运用改进模糊C均值算法的复杂产品功构单元模块划分方法

为了解决目前已有聚类方法在复杂产品功构单元模块划分过程中存在的问题,提出了一种基于改进模糊C均值算法(D-FCM)的产品功构单元模块划分方法。该方法运用距离矩阵生成样本分层聚类树,结合F统计量方法确定模糊C均值算法最佳聚类数,在此基础上,应用模糊C均值算法进行聚类分析,获得聚类结果。最后,结合实际项目给出该聚类方法在机床模块划分过程中的典型应用,对该方法进行实例验证。以此为基础,开发出机床模块划分系统平台。系统实现及设计结果表明了所提出方法的有效性,为面向配置设计的机床模块划分提供了另一种有效的模块划分方法。     

面向配置设计的产品功构单元粒度划分方法

针对现有模糊聚类方法在粒度划分实现过程中存在问题,基于构建面向配置设计的产品功构模型,通过对模糊C均值算法中随机初始化策略进行改进,研究功构单元粒度划分方法,并结合产品配置设计过程中需求映射及实例映射特点,根据公理化设计原理探讨了基于信息熵的聚类评价函数构造。最后,结合项目实施给出该方法在电梯制造业中的典型应用实例。系统实现及结果表明提出方法的有效性,为面向配置设计的产品族构建提供另一种数值计算方法。     

面向产品配置的模块形成及划分方法

产品配置要考虑客户需求、模块组合复杂度、设计复杂度和成本,合理模块划分是产品配置基础。通过分析客户需求和零部件各相关性因素,建立零部件模糊相似性矩阵,并构建零部件模糊聚类树,描述模块的形成过程。提出采用复合λ对模糊聚类树截距,以组合复杂度、设计复杂度和成本为优化目标进行模块划分。利用遗传算法进行模块划分的优化,得到各λ值,进而得到模块划分的优化结果。此方法不仅考虑零部件之间相关的紧密程度,而且考虑模块划分的目的,以某天文圆顶为例说明了该方法的可行性和适用性。     

产品模块化设计新方法研究

在现有的产品设备模块化设计中通常采用模糊聚类来进行模块划分,该方法在模块划分精度上还存在缺陷,只能实现基本的产品功能和结构划分。针对此种缺陷提出了基于核函数的模糊C均值聚类和遗传算法的模块划分方法,该方法以连接性能、材料、制造工艺等为基本模块驱动,应用模糊C均值进行聚类,并采用遗传算法优化聚类数目,提高了模块划分的精度。     

模糊聚类算法综述

模糊聚类算法是近年来图像分割技术领域的研究热点之一。本文在对模糊C均值聚类算法分析的基础上,结合目前在图像分割中的应用研究,对模糊C均值聚类算法的有效性进行了比较分析。从隶属度、聚类数和其它方面,评述改进的模糊c均值聚类算法。最后讨论模糊c均值聚类算法目前存在的问题和发展方向。     

复杂机电产品柔性平台模块化再设计集成方法

为实现面向订单设计类复杂机电产品的核心平台规划,提出柔性产品平台的模块化再设计集成方法。在分析柔性平台模块类别和映射机理的基础上,建立柔性平台设计的软件支持系统。使用类组件的几何拓扑、物料流、能量流和信息流的流转分析,构建平台设计结构矩阵;采用改进的最小化凸函数算法实现设计结构矩阵的二维空间变换,并引入模糊C均值聚类算法进行聚类运算,快速获得聚类设计结构矩阵;通过聚类中心组件决定模块的属性,避免了综合决策的复杂运算。通过液压支架平台的模块化再设计证明了运算方法的高效性和鲁棒性。     

用于分割无损检测图像的改进的抑制式模糊C均值聚类算法

由于无损检测图像灰度分布不均衡,常用的模糊C均值聚类算法不能对图像中的目标与背景进行有效分割,故提出一种改进的抑制式模糊C均值聚类算法(IS-FCM)对无损检测图像进行分割。通过对抑制式模糊C均值聚类算法(S-FCM)的目标函数融入每一类的总隶属度以均衡化目标像素和背景像素对聚类结果的影响,在构建的新目标函数基础上推导出新的隶属度和聚类中心迭代形式,然后分析了所提算法的收敛性并给出了执行步骤,最后通过无损检测图像对所提算法进行分割实验。结果表明,IS-FCM算法不仅能够对灰度分布不均衡的无损检测图像进行有效分割,还扩展了S-FCM算法的应用范围,增强了鲁棒性和适应性。     

基于聚类算法的自动变速箱装配模块划分研究

自动变速箱可实现换挡变速功能,是车辆系统中传递动力的关键部件。由于其结构狭窄紧凑、零件数量繁多,导致装配复杂度大大增加。模块划分是产品模块化设计的关键步骤,可以将系统整体拆分形成若干个高内聚低耦合的模块,从而达到降低产品装配难度的目的。模糊C-均值聚类算法(FCM)是实现模块划分的传统方法,然而其对初值敏感,容易收敛到局部极值点。FCM与优化算法的结合有利于避免陷入局部最优解的情况,因此提出使用基于遗传模拟退火算法的FCM方法进行装配模块划分以获取自动变速箱模块的最佳划分方案。以重庆铁马变速箱有限公司的自动变速箱为例,使用所提方法对其进行装配模块划分,将所得模块划分结果与实际方案进行对比,证明了方法的准确性和有效性。     

面向可变功能机械的模块划分方案复杂度分析

模块划分方案的复杂度直接影响可变功能机械产品模块化设计的质量,合理的模块划分方案是开展此类产品设计开发的基础。基于功能-行为-结构模型对产品各构件进行相关度分析,建立相关度矩阵,应用模糊聚类法得到多种模块划分方案。依据信息熵理论,以模块化产品设计中的装配复杂度和设计复杂度为评价目标,建立模块划分方案复杂度的数学评价模型。对不同模块划分方案的复杂度进行比较,得到较合理的模块划分方案,并以可变功能榨汁机为例验证了方法的可行性。     

基于动态优选元胞遗传模糊聚类的使用可靠性区域粒度确定方法

为了进行使用可靠性区域粒度划分研究,在分析空调使用可靠性影响因素的基础上,以其使用可靠性同类区域差异最小为目标,建立了使用可靠性基于工作环境和用户使用习惯两类影响因素的多变量高维聚类模型,提出求解该模型的一种动态优选元胞遗传模糊聚类算法。该算法在经典元胞遗传算法和模糊C-均值算法的基础上引入信息熵理论和优选策略,并采用动态交叉和两阶段变异算子,因此集成了模糊C-均值收敛速度快和元胞遗传算法在解决复杂问题时多样性好、全局搜索能力强的特点。通过6个标准测试数据集的测试结果,证明新算法相对于模糊C-均值、遗传模糊聚类算法和粒子群模糊聚类算法具有更高的聚类精度和稳定性,尤其适合处理高维复杂数据的聚类问题。最后运用该算法求解模型,并评价不同粒度层次下聚类结果的有效性,进而确定使用可靠性最优区域粒度划分方案,表明算法能有效解决相关的实际工程问题。     

机器人多指手预抓取模式聚类分析

提出一种基于计算机视觉的,以及改进的模糊C均值聚类算法的机器人多指手预抓取模式分类方法.根据人手抓取分类学,将抓取手势分为13类.选取若干具有代表性的不规则形状物体,先经视觉系统采集物体图像,然后运用数字图像处理方法提取物体的姿态、大小、形状和表面粗糙度等特征,最后利用改进后的模糊C均值聚类算法对待抓取物体进行聚类分析.实验结果表明:对比人类抓取策略,该方法具有理想的预抓取模式分类效果.     

基于核模糊相似度度量的谱聚类算法

相似性度量的选择是谱聚类算法良好性能实现的关键。通常采用的谱聚类相似性的度量是基于高斯核函数的相似性度量。然而,谱聚类对这种相似度度量中的尺度参数非常敏感,并且确定一个合适的参数也很困难。另外,基于欧几里得的这种高斯核相似度度量无法有效反映复杂分布数据集的分布特点。针对此问题,通过利用基于核模糊C均值聚类算法得到的划分矩阵中隶属度的分布特点,提出了一个新的核模糊相似度度量,并将基于所提出的新的相似度度量的谱聚类算法(KFSC)应用于图像分割中。所提出的KFSC算法不仅克服了谱聚类对尺度参数敏感,而且解决了尺度参数很难确定的问题,获得更好的聚类效果。3个标准数据集、2个合成纹理图像及2个自然图像上的分割实验表明了所提出算法的有效性和鲁棒性。     

一种改进的计算机辅助模糊聚类方法

在机电产品的计算机辅助模块化设计中，引入模糊聚类分析方法用于定量的模块划分。在实际应用中，传统模糊聚类方法不仅效率低，而且不易程序化，难以操作，特别是在模糊相似矩阵的阶数比较大的情况下。为此，在改进的传递闭包法的基础上，提出了一种逐行合取的模糊聚类方法，简单实用。     

基于数学形态学和模糊聚类的旋转机械故障诊断

提出了一种数学形态学与GG (Gath-Geva)模糊聚类相结合的旋转机械故障诊断方法,通过对滚动轴承信号的多尺度形态运算得到信号的形态谱,定量反映了信号在不同尺度下的形态变化特征.为进一步对滚动轴承信号进行故障识别,提取出基于形态学操作的分形维数和描述不同信号形态特征的指标即形态谱墒,并把这2个参数作为GG聚类的故障特征向量,进行聚类分析,同时对GG聚类与FCM(fuzzy center means)聚类和GK (Gustafaon-Kessel)聚类进行了比较.实验证明了基于数学形态学与GG聚类相结合的机械故障诊断方法的有效性,且证明了GG聚类更适合对不同形状、大小和密度的空间故障数据模糊聚类,聚类效果更好.     

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。     

一种T-S模糊模型的自组织辨识算法及应用

提出了一种新的具有自适应学习能力的T-S模糊模型辨识算法.该算法通过使同一条规则的高斯函数的宽度参数彼此相等建立与支持向量机等效的T-S模糊模型,在此基础上,利用模糊聚类算法和支持向量机分别建立前后件辨识模型,并利用一种改进粒子群优化算法优化输出误差函数使前后件参数联合辨识,从而获得T-S模糊模型的结构和参数.仿真结果表明,相比其它方法,文中方法具有较高的逼近精度和较好的泛化能力,由此算法获得的直拉单晶炉热场模型具有0.1171的均方差,完全符合均方差小于0.5的要求.     

基于模糊技术的制造单元构建方法研究

针对制造单元构建的问题特征，提出基于模糊C均值逻辑的制造单元构建算法。采用改进的减法聚类法产生初始聚类中心，防止陷入局部优化；提出制造单元构建专用的距离函数测定零件的相似性，避免欧几里德距离函数造成的对零件的错误聚类；采用最优迭代方案选择算法，避免因停止参数选择不当造成算法最终迭代方案不可行。通过对10组文献数据和90组随机产生数据的大规模测试和比较分析，表明了算法性能的优越性。