一种零件成组的启发式实现方法

基于Ｐｅｔｒｉ网,研究了成组技术中零成组问题的实现方法。由于Ｐｅｔｒｉ网具有建模并发和并行处理能力,使得这种方法具有简单快速的特点,同时具有近乎人脑的并行工作机制,可以根据临场经验自动调整的分配策略,将零件自主地分析到相应的零件组中。实际上这种方法是一种启发式策略。     

一种零件分组方法的研究

为了解决零件分组中各特征的重要性和分组数目难以确定的难题,提出了一种用可调节的权重系数向量和改进的ISODATA模糊聚类算法来实施零件分组的方法.根据零件分组特征的重要性合理调节权重系数向量,用该向量修正ISODATA模糊聚类算法中的零件特征矩阵,在算法运行结束后计算聚类中心的模糊距离,将距离小于设定阈值的类别合并为一组.用VB开发了一个零件分组系统,采用该分组方法在系统上进行反复实验和比较,结果与人们的分组偏好和习惯一致,验证了分组方法的有效性和可靠性.     

基于CAPP系统的零件工序图的研究

介绍了基于CAXA2000二次开发环境下的齿轮类零件工序图自动生成系统的工作原理、功能及特性，阐述了该系统中主要功能的实现方法。     

基于参数的CAPP轴类零件信息描述

在计算机辅助工艺过程设计系统中,零件信息描述的准确性、科学性和全面性将直接影响所设计的工艺过程的质量和可靠性,提出了基于参数的CAPP零件信息描述方法,并以轴类零件为例,详细介绍了基于参数的CAPP零件信息的描述方法,给出零件信息描述参数的整个输入过程,使得CAPP零件信息的措施与输入简单明了。     

基于成组技术的回转体零件的CAPP

介绍一种自行开发的,以成组技术为基础,使用JLBM-1系统描述零件,采用菜单选择、图形显示、人机对话、参数输入和复合路线法,设计中、小型回转体零件加工工艺的CAPP软件的主要内容和特点。     

基于人工智能的零件配合设计方法研究

机械零件配合设计是机械设计与制造中的一项重要内容，根据专家系统的原理提出一种运用规则推理解决零件配合设计的方法，实现了知识表示与基于精确推理机制的规则推理。     

基于人工智能的零件配合设计方法研究

机械零件配合设计是机械设计与制造中的一项重要内容,根椐专家系统的原理提出一种运用规则推理解决零件配合设计的方法,实现了知识表示与基于精确推理机制的规则推理。     

基于特征的非回转类零件信息建模与实现

本文系统地研究了面向ＣＩＭＳ的ＣＡＰＰ平台开发中非回转类零件信息的特征建模与具体实现方法，阐述了零件特征标识及特征间拓扑关系表示的设计思想及原理。     

阀类零件三维图形的绘制、拼接和组合

提出应用3DMAX和AutoCAD建立机械零件常用结构图库。介绍了应用这两个软件进行阀类零件三维图形绘制、拼接与组合的基本技巧。     

基于薄板冲压成形的零件展开方法及其应用

为提高复杂边界零件坯料轮廓的预测精度,控制冲压成形零件轮廓误差,总结并分析了各类展开方法的仿真数学模型.以搭子件为研究对象、AutoForm为软件平台,在制件成形工艺设计过程中,研究了各类零件展开方法的应用与效果.由成形零件轮廓的误差可知,3种方法的优劣顺序依次为增量加载有限元法、一步逆成形有限元法、截面几何展开法.在...     

基于遗传算法的BP神经网络服装销售预测方法

针对服装企业产品销售的复杂性以及特殊性,提出一种有效的神经网络学习模型. 在对服装销售影响因子分析的基础上建立销售预测网络模型,利用遗传算法对后向传播神经网络的各连接权值进行优化计算. 方法综合了后向传播神经网格和遗传算法两者的优势,既具有神经网络强大的学习能力,又具有遗传算法的全局搜索能力.     

基于预测模型的BP＿Adaboost算法改进

针对 ＢＰ＿Ａｄａｂｏｏｓｔ算法预测精度不高的问题,对算法作了改进：先用遗传算法对每个 ＢＰ神经网络弱预测模型进行优化;然后把优化后的 ＢＰ神经网络模型看作为新的弱预测器;再通过 ＢＰ＿Ａｄａｂｏｏｓｔ算法,用多个被遗传算法优化后的 ＢＰ神经网络弱预测器组成强预测器模型;最后加权整合优化后用 ２０００组随机数据验证改进后算法的预测精度,用 Ｍａｔｌａｂ程序仿真实现改进后的 ＢＰ＿Ａｄａｂｏｏｓｔ算法,并与改进前的 ＢＰ＿Ａｄａｂｏｏｓｔ算法作比较。程序运行结果表明,改进后的 ＢＰ＿Ａｄａｂｏｏｓｔ算法预测精度有了明显提高。     

复杂样本分类系统的FAGABPNN法

针对复杂样本的模式分类问题，提出了有效的因子分析法（FA）、遗传算法（GA）和BP神经网络（BPNN）相结合的FAGABPNN分类方法，基本思想是：首先利用因子分析法对输入样本降维，然后利用遗传算法和BP神经网络相结合的方法对系统进行建模．仿真结果表明，该系统为给复杂样本的分类提供了一条有效的途径．     

复杂样本分类系统的FAGABPNN法

针对复杂样本的模式分类问题,提出了有效的因子分析法(FA)、遗传算法(GA)和BP神经网络(BPNN)相结合的FAGABPNN分类方法,基本思想是:首先利用因子分析法对输入样本降维,然后利用遗传算法和BP神经网络相结合的方法对系统进行建模.仿真结果表明,该系统为给复杂样本的分类提供了一条有效的途径.     

工程地质类比法程序化设计

工程地质类比法作为一种经验迁移法,在应用过程中,人的主观意识起很大作用,故将人工神经网络与遗传算法相结合,智能化地建立不同工程之间非线性映射关系,将工程地质类比法程序化,降低了人为因素造成的差异性和不确定性,并通过边坡工程实例验证了该方法的可行性.     

一种基于BP网络的流量分类方法

针对传统的网络流量分类方法准确率低、开销大、应用范围受限等问题,提出了一种基于BP网络的流量分类方法。该方法改进了标准的BP网络算法,采用基于Lyapunov函数得到的自适应学习率,并引入遗传算法优化网络的初始连接权值和阈值,使网络避免陷入局部最小,加速了网络收敛过程。实验结果表明,采用改进的BP网络算法来处理网络流量分类问题具有明显的优势：该方法的收敛速度和拟合精度均优于标准BP算法,而且流量分类准确率高于NB算法。     

基于人工神经网络与遗传算法的暂态稳定评估

提出了ＢＰ算法和遗传算法相结合的电力系统暂态稳定性评估新方法,选取了以稳态特征量、故障初始时刻特征量和暂态特征量构成的综合特征量作为稳定性评估系统的输入特征量。以０至１之间的小数作为评估系统的输出值,根据输出值的大小判定系统是否稳定。理论分析及仿真结果表明,本方法解决了ＢＰ网络易陷入局部最小的问题和遗传算法应用于复杂的多变量优化系统时速度很慢的问题,并且对不同电力系统暂态稳定性评估具有一定的通用性。     

一种基于分组遗传算法的聚类新方法

为提高聚类效果,提出了一种基于分组遗传算法的聚类新方法。以改进的分组编码方式表示种群中的个体并基于此制定了合理的种群初始化方案,采用改进的遗传操作算子和种群更新规则,利用遗传算法高效的全局搜索能力实现聚类。通过非线性排序选择机制和精英保留策略提高了遗传进化的稳定性;引入同类并行交叉和合并分割变异算子提高了算法运行效率,增强了全局寻优能力。实验结果表明,该聚类新算法能够自动获得最优聚类数和最优划分方案,具有良好的性能和聚类效果。     

基于自适应遗传算法的神经网络字符识别

为了增强传统自适应遗传算法在进化初期的鲁棒性及避免早熟收敛,给出了一种改进算法,并利用这一算法来调整BP模型的网络权值与阈值,最后将新算法应用于字符的识别．仿真结果表明,新算法比BP算法具有更强的识别能力．     

基于遗传算法与神经网络相结合的区域水资源承载力综合评价

在遗传算法与误差反向传播网络（BP网络）结构相结合的基础上，提出了利用改进的遗传算法优化神经网络进行水资源承载力综合评价的新方法，将该方法应用于淮河流域水资源承载力综合评价，实例表明是可行的，为水资源承载力定量分析开辟了新的途径．