面齿轮磨削工艺参数优化的试验研究

基于蝶形砂轮磨削正交面齿轮的正交试验,分析了面齿轮各磨削工艺参数,包括磨削深度ap、砂轮转速vs、刀具进给速度vw等,对表面粗糙度Ra、磨削变质层深度h和磨除率Zw的影响规律,得到了磨削优化工艺参数。根据正交试验结果,利用回归分析方法分别建立了表面粗糙度Ra、磨削变质层深度h和磨除率Zw的回归数学模型。试验结果表明,所求得模型具有良好的精度,可以为面齿轮磨削质量和效率的提高提供一定的理论依据。     

增量决策树算法研究

文中主要解决传统的ID3算法不能处理增量数据集构造决策树的问题.在传统ID3决策树算法和原有增量算法的基础上,利用信息论中熵变原理的特点,对与增量决策树算法相关的三个定理进行相应的改进,在理论上证明了改进的增量决策树算法的有效性和可靠性.同时对增量决策树算法和ID3算法的复杂度进行了对比分析,得出增量决策树算法的实例费用和信息熵费用都高于ID3算法的结论.最后通过一个实验证明,改进的增量决策树算法能够构造出与ID3算法形态基本相同的决策树.     

面齿轮磨削温度建模仿真与分析

根据椭圆接触理论,得出碟形砂轮磨削面齿轮时的基本磨削参数,并建立了有限元模型,采用矩形分布热源对面齿轮磨削热进行模拟,得出其磨削温度场。由该模拟结果得出碟形砂轮磨削时的温度变化规律为:沿齿长方向近心端和沿齿高方向相对接近齿根区域时,面齿轮的磨削温度逐渐升高。同时,利用红外测温仪对实际机齿轮磨削温度进行测量,将所得结果与有限元分析结果进行对比,发现各磨削点的误差分析结果均在5%~20%,并且温度越高,误差越小,从而验证了椭圆接触理论在面齿轮磨削热研究中的可行性。     

基于数值属性的关联规则挖掘算法

关联规则的挖掘是一个重要的数据挖掘问题.目前的算法主要是研究支持-信任框架理论的关联规则挖掘,基于支持-信任理论的关联规则挖掘布尔型描述的数据已经比较成熟,但是现实的数据库中有许多数值属性的数据,从这些数据中挖掘潜在的规则,经典的关联规则方法(Apriori)就显得力不从心了.这里介绍将数值数据映射到二维空间,利用基于密度分布函数的聚类分析方法将数值属性区间分段,并在此基础上挖掘容易理解并且具有概括性和有效的数值属性关联规则.     

动态决策树算法研究

该文在增量决策树算法的基础上,提出一种能够处理变化数据集的减量决策树算法,提出并证明了减量决策树算法中的三个基本定理,保证了减量决策树算法的可靠性。同时将传统的增量决策树算法与该文所提出的减量决策树算法相结合,构造出一种动态决策树算法,该算法很好地解决了发生增减变化的动态数据集构造决策树的问题,另外动态决策树算法的提出也促进了在线规则提取的发展与完善。