智能制造评价理论研究现状及未来展望

智能制造是实现制造强国的重要途径,随着我国智能制造进入全面推广阶段,针对智能制造发展水平开展科学评价成为现实需求。本文系统梳理了近年来有关智能制造评价理论的研究成果,从智能制造的关键技术、系统全局、行业领域3个视角归纳总结了智能制造评价体系的研究情况,对比分析了智能制造评价研究中常用的评价方法;剖析智能制造评价研究方面存在的主要问题,针对性探讨领域的未来研究方向。研究认为,现行智能制造评价的标准、流程、指标体系、应用等方面存在欠缺,需要从评价范式、评价体系、新技术融合等方面加以改进完善,以推进智能制造评价理论研究并指导智能制造发展。具体而言,健全标准设计,建立智能制造评价范式;优化指标体系,丰富关键核心评价内容;强化新技术融合,推进理论实践协同并进。     

新溶剂体系应用研究(二) 在常温干燥双组分聚氨酯涂料稀释剂体系的应用研究

新溶剂体系是指由乙酸仲丁酯、甲氧基乙酸甲酯、甲氧基乙酸仲丁酯、聚酯油构成的溶剂体系,这4种溶剂共同的特点是低毒或者无毒,都是来源于新的合成技术进步,又都符合国内外对于溶剂二次污染小的特性、性价比高的要求。介绍了该新溶剂体系在常温干燥双组分聚氨酯涂料稀释剂体系的应用结果,对于替代现有由甲苯、二甲苯、甲醚丙二醇(乙二醇)乙酸酯、环己酮等调配的稀释剂进行对比研究。     

拓展差异度的高维数据聚类算法

CABOSFV是一种有效的高维数据聚类算法。针对CABOSFV算法倾向于将数据对象分配到更大的类中这一问题,提出一种拓展差异度的高维数据聚类算法（CABOSFV_D）。该算法引入了调整指数[p],对原始稀疏差异度进行拓展,降低类大小对对象分配的影响;同时用位集的方式实现CABOSFV_D算法,使算法的运算效率明显提升。基于多个UCI标准数据集进行聚类实验,结果表明CABOSFV_D在聚类效果和时间效率上均优于原始CABOSFV算法。