发动机装配过程跟踪管理系统的研究与实现

研究了以提高制造过程的数字化、透明化为目标的发动机装配车间的产品跟踪系统,分析了该系统的原理和应具备的主要功能,给出了实现该系统的网络和硬件结构以及系统关键技术的实现方法.     

集装箱装载问题的模拟退火遗传算法

将模拟退火的思想引入遗传算法中,将两者结合起来,探讨了模拟退火遗传算法在复杂集装箱装载中的应用,以此达到缩小搜索区域,增强算法的收敛性的目的。该算法充分发挥了遗传操作中交叉算子的作用,并通过实例仿真表明该算法优于传统的计算方法。     

一种基于语义推理的智能家居系统研究

为提高智能家居系统的智能化,研究实现了一种支持语义推理的智能家居系统,基于自定义的服务规则,该系统能自动提供人性化功能.基于国际标准,化组织OneM2M制定的物联网标准,提出了新的语义架构,增加了设备对象池和指令集模块;结合家庭服务需求,分析了智能家居系统需要提供的服务功能,给出了智能家居设备本体模型结构,并采用OWL进行形式化描述.最后,使用SWRL构建了相应的服务规则,使用Jena推理机进行验证.通过系统验证,该系统能提供多种智能家居服务,而且具有较好的准确性和可靠性.     

基于Web Service的信息家电控制界面自动构建

信息家电的智能化促进了家庭设备的网络连接和网络控制的需求.通过Web Service将信息家电控制功能描述并发布,为远程用户提供设备服务控制.基于对当前家庭网络设备控制界面现状的分析,提出一种基于Web Service的自动界面生成技术.该方法可使远程用户的Android智能设备根据信息家电的WSDL信息描述自动生成控制界面并动态更新界面.为验证这种方法,设计一个信息家电控制模型.结果表明,该方法能够自动构建信息家电控制界面.     

基于Tabu搜索的贝叶斯网络在烟叶香型评价中的应用

烟叶香型通常是靠人的嗅觉评定的,评定结果的准确性往往难以保证。针对该问题,国内外建立了BP神经网络等感官评估模型,但识别效率不高。根据烟叶中化学成分与烟叶香型关系,使用基于Tabu搜索的贝叶斯网络建立烟叶香型识别模型。实验结果表明,使用该方法能得到较好的贝叶斯网络结构,与BP神经网络等方法相比训练效率更高,分类的结果也更加准确。     

云制造环境下可信第三方的非常规访问方式

为确保云制造环境下资源提供方利益,满足其在异常情况下实时纠错的需求,提出一种非常规动态访问方式。从服务能力、运营能力、服务成效方面建立评估价值体系,进行第三方可信监管平台选择。给出访问控制总体结构,引入时空属性、自由度、先决条件依赖、生命活动时间等概念作为授权约束,在不涉及服务方商业隐私前提下,允许第三方可信监管平台在生命活动时间内拥有对能力状态异常的资源提供方进行实时纠错的权限,为服务使用者提供更人性的服务。以汽车零配件生产为例,阐述应用该访问方式进行实时纠错的步骤,实验结果表明了该方法的可行性。     

基于深度信念网络的烟叶部位近红外光谱分类方法研究

近红外检测作为一种快速无损的检测方法得到广泛关注。但光谱中存在大量噪声以及光谱数据的高维度和非线性等特点影响了分类模型的准确率。将深信网络（DBN）的理论改进并引入光谱特征学习中,解决高维特征间非线性关系的学习问题,采用逐层训练策略和随机梯度上升法分别进行网络预训练和微调获得网络权值;并结合支持向量机（SVM）建立近红外光谱多分类模型DBN-SVM。与基于主成分分析的分类模型PCA-SVM和基于线性判别分析的LDA-SVM分类模型进行应用比较。结果表明:DBN-SVM算法能有效地学习高维数据中的内在结构和非线性关系,由该算法构建的模型具有良好的特征学习能力和分类识别能力,而且在稳健性、各类别的灵敏度和特效度也更优。     

非线性CSTR过程预测控制器设计

针对非线性CSTR(continuously stirred tank reactor)过程,提出一种新的预测控制的设计与仿真实现.在对一类特殊非线性过程分析的基础上,从系统的输入输出数据出发,基于子空间辨识算法建立双线性系统模型来近似描述被控系统;设计新的预测控制算法实现对CSTR过程的跟踪控制;为补偿模型失配以消除控制中的稳态误差,将积分作用包含在预测控制器的设计中,实现对控制输出的良好跟踪性能;最后通过一个仿真实例验证算法的有效性.     

基于上下文感知的内容适应算法及其在UPnP AV中的应用

针对UPnP AV如何根据AV播放环境进行内容适应的问题,提出一种基于上下文感知的内容适应算法CBCAA。首先获取AV播放环境上下文信息并进行分类;然后根据不同类型的上下文信息构建约束模型,利用约束满足求解方法得到相应的媒体内容描述决策集MDDS;最后将媒体源码按MDDS的描述转码,得到适应上下文要求的媒体内容目标码。CBCAA算法能够实现UPnP AV对AV播放环境的内容适应,从而提供智能多媒体服务。仿真实验表明了该算法的有效性。     

基于强化学习的减少烘丝过程中烟丝 “干头” 量的方法

针对烘丝开始阶段存在的烘丝温度超调、过干烟丝较多等问题, 提出一种基于强化学习 (Reinforcement learning, RL)的减少烟丝“干头” 量的方法. 该方法利用生产实时数据作为输入特征向量感知烘丝生产过程的状态变化, 以烟丝含水率检测值为依据来评价、优化烘丝温度控制策略, 实现对烘丝机温度设定值的在线修正, 优化烘丝开始阶段的温度控制, 有效改善烟丝过干问题. 与烘丝机的自动控制模式和人工干预模式相比, 烟丝含水率的标准偏差比自动控制时降低了44.7%, 比人工干预时降低了14.3%. 实验结果表明烟丝含水率的稳定性有较大提高, 烟丝“干头” 量明显减少, 验证了所提方法的有效性和可行性.