耦合神经网络工程用钢的实例检索模型

这里论述了耦合神经网络的实例推理技术,实例推理的典型实现框架、基于约束对象的实例检索模型及实例的三级层次组织。并在此基础上综合运用面向对象技术、基于实例推理技术和人工神经元网络模型等先进技术提出耦合神经网络工程用钢的实例检索模型以达到缩小检索范围,提高中标率的目的。     

面向实例推理的产品设计本体建模研究及应用

分析现有基于实例推理的产品设计系统,针对其缺乏对实例功能、行为等描述的缺点提出面向实例推理的产品设计本体模型,并利用本体技术建立基于实例推理的产品设计实例本体及产品设计实例本体模型.依照产品设计特点研究产品设计实例本体模型的重要性质,依据实例推理的产品设计给出基于本体的产品设计实例本体检索机制.在检索中利用本体模型的EDCOM数组,通过相似度算法进行匹配找出合适的产品设计实例,在本体模型库维护中给出本体模型的集成算法.最后以汽车零部件企业为实例,并利用本体技术开发了基于实例推理的产品设计原型系统,通过设计系统的产品设计要求、检索实例等功能模块实现了基于实例推理的产品设计.     

轴类零件耦合神经网络实例推理 CAPP 索引模型的研究

提出了一种基于神经网络的工艺设计实例推进索引模型。与现存大多数实例推理系统不同,该方法用神经网络实现实例的动态分类和索引。实例层次分类的三层结构和基于特征的聚类模板概念,为实现基于符号处理的实例推理求解模式向基于神经计算的模式识别求解模式映射提供了条件。该方法的优点在于实例的高速、有效检索,知识获取的简化以及基于神经网络的检索算法的鲁棒性。     

实例推理中基于ART算法的动态记忆模型的研究

提出了一种基于神经网络的工艺设计实例推理索引模型，与现存大多数实例推理系统不同，该方法用神经网络实现实例的动态分类和索引。实例层次分类的３层结构，为实现基于符号处理的实例推理求解模式向基于神经计算的模式识别求解模式映射提供了条件。神经网络的自适应，自学习能力将减少系统的日常维护工作，该方法的优点在于实例的高速，有效检索，知识获取的简化等。     

面向企业的检测规划智能集成系统

:扩展了实例推理的技术 ,提出了广义实例推理的概念。使用神经网络技术作为实例推理的索引模型。在此基础上 ,把实例推理与神经网络和规则推理紧密集成在一起 ,提出智能集成模型。运用此模型 ,研制了以通用量具为基础面向企业的零件检测规划系统     

摩托车智能设计实例推理系统的索引模型

为提高实例推理系统中实例检索的效率与质量,提出了基于人工神经网络的实例检索模型。该模型在实例层次组织的基础上,利用自适应共振网络实现对实例的动态分类,以缩小实例搜索的范围。采用前馈型神经网络记忆各实例的索引,以便在缩小的实例范围内快速地提取相似实例,提高检索效率与质量。最后给出了摩托车总体设计过程方案选择的算例,并将检索的结果与基于最近邻法的实例检索结果进行比较分析,结果证明了该模型的有效性。     

基于动静态视图的实例推理关键技术及其应用研究

根据设计实例产生具有过程性的特点，引入实例的动态视图，静态视图和实例原型等概念，探讨了实例模型的组成和表示方法，提出基于索引拓展的实例检索模型，讨论了实例修改的策略，结合实例检索模型，分析了实例推理技术在产品快速开发中的应用。     

基于位索引的多层次实例检索模型研究

通过对基于实例的推理技术、实例的检索策略及实例相似性的研究，提出了可应用于机械产品设计领域的多层次实例检索模型和基于位索引的检索算法。给出了实例检索模型的层次划分方法，分析了位索引的建立过程和通过相似度映射表来提高实例检索效率的原理，最后通过实例验证了该算法的简洁性和高效性。     

一种基于知识和耦合神经网络实例混合推理的智能CAPP策略研究

提出一种新的耦合神经网络的实例与知识混合推理策略。采用面向对象的方法表达实例和知识,并将神经网络用于实例推理中,在此基础上实现了CAPP的变异设计。建立了基于零件及其工艺数据知识的分层分解表达模式与层次式优化推理机制,从而实现了CAPP的创成式设计。给出智能化CAPP系统的总体结构,对基于神经网络的实例相似性判定算法、知识表示模型和知识推理控制策略作了讨论。由于吸收了派生法的类比设计思想,又具有创成功能,整个CAPP系统的推理决策具有更高的效率和更好的质量。     

基于实例推理的钢铁生产工艺设计研究

针对钢铁行业工艺设计复杂、工艺设计知识难于表达和工艺实例库庞大不易检索的问题,通过分析其工艺设计鲜明的阶段性和层次性特点,提出了基于分段分层实例推理的钢铁行业工艺设计策略.通过对工艺设计问题的逐段分解和逐层细化,降低了实例检索的空间,实现了不同阶段、不同层次的多实例重用.设计了基于实例检索网络模型的钢铁行业工艺实例检索程序,以及分段分层实例推理的工艺设计流程和工艺设计算法,并以实际应用加以验证说明.     

制造领域中反向工程曲面推理的神经网络法

将神经网络技术用于制造领域中反向工程曲面的推理,建立了神经网络计算模型。使用神经网络方法推理实体表面的突出优点是不需要表面知识,只需要测得表面的有限点数即可,网络将学习参数变量之间的组合关系,推断出曲面的函数形式,计算出未知坐标点的值,避免了许多的人为假设和繁杂的数学计算,体现出一种智能推理过程。本文列举了有关推理实例,包括初等解析曲面和自由曲面,从理论和实际计算证明了这种方法的可行性和有效性。结果表明,神经网络对于反向工程曲面的推理是一种非常好的辅助分析手段。这对于复杂的、不完整的、部分磨损或损坏的实体表面具有实际用途。     

薄板裂纹诊断的专家系统

将人工神经网络与规则推理相结合,建立了薄板裂纹诊断的专家系统,该系统充分利用神经网络与规则推理的优点,采用正反向混合推理方式调用知识库中的各种知识进行薄板结构的裂纹诊断,采用基于实验的计算机仿真技术建立裂纹诊断的标准谱,基于模拟退火算法训练神经网络,实例表明,本文建立的专家系统克服了基于规则专家系统的自学习困难问题和基于神经网络诊断系统系统控制能力弱的缺点,具有较强的诊断能力。     

基于粒子群优化案例推理的RH终点温度预测

针对RH流程终点钢温预报问题,提出了一种基于多元线性回归和粒子群优化算法改良的案例推理方法。首先,对待一般案例推理方法中缺乏影响因素的问题,利用多元线性回归的方法进行属性约简;其次,面对案例检索中相似度计算缺乏权重计算方法的问题,采用粒子群优化算法对权值进行优化;最后,基于简化的影响因素和优化权重,采用改进的灰色关联相似性的案例检索来预测RH终点的钢水温度。利用某钢铁厂RH工艺的实际生产数据,分别对多元线性回归、BP神经网络、一般案例推理方法和粒子群优化案例推理方法进行测试,从结果可以看出,文中所使用的基于粒子群优化过的案例推理方法的预报精度,相较于多元线性回归,BP神经网络以及一般案例推理更加准确。     

注塑模CBR设计决策系统中利用神经网络方法进行事例检索的研究

注塑模 CBR(基于事例的推理 )系统是借助于历史经验来指导设计决策的。在系统中 ,求解事物的相似性是最重要的一环。本文探讨了利用神经网络方法进行事例检索的途径 ,通过对 CBR系统中输入条件的编码 ,经过对神经网络的样本训练 ,最近邻法调整和人类专家调整 ,得出求解事例相似性的神经网络结构。利用此方法 ,可以对后续设计步骤提供了很好的指导     

工程设计KBE系统(Ⅱ):知识处理技术

针对日益兴起的工程设计 KBE技术的研究和应用 ,本文对工程设计 KBE中的关键技术——知识处理技术 (知识表示和推理 ,知识获取 )进行了详细的论述 ,主要解决了基于框架 -规则的知识表示和推理 ,基于事例的推理以及神经网络的学习和推理在工程设计中的应用方法。该技术在应用中具有集成多种知识表示方法 ,能够充分利用工程领域知识的优势 ,并在注塑模模架设计中得到了有效的应用     

模糊神经网络PID控制在振动打桩机中的应用

针对双马达电液伺服系统难以进行同步控制,实现无级调频调矩的问题,提出了基于Mamdani型的模糊神经网络PID控制方法。该方法的主要思想是结合模糊推理和神经网络控制技术,构成模糊神经网络,实时调整PID参数。实验结果表明：与传统PID控制方法相比,该方法改善了系统的动态特性,提高了控制精度。