模糊理论的无参考图像质量评价

针对目前无参考图像质量评价算法依赖训练样本集、算法复杂性较高,难以应用于图像视频采集设备等问题,提出了一种基于有效再模糊的无参考图像质量评价算法(NRIQAVR)。首先研究了便携式设备采集图像的特点,然后在再模糊理论基础上通过计算最小和最大再模糊标准差,构造了与人类视觉感知相近的NRIQAVR算法,通过理论证明该算法可以反映自然场景图像模糊度。最后在多个公开数据集和头盔摄像机采集的图像上测试,对比其他流行算法,该算法性能稳定且无需训练,评价结果与主观感知之间的相关系数平均值高于0.92,离出率低于0.05,平均执行时间0.088 s。该算法符合人类视觉感知、不依赖图像内容、简单易行、可以达到11帧/s的处理速度,具有重要实际应用价值。     

基于模糊神经网络的规则学习

运用模糊神经网络 ,分别采取两种学习方法来对模糊控制器的规则样本进行学习优化 ,结果表明 ,运用聚类的思想 ,将模糊集合重新分组 ,先粗学后细学的方法比直接学习更先进 ,不仅能大大降低网络的复杂性 ,而且收敛速度更快 ,不易陷入局部极小。因此大大缩短了学习的时间。     

混合模糊神经网络在质量控制中的应用

传统的SPC控制图,在实际制订中需要大样本,在新的制造环境中出现很多困难和局限性。应用神经网络,引入模糊理论可对不确定分类问题具有更多优势。试验表明,在大多数情况下,它比其它统计过程控制图表现出更快的探测性和更准确的诊断性。     

机械制造工艺质量的模糊评价

针对机械制造工艺质量中存在模糊不确定因素,应用模糊数学的概念和方法,建立了工艺质量的模糊评价模型,并具体对焊接工艺质量进行了模糊评价。结果表明,该方法具有较强的实用性和可操作性。     

基于卷积目标检测的3D眼球追踪系统深度估计EI北大核心CSCD

随着虚拟现实（VR）技术的发展,作为其核心技术之一的眼球追踪越来越受到人们的重视。在传统3D视线估计技术的基础上,提出一种通过卷积目标检测恢复目标区域深度信息的3D眼球追踪实现方法。基于头戴式眼球追踪设备Pupil的世界摄像头采集到的图像信息,利用TensorFlow卷积目标检测框架实现对目标的识别和宽度测量,通过建立检测出的宽度值和实际测量的距离值之间的函数关系,来达到实时估计深度信息的目的。实验数据表明该方法在采样图像分辨率为1 080p的6组定点测试中的平均相对误差只有1.17%,而且实时处理速度可达15 f/s,能够对实时的深度信息做出较为准确的预测。在眼球追踪技术越来越成熟、眼动仪等设备成本逐渐降低的背景下,该研究为眼球追踪技术的进一步发展和应用打下了坚实的基础。     

基于改进模糊故障Petri网的复杂系统故障诊断与状态评价EI北大核心CSCD

为提高复杂系统的可靠性,在综合模糊Petri网和故障Petri网优点的基础上,提出了改进模糊故障Petri网的建模及推理方法。该模型定义了库所、托肯及变迁的着色规则,并结合模糊产生式理论,应用于复杂系统的故障推理,从而更加直观、明确地描述故障状态及信息。该模型的正向推理反映了故障传播的固有特性,采用基于智能点火判断矩阵的正向演绎算法,实现了故障状态快速、准确的智能评价。该模型的逆向推理为故障诊断过程,引入智能的逆向推理矩阵,并结合基于Petri网关联矩阵的最小割集诊断法,实现了模型中任意库所故障的逆向自动诊断,同时根据故障易发率得出最小割集优先顺序,提高故障诊断的效率。以数控机床进给系统的故障分析为例,验证了所提模型和方法的正确性与高效性。     

基于模糊神经网络的汽车变速杆操纵舒适性评价

针对目前汽车变速杆操纵舒适性评价方法的不足,提出一种基于模糊神经网络的汽车变速杆操纵舒适性评价方法,通过模糊神经网络对实验测得的操纵舒适性特征参数和主观舒适度评价构成的样本进行学习和训练,建立汽车变速杆操纵舒适性评价系统。试验结果验证了该方法的可行性和合理性。     

机械制造工艺质量的模糊评价

针对机械制造工艺质量中存在模糊不确定因素 ,应用模糊数学的概念和方法 ,建立了工艺质量的模糊评价模型 ,并具体对焊接工艺质量进行了模糊评价。结果表明 ,该方法具有较强的实用性和可操作性     

基于BP神经网络专家系统的设计质量评价方法

以家用轿车为例,采用基于BP神经网络的专家系统对不同品牌的产品进行质量评价,确定神经网络的训练样本进行训练,以获得各神经元的连接权值和阈值,存储连接权值于一个数据文件中,形成专家系统知识库,经过推理机推理,并通过解释机制将得到的机器语言转换成用户能够理解的方式进行表达,可实现在无专家条件下对产品设计质量进行评价,进而论证了采用专家系统评价产品设计质量的可行性。     

基于模糊层次分析法的工程机械质量评价

工程机械从设计、装配到使用有一个实现过程,每一个环节都包含了多种与机械产品的质量密切相关的评价指标,比较分析这些评价指标,有利于决策者把握重点,提高产品的可靠性和经济性,结合工程机械特点,建立影响机械质量的指标体系,综合运用模糊数学和层次分析结构,建立模糊层次分析模型,提出了隶属度和权重系数的分配方法,通过对某型工程机械的质量评价,对评价方法进行详细介绍,评价结果表明,该方法科学合理,具有较高的实用性和通用性.     

基于机器感知技术对于电池模组的精密装配质量控制

如今汽车电动化已经是主流趋势,电池包整线自动化集成是电动汽车规模化生产的必要一环。然而电池包零件较多是由非金属制造而成,在电池模组装配过程中尺寸精度存在一定误差;规模化量产必须克服工装定位、工件来料、环境影响等带来的不确定性误差。介绍了基于机器感知技术实现对电池模组的精密装配工作;该方案优先通过机器视觉取像、特征匹配进行装配位置的预定位,引导机器人进入装配位后开启力控功能实现电池模组的精密装配。结合视觉感知、力觉感知最终确保电池模组装配质量的稳定、安全。