基于随机森林算法的CAM模板自动提取研究

将传统的数控编程与机器学习相结合,提出一种新的CAM模板的提取方法,利用随机森林算法分析数控工艺的关键参数,以随机森林相似性矩阵替代距离函数进行聚类分析,实现CAM模板自动提取。通过实际案例验证基于随机森林算法提取模板的可行性和准确性。结果表明:利用随机森林算法聚类分析得到的结果稳定性好,准确率达59.5%。     

铸造模拟数据中的缺陷体素单元标识技术

为了能够让铸造模拟数据更好地适应机器学习的需要,将经验公式和人工分析两种方法一同引入到铸造缺陷预测分析中,在直接体渲染技术基础上,提出了针对铸造模拟数据中的缺陷体素单元的标识技术。实际案例分析表明,这种标识技术可以有效并准确地辅助分析人员将缺陷体素进行标识。凭借标识技术,分析人员观察分析模拟数据并对特定体素进行标识,以此将长期实践经验保存下来。     

基于ID3算法的实例学习及其在注塑模浇口选型中的应用

当前许多设计问题都涉及到专业领域知识的学习和应用,因此怎样抽取知识并自动应用于设计过程成为当前人工智能领域和设计工程师需要解决的问题。ID3是人工智能中基于实例学习中最有影响的算法,本文详细论述了基于实例机器学习方法和ID3算法的基本原理,最后并应用于注塑模浇口方案选型过程中,取得了较为满意的效果。     

基于OBE教育模式下的《现代表面技术》课程教学改革研究

《现代表面技术》课程是机械类和材料类专业的必修课之一,对提升学生的实际工程技术水平具有积极作用。本文将“以成果为导向”的成果导向教育（OBE）教学理念融入到《现代表面技术》课程教学中,在教学过程中加入表面处理技术相关的学术前沿动态和培养导师布置的科研课题等内容,并在引入案例分析法、项目驱动学习法等学习模式的同时,搭配“课前引导—课本讲授—作业辅导”的线上线下创新教学方法,提出相关行业实习策略,创建了基于网络学习平台的多元化考核评价系统。实际教学效果表明,该方法能有效提升学生学习的兴趣和积极性,培养学生在现代表面技术领域的创新精神和实践能力。     

基于小样本机器学习构建镍基高温合金应力应变本构模型

在镍基高温合金力学本构模型构建的过程中，使用小样本机器学习方法，结合数据增强、网络结构优化、迁移学习等方法，构建了小样本神经网络模型，降低了对实验数据量的依赖性，经过测试，模型精度高于一般BP神经网络和唯象型本构模型。     

基于EMD-LSTM的冷轧煤气消耗量预测模型仿真

针对煤气消耗数据量大，而传统机器学习模型在处理大数据时准确度不高，且数据在时间上有一定规律可循的特点，利用长短时记忆神经网络（LSTM）独特的记忆能力对煤气进行预测。为提高LSTM预测模型精度，使用经验模态分解（EMD）算法将煤气消耗数据分解为若干个相对平稳的固有模态函数和一个残差项r(t)，提出基于EMD-LSTM算法的组合煤气预测模型。结果表明：与BP、EMD-BP、LSTM模型相比，该方法能够准确预测煤气消耗量，为企业节约成本和调度人员进行煤气分配提供参考。     

浦项大力构建智能工厂

正浦项钢铁公司将50年来积累的钢铁制造技术与物联网、人工智能、大数据等先进技术进行对接,极力构筑最佳的智能化生产体系,提高产品质量。采用物联网技术实时收集生产现场数据,并进行解析;智能传感技术可呈现出数据之间的相互关系;智能分析技术以金属工科理论和专家经验为基础,融合大数据分析,对工艺状态进行预测和预知,提前进行处理;智能型设备通过自主学习最佳实践案例,逐步实现智能     

基于案例与实践的机器人研究型教学模式探索

根据机器人实验课程教学的特点,通过基于案例的工业机器人实践教学方法,从程序设计、实验操作、创新能力三个层次探讨了机器人研究型教学模式。在课程内容设计上,将机器人机构及控制等多方面相结合,介绍工业机器人各功能模块的实现原理和使用方法,在教学形式上,通过多种实验形式,系统性地开发机器人实验。在教学方法上,与工程实际相结合,通过示范多种品牌工业机器人的应用实践操作等案例式教学模式,以研究课题为牵引,完成研究型课程设计。通过学生参加具有探索性、实践性、创新性、协作性的研究型教学活动,有助于提高机器人实验课程的教学质量,培养学生的创新精神和动手实践能力,满足产业和企业需求。     

CBR技术在《模具CAD/CAM》教学中的应用

将CBR技术运用到《模具CAD/CAM》课程教学活动中,采用任务驱动的课堂教学方式,以游戏机手柄上盖为实例,介绍了实例的实施过程,并基于此实例推理学习相关的实例教学过程,结合学院的客观实际情况和教学实践条件,运用CBR技术组织教学活动,课程教学效果好,提高了学生的学习积极性,激发了学生的学习兴趣。     

基于机器学习算法的核电结构材料性能预测

核电作为我国能源的重要组成部分,显示出巨大的发展潜力。随着核电技术的不断提高、完善,各类核电结构材料层出不群,寻找性能优异的新型材料成为影响核电站安全性和经济性的重中之重。同时材料信息学的助力使得研究人员可以高效地得到大量试验与计算数据,基于以上数据通过机器学习算法即可预测材料的性能,为新材料的研发提供新的契机。对机器学习原理及方法进行了概述,基于核电合金结构材料数据库构建了适用于核电结构材料性能预测的机器学习系统,并对该系统进行流程介绍和具体示例演示。最后,结合对核电结构材料性能预测机器学习系统的研究,指出机器学习在材料领域存在的问题和未来研究方向,希望利用机器学习方法加速新材料的研发进程。     

创新型企业家的个人知识与大学生创业知识生成

人类通过知识生产模式1或知识生产模式2生产言传知识和意会知识。目前大学课程的内容结构与课程取向不利于学生完整把握人类知识,因而学生创新创业能力低下。创新型企业家依靠知识创新进行创业和实现企业可持续发展,根本保障是其关于创业、产品开发与管理创新的多维个人知识。创新型企业家通过企业内外的同质性和异质性实践交往、企业内部的物质性与精神性实践交往、对外的求实性与道德性实践交往,不断完善其个人知识。为了培养知识创新型创业人才,我国大学应该调整课程的内容结构,让学生通过多维知识学习改善知识结构,突出创新情境体验与创业案例分析,促进其创新理念生成;强化课程与教学的实践取向,突出应用开发的扎实训练,促进学生产品开发或识别能力生成;鼓励尝试创业与模拟创业,为学生创造异质交往与团队建设的机会,促进其创业能力和企业管理能力生成。     

《材料分析测试技术》课程实践教学改革与探讨

材料分析测试技术课程是关于材料理论知识的高度总结和概括,涉及晶体结构、测试原理、测试方法手段等多方面复杂抽象的内容.本文以铸造专业的学生为对象,针对材料分析测试技术课程中常出现听不懂,不会用等普遍存在的问题,研究了实践改革理论和方法,通过教学实际运用证明,学生的动手能力和学习热情得到较大提高.     

基于数据预处理与智能优化的高炉铁液温度预测模型的研究

基于BP神经网络的数据预处理方法建立高炉铁液温度预测模型。首先通过对数据的滤波去噪及相关性分析,选择与高炉铁液温度相关的输入和测量变量;再用创新的智能优化算法(粒子群蚁群算法)优化BP神经网络的参数,从而提高模型的精度。依据生产现场实际数据进行的试验表明,所建立的基于数据预处理与智能优化的高炉铁液温度预测模型的命中率有明显的提高,对实际生产现场更具有指导意义。     

工程教育背景下大学生工程能力课程设计与实践

在工程教育背景下，着眼于培养新时代大学生的工程素养与工程实践能力。本文以学生为中心，结合CAD/CAM数字化设计与制造工程实践课程设计，以全国大学生工程综合能力竞赛项目为教学案例，进行工程能力实践教学改革，将数字化、智能化制造引入教学环节，实施具有特色的项目化教学方法，通过对该课程教学改革方法的实施，不仅增强了学生的学习主动性，同时，又提升了学生的工程素养与综合实践能力，课程整体教学质量得到显著提高。     

基于数字孪生的含裂纹焊接结构可靠性评价混合实践教学模式

为了适应当前新工科教育的需要，提高材料成型及控制工程专业实践教学质量，培养学生创新能力，以含缺陷焊接结构可靠性评价实训课程为研究对象，进行了材料成型及控制工程专业实践教学改革的探索。将当前教育领域的探究式教学理念、虚实融合方法及数字孪生技术方法融入材料成型及控制工程新工科实践教学改革，构建了基于“虚拟+数字孪生”环境的焊接结构裂纹扩展混合实践教学平台，将理论学习、虚拟仿真试验和实际“实验操作”结合一体；同时针对实际工程案例，学生独立自主设计试验方案，完成数据分析及应用，实现理论与实践的统一。利用此混合实践教学模式，解决了新工科项目式教学设计难题，有利于促进学生的自主学习，激发学生工程实践的探究兴趣，增强学生的实践动手能力和创新能力，从而有效提高实践教学效果。     

塑料模具课程教学改革与实践

针对模具课程从课堂教学和实践教学两个方面进行了改革,引入CAD/CAE/CAM技术,以丰富的三维模具结构实例、仿真分析结果并与模具实际案例相结合的方式提升课堂教学效果;同时通过展会参观、模具装拆实验、模具设计大作业等环节加强实践教学。通过课堂教学与实践教学的有机结合,激发了同学学习兴趣,提高了学生的知识综合运用能力。     

伺服系统中PID控制器参数整定的研究

针对伺服系统中常用的比例-积分-微分(PID)控制器的参数手动整定不方便的问题,对机器学习算法和模糊控制进行研究,重点分析反向传播(BP)算法和模糊控制器的设计方法,提出一种基于机器学习和模糊控制的PID参数整定方法。利用BP神经网络的学习能力得到系统模型,结合模糊控制进行预测得到PID参数,并在实验平台上进行验证。研究结果表明:通过机器学习和模糊控制得到的PID参数具有较好的控制效果,该方法能够避免手动整定PID参数,节省大量时间。     

基于改进型支持向量机算法的轧机轧制力预测

考虑到基于神经网络算法建立的预测模型虽然具有较好的预测精度,但是神经网络模型需要大量的训练样本,另外会增加模型的复杂程度,研究了一种基于改进型支持向量机的轧机轧制力预测模型,建立基于RBF核函数和多项式核函数的最小二乘支持向量机,并使用协同量子粒子群算法对混合函数的参数进行寻优,以提高预测模型的预测性能。由协同量子粒子群算法优化得到了基于改进型支持向量机的轧机轧制力预测模型中的RBF核函数参数γ值、惩罚系数c值、多项式核函数参数q值和两个核函数的权重a值。通过实例研究表明:使用本文研究的改进型支持向量机的轧制力预测模型预测相对误差在4%～6%之间,多组数据的平均值误差为4. 83%。验证了本文研究的基于改进型支持向量机的轧机轧制力预测模型的可行性。本文研究的预测模型相比其他3种对比模型耗时更长,但是相比之下提高了预测准确率,更具有实际意义。     

基于PCA降维结合机器学习算法的人机交互手势识别研究（英文）

更加自然和灵活的手势识别技术正逐渐成为智能移动机器人控制的重要人机接口。为了进一步提高基于计算机视觉的机器人导航控制的实时性和精度,提出了一种基于主成分分析(Principal Component Analysis,PCA)降维结合机器学习算法的手势识别方法。首先,对视觉摄像头捕获的手势图像进行预处理,具体包括图像二值化、中值滤波和形态学变换。然后通过PCA提取主要特征并对数据进行降维。最后结合机器学习中自组织神经网络(Self-Organizing Feature Maps,SOM)作为分类器应用于手势识别,具体采用的是学习向量量化(Learning Vector Quantization,LVQ)神经网络。静态手势实验测试结果表明:相比网络和K-means算法,提出方法缩短了手势识别时间,且识别准确率得到有效提高,验证了方法的有效性。     

基于PCA降维结合机器学习算法的人机交互手势识别研究

更加自然和灵活的手势识别技术正逐渐成为智能移动机器人控制的重要人机接口。为了进一步提高基于计算机视觉的机器人导航控制的实时性和精度,提出了一种基于主成分分析(Principal Component Analysis,PCA)降维结合机器学习算法的手势识别方法。首先,对视觉摄像头捕获的手势图像进行预处理,具体包括图像二值化、中值滤波和形态学变换。然后通过PCA提取主要特征并对数据进行降维。最后结合机器学习中自组织神经网络(Self-Organizing Feature Maps,SOM)作为分类器应用于手势识别,具体采用的是学习向量量化(Learning Vector Quantization,LVQ)神经网络。静态手势实验测试结果表明:相比网络和K-means算法,提出方法缩短了手势识别时间,且识别准确率得到有效提高,验证了方法的有效性。