制造过程质量决策粗糙集模型

针对当前企业对获取的制造信息进行深层次挖掘的需求,提出了制造过程质量决策粗糙集模型.分析了制造过程状态参数与质量之间的作用关系;基于粗糙集理论,提出了从制造数据中获取质量知识的最优规则集算法,研究了制造信息和决策知识确定性的度量方法.最后,以实际生产中的轴加工为例验证了模型的正确性和有效性.     

基于概念分层和规则推理的铝电解决策支持系统

介绍一种基于概念分层和规则推理的新型决策支持系统在铝电解生产过程控制中的应用.利用在线联机处理和数据挖掘技术实现多维数据分析获取领域新知识,采用基于概念分层和规则推理的方法,实现铝电解生产过程控制的决策过程.     

基于变精度粗糙集的生产工序质量规则提取

针对生产工序质量规则提取不全面的问题,提出一种基于变精度粗糙集模型的工序质量规则提取的新方法.该方法通过选择合适的分类正确率β,运用知识约简简化系统获取规则,并利用准确度评价规则,不仅能够提取出最佳的质量控制参数,还能得到比较全面的决策规则.实验结果表明,该模型有效弥补了经典粗糙集模型在处理噪声数据时的不足,能准确地获取决策规则,具有更广泛的适用性.     

基于智能决策支持技术的冲模设计系统研究与实现

将智能决策支持技术应用于冲模CAD系统中,提出了智能决策支持下的冲压工艺及模具结构设计系统的设计模式,探索了集成工程环境的冲模设计智能决策支持技术的应用方法,建立了冲模设计智能决策支持系统的框架,并研究了冲模设计知识表示、集成和决策知识系统方案评判、设计接口等关键技术的实现,给出了在I-DEAS三维设计平台上的应用实例.     

基于粒子群的粗糙集属性约简与数控机床故障诊断研究

数控机床故障诊断的核心任务是根据故障征兆,经过推理计算,自动识别故障发生原因,文章把粒子群算法和粗糙集运用于机械设备的故障诊断中,提出了基于粒子群的粗糙集约简的故障诊断知识获取、规则优化和故障识别。首先介绍了粗糙集属性约简,并把粒子群算法应用于粗糙集属性约简算法中,最后从对相关数据集的约简实验结果角度证明了算法的正确性和优越性。     

基于蚁群算法与神经网络的机械故障诊断方法

为解决柴油机故障诊断这一复杂问题,提出了一种基于智能互补融合的智能诊断方法.采用蚁群算法(ACA)对反映运行工况的特征参数进行属性约简,剔除不必要的属性.根据约简结果,建立了基于径向基函数(RBF)神经网络的故障诊断系统.网络的训练对比结果表明,基于蚁群算法的约简处理简化了输入神经网络的数据维数,提高了网络的训练效率和故障分类准确性.     

基于知识的智能故障诊断方法和过程实现

研究了基于知识的智能故障诊断方法和过程实现,对故障知识采用人机交互以及数据挖掘相结合的方法,采用了基于本体的语义知识表达来实现专家经验知识的表述.阐述了故障诊断自组织过程的实现过程.以PZ4650胶印机为例,进行了有关诊断决策与评价分析.     

基于Rough集的磨削参数决策系统

本文介绍了5层模糊神经网络的优缺点，提出了基于Rough集构造模糊神经网络的方法，并应用于多传感器的磨削参数决策系统，达到控制磨削加工质量的目的。     

面向智能决策的结构化工艺知识建模建库技术研究

为了解决智能制造工程中的工艺知识处理与决策技术问题,通过对工艺分析、工艺方案、等工艺业务过程的知识应用需求分析,重点研究工艺知识的表示、获取、处理、共享和决策等技术,并建立了工艺知识体系和可定制的结构化工艺知识模型,为知识驱动的工艺智能决策和快速工艺设计提供了坚实的基础和保障,对航空企业工艺知识库的建设具有一定的参考和指导意义。     

基于混合策略的MRO信息系统研究

为推行现代化先进的维修决策理念,提高设备的运行可靠性,系统分析维护、维修和大修的信息系统需求,将信息网络技术与智能决策应用于维修管理,提出基于混合策略的MRO体系结构,并通过实例对系统的应用进行了讨论。     

粗糙集理论在注射成型中的应用

粗糙集理论是一种处理模糊和不确定知识的新型数学工具。运用粗糙集理论对塑件在注射成型过程中常见的成型不足问题进行分析,通过属性约简,找出影响塑件成型质量的关键因素,提炼出对判断成型塑件结果有重要意义的决策规则。研究结果表明,粗糙集理论用于塑件注射质量分析可简化复杂的影响因素,找出更为清晰简明的判断规则。     

粗集神经网络过程监控模型的增量学习法

对监控对象的知识获取是过程监控的一个关键技术,粗集神经网络过程监控模型采用了事例知识获取的方法,该方法简单易行,但存在样本分布空问不能覆盖论域空间的问题。为解决该问题,本文采用了决策树增量学习法和神经网络完全学习相结合的方法。经分析表明,该方法符合粗集神经网络过程监控模型的特点,能较好地从新增样本中获取知识,并具有较快的学习速度。     

基于粗糙集理论的冲模设计隐性知识发掘的研究(英文)

为了克服目前在基于规则推理(Rule-Based Reasoning,RBR)系统中获取和更新规则的困难以及加快基于事例推理(Case-Based Reasoning,CBR)系统中的事例检索过程,文章提出了一种基于模糊集和粗糙集理论、从冲压模具设计库中发掘隐性设计知识的技术。所发掘的知识以规则的形式表达。该知识发掘过程包括:(1)冲压零件基于特征的模糊表达;(2)冲压事例的模糊聚类;(3)基于粗糙集的规则获取。为了进行验证,文章在原型系统中建立了一个包含53个事例的原型事例库,并从中自动发掘出了38条规则。通过事例聚类和属性约减,CBR系统的检索速度可以得到较大的提高。此外,由于所发掘的规则以产生式规则的形式表达,RBR系统可以利用这种技术建立和更新规则。     

漏焊智能检测系统中的知识获取

在智能系统中，知识获取是极为重要的，它在一定程度上反映了系统智能水平的高低。在知识获取的过程中应用计算方法是当前国内外研究人员的研究热点。粗糙集理论作为一种新兴的计算方法具有极大的应用潜力，已经广泛应用于模式识别、医疗诊断、医疗数据分析、图像处理、质量控制、故障诊断、数据挖掘和过程控制等许多领域中。在本检测系统中，由于具体条件的限制和人为因素的影响，传统的方法不能满足要求，必须用智能的方法加以解决。而解决问题的关键在于如何有效地获取检测过程中的知识，从而实现智能检测。将粗糙集理论应用于相关初步知识的获取，再由神经网络对所获取的初步知识进行优化，可以提高知识获取的效率。本文给出了该智能检测系统中运用粗糙集理论获取相关初步知识的方法。     

基于本体元模型的锻造知识管理系统建模与工艺推理

知识管理系统的首要问题是知识建模,知识模型直接影响着整个系统知识的获取、共享、重用和推理。文章运用领域本体思想对锻造知识进行分类、总结,提出一种基于本体元模型驱动的锻造知识管理模型,初步构建了锻造知识领域本体,采用框架概念图表示锻造知识。文章还结合锻造工艺知识,给出了本体元模型驱动和概念图框架知识表示模型在锻造知识管理中的具体应用,并提出一种适合于本体元模型的推理方法,并将该方法用于锻造工艺知识推理。本体元模型驱动的知识库构建方法在组织锻造知识时,具有构建速度快、良好的互操作和知识共享等优点。     

基于知识库的焊接裂纹诊断专家系统

从分析焊接裂纹的特点出发,提出了基于知识库的焊接裂纹诊断专家系统。文中给出了系统总体结构模型和面向对象模型,根据系统要求建立了数据库、积累案例形成案例库;获取专家结构模型和面向对象模型,根据系统要求建立了数据库、积累案例形成案例库;获取专家经验及领域知识建立了规则库;依据知识层次结构建立了模型库,这四库一体化形成专家系统。文中介绍了基于案例、基于规则和基于模型的诊断推理,比较了各种诊断理方法的优、缺点,并提出了基于案例、规则和模型的混合推理,其优点在于能充分发挥各种推理方法的优势,克服各自存在的不足,能量大限度地找到问题的解。文中讨论了贴近度的定义、表示和计算以及规则表示等问题。最后文中给出了系统的功能和实现方法。应用证明基于知识训的焊接裂纹诊断专家可以得到与专家同样的诊断结果。     

热收口智能优化设计系统中的CAD/CAE集成技术研究

以自主开发的热收口工艺知识优化设计系统为背景,论述了基于知识对象模型的CAD/CAE集成技术,通过知识对象的桥梁作用,实现基于知识的CAE建模和基于知识的CAE智能反馈,应用CAE分析的结果指导改进工艺设计,实现CAD/CAM无缝集成。     

基于遗传算法和神经网络的软脆工件研磨加工工艺智能决策系统

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。     

Al-Si合金活塞金属型铸造工艺和模具设计智能化

为了开发Al-Si合金活塞金属型铸造工艺和模具智能化设计系统，在对国内外先进设计经验总结、归纳的基础上，采用面向对象的知识表达方法，建立了模块化的知识库。系统应用了基于实例的推理技术并建立了实例库和实例原型库。通过开发的文件接口程序，完成了一般设计型专家系统与传统CAD系统的连接，实现了智能化设计。通过与现场使用的设计方案比较，验证了本系统的有效性和实用性。     

Knowledge Acquisition from Assembly Operational Data Using Principal Components Analysis and Cluster Analysis

Difficulties identified in the use of performance measures to monitor and control manufacturing or assembly system behaviour justify the evaluation method presented in this paper. The ability to improve the effectiveness of both evaluation and decision-making tasks, based on the knowledge acquisition from operational data, is an important requirement for an effective planning and systems operation. The proposed evaluation method is based on the use of multivariate techniques-Principal Components Analysis and Cluster Analysis-and will prevent the loss of information in each available set of measures and will promote effective use of data in the analysis of system performance.