大型数控钻铆机的快捷调平方法

对大型数控钻铆机研制中的调平技术进行了研究,针对生产实际情况,提出了快捷调平方法。该方法采用离线计算模式,用计算结果进行ＮＣ编程。这种方法具有精度高、速度快的优点,再结合遗传算法进行路优化,尤其适用于各种壁板类工件的自动铆接加工。     

一种元语言调试环境

调试环境可以帮助用户进行查错，理解程序，确保程序的正确运行，基于XVCL(XML-based Variant Configuration Language)来的批处理方式，设计并实现了一种元编程语言的调试环境IXP；为了方便对断点的管理，设计了一种断点规范语言DSPL．实际使用证明这种调试环境可以有效地帮助用户进行XVCL程序的调试和理解。     

基于区块链的工业物联网联邦学习系统架构

联邦学习是一种新兴的保护隐私的机器学习算法,它正在广泛应用于工业物联网(IIoT)中,在联邦学习中中心服务器协调多个客户端(如物联网设备)在本地训练模型,最后融合成一个全局模型.最近,区块链在工业物联网和联邦学习中得到了利用,以用来维护数据完整性和实现激励机制,吸引足够的客户数据和计算资源用于培训.然而,基于区块链的联...     

基于微服务的石油大数据挖掘平台

为推进大数据技术在油田领域的快速融合和应用，提出一种覆盖大数据处理整个生命周期的多功能大数据处理平台。平台融合各类大数据分析框架和机器学习框架，设计面向油田领域，能够支持实时和离线处理的数据挖掘功能。基于Docker容器封装各类计算框架和算法服务，并基于Kubernetes框架完成容器的编排与调度。在系统的架构方式上采用基于微服务的架构方式，将不同技术栈的应用独立分解为单个服务模块，以此来保证业务系统服务的可靠性、可扩展性。这使得企业数据分析人员能够专注于业务数据分析问题，而不必花费大量时间学习框架部署和其他大型数据挖掘技术细节。     

深度学习驱动的智能冰箱*

食品识别是智能冰箱的核心技术之一,但冰箱中食品的种类繁多并且摆放较为随意,相互遮挡的现象比较严重,这给冰箱中的食品识别带来了诸多挑战。为了提高冰箱内食物的识别效率,以识别冰箱中的果蔬为切入点,提出了一种基于智能冰箱的数据采集、数据处理和果蔬识别的整体架构,以及一种在冰箱环境下的基于深度学习的数据融合的果蔬识别方法。使用这种方法有效提高了在冰箱环境下果蔬识别的准确率。通过对采集的大量数据进行实验,证明了该方法具有良好的性能和识别准确度,能有效解决冰箱环境下果蔬识别问题。     

面向资产重用的管理信息系统开发模式

为了改变管理信息系统 (MIS)开发所处的被动局面 ,本文提出了一种新的开发模式 .利用统一建模语言的描述与支持作用 ,结合人工智能 ,以 MIS为对象进行特定领域的软件体系结构的研究 .利用在这个过程中产生的重用资产 ,可以快速高质量地构建 MIS.     

基于LSTM的工业互联网设备工作状态预测

随着工业互联网技术的发展,工业互联网设备的工作状态预测对于提升设备的可靠性具有重要意义。在实际的工业场景中,由于设备数据高度离散且在多个时间段内相互重合,简单的单信号预测和阈值方法是无效的。本文提出一种基于LSTM（长短时记忆）神经网络的设备工作状态预测模型。首先使用SMOTE算法进行数据倾斜处理,利用PCA算法进行数据降维,之后基于LSTM神经网络构建设备工作状态预测模型,最后利用F1分数值进行模型评估。本文基于真实的空调压缩机数据进行实验验证,实验结果表明了本文方法的有效性。     

螺栓联接疲劳强度的提高

螺栓联接是一个超静定（静不定）系统，其中各零件所受载荷的分配情况取决于系统中零件的相对刚度。普通结构的螺栓联接系统，由于螺栓、螺母固有的问题，如截面突变、刚性较大等，应力集中非常严重。尤其对于承受重载的重要螺栓联接，更是一个值得注意的问题。这些螺栓主要承受交变应力，破坏形式多为疲劳破坏。为了改善螺栓联接的应力集中状况，提高其疲劳强度，实际应用时可从以下几方面考虑：一、改变螺母及螺栓的结构，以提高系统的柔度普通螺母柔性差，与螺栓联接处各圈螺纹上的载荷分布很不均匀，应力集中严重（见图1），尤其对于图1…     

基于区块链的微认证系统架构

针对现有微认证系统架构依靠中心化的管理模式,不能够保证微认证安全性的弊端,本研究利用了区块链的分布式结构,透明性与不可篡改性的特点,探讨了如何将区块链技术引入微认证系统的架构设计中.本文首先阐明了当前微认证系统中存在的弊端,介绍了区块链生态系统的基本概念;其次,设计并提出了基于区块链的微认证系统架构,以提供高效率且简单直观的微认证相关服务;最后,实现了解决方案的原型,验证了系统原型的性能表现,并进行了安全性探讨.实验结果表明,本文方法能很好地应用于微认证系统,以促进设计和实现基于区块链的微认证系统.     

基于微服务架构的众包图像数据集标注系统

深度学习在图像识别领域凸显出了优势,而在深度学习图像识别模型训练的准备阶段,制备图像数据集需要人工将图片上的信息进行标注.这一准备过程往往需要耗费大量人力成本与时间成本.为了提升数据制备阶段的工作效率,从而加速深度学习模型的生成与迭代,提出了一种基于微服务架构的多人协作众包式图像数据集标注系统.通过将繁重的标注任务划分...