基于信息物理融合的骨折复位机器人系统构建

针对骨折治疗中传统复位方法（手法复位、牵引复位、手术复位）存在的二次损伤、肌能失调、患肢僵硬、破坏血运及术后矫正动态性能差等问题,提出了一种人-机-物融合的信息物理系统（CPHS）用于指导机器人的复位动作。首先,从CPHS的数字孪生、信息感知、系统集成、手术流程、模拟复位等方面论证了并联机器人信息物理系统的构成,将机器人的高定位精度及可重复性与微创方法有效结合,从而指导医生完成仿真规划及术中监控等一系列操作;其次,根据临床骨折复位过程,在机器人操作下对5组不同骨折姿态的模拟骨折病例进行了复位实验;最后,计算出每组实验复位后的移位残余及角度误差,并与传统复位方法的相应数据进行对比。实验结果表明,CPHS骨折复位机器人相较于传统复位方法,在骨折复位过程和患者术后康复上均有着明显的优势。     

基于模型缩聚的θ指标损伤识别方法

为实现大型三维空间结构的损伤检测,提出了一种基于模型缩聚技术的检测方法。该方法利用有限数量的加速度传感器,得到大型三维桁架结构的自振频率和模态振型,以完成损伤的识别。数值仿真结果表明：该方法在损伤的定位识别和定量识别上能达到预期的适用性和可靠性。     

基于 Isomap的 CWME专家群体意见分析系统

针对从定性到定量综合集成研讨厅体系 ,对复杂问题分析过程中的专家群体的分散化思维 ,提出并实现了一种基于自动调查问卷的群体意见相似性定性分析方法。此方法基于群体行为的相似性特征对调查问卷的相似性度进行量化统计 ,并采用 Isomap算法将问卷量化之后产生的多维数据集进行降维及可视化表示。     

Production of niobium powder by magnesiothermic reduction of niobium oxides in a cyclone reactor

In the last years, a variety of processes respectively process steps have been investigated for the production of niobium powder. This is due to the fact that niobium capacitors could be a viable alternative to tantalum capacitors from a performance, availability, and price point of view. The reduction of niobium pentoxide by magnesium results in fine powders with high specific surface area but has the disadvantages of a very exothermic nature and the formation of magnesium niobate. It is shown in this work that the application of a continuously operating cyclone reactor and the use of niobium(IV) oxide as raw material solve these problems. A good control of the highly exothermic reaction within the cyclone reactor was achieved in the cyclone reactor by the ratio between gas flow rate and powder flow rate as well as by a proper preheating of the gas.     

基于二维水流-水质数学模型计算的飞来峡水库动态纳污能力研究

根据飞来峡库区水动力特征,选取库区水功能区纳污能力设计条件,采用二维水流-水质数学模型计算确定了库区纳污能力,为库区纳污总量控制和制定限排总量提供依据。     

改进的软件错误报告自动分类算法

软件错误报告的自动分类能够节省大量人力和时间,然而用户提交的错误报告主观性较强,对错误报告的描述较随意,造成自动分类的效率低下。为此,基于传统的词频-逆向文件频率( TF-IDF )算法,结合文档内词条频度与词条在同类别及不同类别文档中的分布情况,提出2种特征降维的改进算法,降维后再对词条进行权值处理,进一步提高特征降维的效果。实验结果表明,应用该算法得到的错误报告自动分类在精确率、召回率、F1值和准确度等指标上比现有算法都有明显提高。     

基于动态约简的增量贝叶斯分类算法的研究

朴素贝叶斯由于条件独立性假设使其分类效果不明显,同时在处理海量数据时缺乏灵活性。针对以上情况,提出一种基于动态约简的增量贝叶斯分类算法。算法首先利用(F-λ)广义动态约简计算出数据集的核属性,然后根据训练集的先验信息构造分类器对测试实例进行分类,最后利用类置信度进行选择性增量学习,增强处理增量数据的能力。实验结果表明,该算法在处理属性少的小量数据时,分类效果有一定的改善,在处理多属性大量数据时,分类效果明显提高。     

基于权重阈值寻优的案例推理分类器特征约简

为提高案例推(case-based reasoning,CBR)分类器的分类准确率并降低时间复杂度,本文提出了一种基于权重阈值寻优的特征约简策略.首先通过基于数据驱动的方法对特征权重进行分配,得到每个特征的权重结果;其次,设计特征权重重要度阈值的适应度函数,并利用遗传算法对该重要度阈值进行优化搜索,最后根据得到的优化阈值与特征的权重分配情况,删除权重小于该阈值的特征从而完成特征的约简过程.通过对比实验,本文所提策略能够有效提高CBR分类器的分类准确率并降低时间复杂度,表明了权重阈值寻优约简策略的可行性与优越性.验证了本文方法不仅可以降低CBR分类器的时间复杂度,而且能够提高CBR的决策与学习能力.     

影响装配可靠性关键故障源提取方法*

针对产品在装配过程中可靠性低,产品故障频发及故障源多样性的问题,引入信息熵理论,首次提出“可靠度熵”的概念,对影响装配过程可靠性的故障源进行定量分析。建立可靠度熵的综合评判矩阵,结合专家打分法对可靠度熵综合权重进行评价和排序,同时结合客观性强的粗糙集对故障源进行属性约简,提取出影响装配过程可靠性的关键故障源。采取预防及改进措施减少故障源的发生,从而保证装配过程可靠性。以数控磨床的砂轮架为例,验证了上述方法的可行性和正确性。