数字化车间布局模糊层次评价方法研究

按照模糊层次分析法的思路建立车间布局评价的模糊层次评价模型;根据影响车间生产性能的各个因素进行分析,建立车间市局评价的指标体系;应用层次分析法确定各因素的权重;自上而下的计算各级指标关于评价目标的综合重要度;通过专家打分的方法确定方案的隶属度;根据权重、隶属度,利用模糊层次评价方法,既可对车间的布局做出综合评价.最后以某发动机关键零件牛产车间为研究对象,验证了方法的可行性和有效性.     

基于复杂网络的非正式团体知识交互网络分析

针对知识在非正式团体中的传播特征,结合复杂网络理论,为了企业知识不断创新,提出了一种非正式团体知识交互网络模型.通过仿真得出,在小世界网络模型下知识的传播速度和平均知识水平比其他网络模型有明显优势,进而在非正式团体知识交互网络的描述与分析中提出利用"小世界"的平均路径长度和聚类系数来表征IFG知识交互网络中的交互频繁度和交互聚集度的思想,为进一步研究IFG组织及管理与其内部知识创新的内在联系提供了数量分析基础.     

基于DBR图的常数度P2P系统

通过将De Bruijn和Ring相结合,提出了一种新的常数度的DBR图（节点出度和入度均为2）。将DBR图应用到动态网络,设计并实现了常数度的P2P系统Tangram。Tangram的设计基于分布式哈希表,是一个可扩展的、完全无中心的和自组织的结构化P2P系统。对于节点规模为N的Tangram系统,路由表大小为O(1),平均的路由步数是O(log N),在路由表大小和路由步数之间达到了很好的平衡。通过模拟网络的实验表明,Tangram系统是稳定而高效的。     

基于中间节点效应的无标度网络演化模型研究

原BA模型以网络中已存在的各个节点与新增节点的连接相互独立为前提。然而,在真实系统中,当网络中一个节点与新增节点连接后,该节点对其邻居节点与新增节点的连接会存在影响。针对该现象,提出了基于中间节点效应的无标度网络演化模型。首先描述与定义了中间节点效应,然后给出了中间节点效应模型的生成算法,并从理论上分析了该模型的度分布情况,最后利用仿真验证了理论分析的正确性,并就度分布、群聚系数、平均路径长度等复杂网络参数与原BA模型进行了对比,结果表明此模型能生成无标度网络并且更符合现实网络的演化过程。     

基于概念图的信息检索的查询扩展模型

针对传统的基于关键词匹配的信息检索存在的查全率和精确率不高的问题,提出一种基于概念图匹配的查询扩展方法：一方面通过知网对用户查询的词或者句子进行扩展后,将用户查询和文档生成概念图;另一方面利用概念图的不完全匹配和语义相似度的计算方法计算概念图的相似度,以提高检索效果。实验结果表明该方法取得了良好的效果。     

液体流量计在线检测装置不确定度分析

液体流量计在线检测装置是由重庆市计量质量检测研究院研制出来的,主要用于现场检测关口水表、大口径流量计等用于贸易结算的流量计量器具。该装置克服了传统检测方法的不足、可操作性差的缺点,解决了关口水表不能现场进行检测的问题,具有实用性。该装置的建立满足了社会各企、事业单位的需要,并为政府计量管理和计量监督提供了科学依据。     

微小流量pVTt法气体流量标准装置的研制

介绍了20LpVTt法气体流量标准装置的设计原理和方案,并给出了装置中主要参数的测试方法及装置的不确定度评定。     

一种基于二进制区分矩阵的属性约简算法

提出一种基于二进制区分矩阵的属性约简算法,将传统的区分矩阵以二进制形式表现出来,并且针对这个区分矩阵的特点,从两个不同的层次考察属性的重要性,引导求解过程趋于最优化．采用多个数据库进行试验,并与其它两种约简算法进行比较．实验结果表明,该算法是正确且高效的．     

具有反馈增益摄动的网络化控制系统H控制

在考虑系统状态反馈增益发生加性不确定摄动的情况下,基于线性矩阵不等式（LMI）方法,研究了具有网络诱导时延的网络化控制系统（NCS）H非脆弱控制器的设计问题．以线性矩阵不等式形式给出控制器存在的充分条件,通过求解LMI得出控制器参数．数值示例表明,当其控制器增益不确定时,所提H非脆弱控制器仍保证NCS渐近稳定,并具有所期望的H性能;而当控制器增益不确定时,由H鲁棒控制控制器控制的NCS将不稳定．     

一种新型并联机床的驱动输入选择

基于螺旋理论,将并联机床全部分支中可作为驱动输入的运动副锁定后,可以得到作用在动平台上的 约束螺旋．选出与机构的自由度数目相同的约束螺旋与机构本身固有的结构约束螺旋组成约束矩阵,根据约束矩阵 的秩确定输入的合理性．将约束力／力矩矩阵的最小奇异值与最大奇异值之比定义为约束力／力矩各向同性度,并 以此为指标对各驱动输入组合的优劣性进行评价．驱动输入选择结果表明,该并联机床存在5 种合理输入,其中以 UPS 分支中的5 个P 副为驱动输入是最优组合．