基于支持向量机的控制图在线检测和分析系统的研究

针对控制图在线检测和分析的要求，提出了系统基本框架。利用一对一算法的多类分类支持向量机进行控制图模式识别和异常模式下参数估计。在模型构造中，采用混合核函数，并利用遗传算法优化混合核函数支持向量机参数。仿真结果和实际应用表明：该方法结构简单、收敛速度快，识别准确率高，能够满足控制图在线检测和分析的需要。     

基于粒子群—小波神经网络的短时交通量预测

针对短时交通量的非线性和时变性,提出一种基于粒子群—小波神经网络的预测方法。该方法以前馈多层感知器的神经网络拓扑结构为基础,将预测误差反向传播,经粒子群优化算法对神经网络连接权值进行修正。隐含层神经元选择Morlet母小波基函数作为激活函数,利用小波分解分离短时交通量的高频部分和低频部分,防止高低频数据之间的过度影响,进一步提高预测的精度。根据最简化结构概念对神经网络结构进行泛化,确定最优网络结构,提高预测的速度。通过实例预测显示,该方法预测精度高,预测速度快,能够满足实际工程的要求。     

基于支持向量机的控制图模式识别

为了提高控制图模式识别效果，提出混合核函数支持向量机的模式识别方法。在模型构造中采用一对一多类分类支持向量机，并利用遗传算法优化混合核函数支持向量机参数。仿真和应用结果表明，混合核函数支持向量机对各种模式控制图的总体识别率，I型错判均优于单独核函数、概率神经网络和小波概率神经网络，且具有良好的泛化能力，适合生产现场实时在线工序质量控制。     

基于遗传算法-多智能体的FMS刀具在线调度

为了解决静态调度和传统动态调度的缺点,提出一种基于多智能体的FMS刀具调度管理模型,进行刀具分配和回收的智能管理。文章定义模型智能体之间的交互逻辑,以刀具交换次数最小化为目标,建立刀具动态调度的数学模型,并针对该模型,设计相应的遗传算法。通过一个特定的刀具调度问题的优化,结果表明该遗传算法优化结果好于一般的启发式算法,消耗时间远低于隐枚举法,是多智能体调度模型理想的动态调度算法。     

FMS多智能体调度系统的角色建模

为了实现FMS多智能体调度系统,提出一种基于角色的系统体系结构。根据该结构的逻辑过程设计出调度系统的招标委员会流程角色模型,并对每个智能体进行角色分配,定义其工作方式与数据访问方式。通过角色的泛化和聚合,使得系统中的智能体协同能力和适应能力更强。     

基于FIPA—ACL／SL的FMS多智能体调度系统

提出具有开放性的基于多智能体体系结构的调度框架,实现柔性制造系统的动态调度系统。系统中的个体智能体可根据实际需要进行增加、删减、修改,有利于系统的优化配置。另外采用FIPA规范的ACL／SL作为智能体系统的通信原语,并给出合同网交互协议的时序图和原语实例。     

FMS多智能体调度系统投标算法和评估模型

在FMS多智能体调度系统框架基础上,提出一种智能体生产招投标算法、评估模型和运输调度算法,招投标算法在个体利益最大化的情况下提出叫价策略,而为了防止陷入局部优化,在评估模型中引入信誉因子,该因子会抑制个体智能体的贪婪欲望,防止个体智能体陷入局部优化而影响整体目标.经过仿真证明,在规模不太大的情况下,该方法能够得到较好的调度结果.     

基于支持向量机的控制图异常模式参数估计

针对控制图5种异常模式的6个参数,提出基于一对一算法的多类分类支持向量机的控制图异常模式下的参数估计方法。在模型构造中采用遗传算法优化支持向量机的参数。仿真实验结果表明,该方法结构简单,收敛速度快,具有较高的识别精度,适合于控制图异常模式的参数估计。