共查询到20条相似文献,搜索用时 218 毫秒
1.
基于事例的推理技术CBR是人工智能技术发展的重要领域之一,而大型事例库的检索,一般的索引法和最近邻法等方法难以达到快速、准确的检索要求.因此,有必要研究智能检索推理技术.本文根据事例学习的决策树ID3和PID算法,提出了多概念学习决策树MNID算法,开发了基于事例学习的智能模具相似结构推理系统,并应用于冲模凸模结构Case库的检索,效果很好,系统通过事例的自主学习,产生出推理规则,并能根据用户对所设计模具结构的要求,自动检索出符合设计要求的相似Case,实现了CAD过程中大型Case库的自动检索. 相似文献
2.
3.
基于CBR和FMEA知识模型的产品保证成本预测方法研究 总被引:1,自引:0,他引:1
为了满足产品设计阶段数据信息少、参数不确定条件下产品保证成本预测的要求,提出了基于CBR和FMEA知识模型的保证成本预测方法,通过事例推理的方法从事例库中检索最相似事例来预测新产品的保证成本.重点研究了基于FMEA知识模型的事例库组织模型和基于模拟退火算法的事例权重优化方法,提高了事例的检索效率和准确度.最后通过一个实例证明了该方法的有效性. 相似文献
4.
5.
通过深入分析点焊工艺过程,结合基于事例推理的特点,将点焊工艺事例属性划分为两类:事例特征I和事例特征Ⅱ。设计了相似点焊工艺事例的检索策略:在事例特征I的约束下,以事例特征中Ⅱ所包含的材质的热物理性质和板厚作为检索相似事例的依据。应用模糊推理的方法对检索到相应的相似事例库中所含有的工艺知识、规则进行提取、总结,进而指导对新的点焊工艺事例的求解,从而较好的解决了点焊工艺设计中基于事例推理时,难以建立合适的模型对检索到的相似事例进行修正的难点,使点焊工艺参数的智能求解过程更加符合领域专家的思维,过程更加灵活,具有开放性。 相似文献
6.
基于CBR的注塑模结构智能设计系统研究 总被引:4,自引:1,他引:3
通过对基于事例推理(CBR)技术及注塑模设计过程的分析,得出将CBR思想应用到注塑结构设计中的可行性和必要性,提出了一个基于事例的注塑模结构智能设计系统的总体结构,并分析了关键技术的实现方法。 相似文献
7.
基于事例的注塑模架自动设计系统的研究 总被引:5,自引:0,他引:5
通过以当前模具企业模具企业和制造流程的分析,提出了首先进行模架设计,然后并行进行架定购和详细设计的思想;根据注塑模架设计过程的特点,引入事例推理设计技术,提出基于事例推理的注塑型架自动设计系统,并对其关键技术进行了详细的分析。按照软件工程思想,给出系统的数据流程图及系统结构图。整个系统基于参数化图形库,并提供了引导用户交互自行模架的工具,能方便地改造成符合用户要求的专用模架设计系统,并可进一步用于注塑模具详细结构设计,可较大幅度地提高模具设计的速度与质量。 相似文献
8.
9.
10.
11.
连续事例推理智能控制在复杂控制系统中的应用 总被引:1,自引:0,他引:1
提出用连续事例智能控制方法建立知识库和推理机,并将宣和定性相结合使系统 线学习和修正功能、对实际过程和环境有一定的组织决策和规划的能力、能模拟人的智能和经验,以解决复杂过程中的控制问题。讨论事例推理的智能控制方法是可行的和实用的。 相似文献
12.
目的 实现滚磨光整加工工艺制定过程中滚抛磨块快速、准确地优选。方法 在分析滚磨光整加工工艺特点的基础上,根据滚抛磨块优选的E-R图构建案例库,建立基于案例推理的滚抛磨块优选模型。针对不同案例特征属性的数据类型,选择合适的特征属性相似度计算方法;通过层次分析法确定案例特征属性的权重,采用加权最近邻居法计算案例间的综合相似度,并通过案例处理获得新问题的优选磨块。采用模糊C均值聚类算法对案例库中的冗余案例进行处理,实现案例库的动态优化。最后,采用实际的不同零件类型的不同数据进行仿真。结果 大量仿真结果表明,采用模糊C均值聚类算法,处理案例库中的冗余案例,可以有效提高案例推理的检索效率和精度;针对实际的新问题,基于模型并通过案例检索、修正,可以从案例库中快速提取出新问题的相似案例,验证了模型的可行性和有效性,重要的是能够为新问题的磨块优选提供决策指导。结论 基于模糊聚类的案例推理技术可以用于滚磨光整加工工艺实施时的滚抛磨块优选。 相似文献
13.
14.
15.
16.
17.
18.
19.
贫化电炉节能降耗智能决策支持系统 总被引:1,自引:0,他引:1
介绍了渣贫化电炉生产过程智能决策支持系统(IDSS)的结构和功能,论述了以模糊决策规则为基础的知识库和模型库。该系统具有自学习和自适应功能。仿真结果表明,用该系统优化出的操作参数指导生产可有效降低单位产品的能耗和有价金属的随渣损失,获得良好的生产指标。 相似文献
20.
目的解决研磨抛光工艺决策中工艺试验耗时耗力的问题,实现在研磨抛光加工中根据加工工艺参数对加工质量进行预估。方法采用遗传算法优化的BP神经网络为主要算法,构建智能预测模型,建立研磨加工中输入参数和输出参数之间的映射关系。然后收集有效的输入参数和输出参数作为网络训练和测试的样本数据集,通过遗传算法对神经网络的初始化权值和偏置进行优化,用样本数据集训练神经网络。同时,在决策系统的理论基础上,将神经网络与决策系统进行结合,利用神经网络的学习能力建立智能决策的数据库和规则库,最终建立智能决策系统。结果与无改进的BP神经网络的决策方法相比,无论是在预测精度,还是学习速度上,遗传算法优化的神经网络性能更加优异,决策系统的决策效果更好。结论研磨加工工艺智能决策系统是可行的,为研磨加工的工艺决策提供了一种新的思路。 相似文献