双面渐进成形工艺参数优化及减薄率的预测

渐进成形的减薄率是衡量成形件质量的重要指标。文章采用Box-Behnken设计实验方案进行试验,分析了刀具直径D、层间距Δz、成形角α和板厚t对减薄率的影响,并得到试验最优的参数组合。建立了工艺参数到减薄率的BP神经网络模型,用数据训练集训练网络,计算测试集减薄率预测模型的精度。针对BP神经网络平均误差大(6.42%)的问题,用粒子群算法(PSO)优化了BP神经网络模型参数,使预测误差降低到2.24%。PSO-BP神经网络模型可以有效预测工艺参数和减薄率的关系。

我国企业管理创新方法智能评价系统构建

旨在分析我国企业复杂情景中管理创新方法的选择倾向性问题。使用多案例研究方法,通过扎根理论依次进行开放式、轴向、选择性译码和案例间对比分析,确定了我国企业管理创新方法的影响因素、范畴,得出了行业环境、团队创新精神、组织创新文化、企业战略选择的不同维度集成作用下企业对突变式或渐进式管理创新方法选择的机理和概念模型;以案例研究结论为依托,使用人工神经网络的方法分别对突变式和渐进式管理创新方法构建智能评估预测系统,为企业进行管理创新方法类型选择的决策或验证提供理论依据。

渐进成形工艺参数的分阶段扰动粒子群算法优化

为了降低渐进成形制件的减薄率、增加制件的光滑度,提出了基于分阶段扰动粒子群算法的参数优化方法。选择了渐进成形制件的减薄率作为优化目标,设计了4因素4水平正交实验。采用智能算法对BP神经网络参数进行训练,提出了智能神经网络的数值拟合方法。以制件减薄率均值和标准差最小为目标,建立了带约束的多目标优化模型。将精英粒子的多阶段扰动策略引入到粒子群算法中,平衡了算法的多样性和收敛性,深化了算法的优化能力,从而提出了分阶段扰动粒子群算法的模型求解方法。对成形角为37°圆台件的渐进成形参数进行了优化,分阶段扰动粒子群算法优化后的制件减薄率均值和标准差均小于粒子群算法,从而提高了制件的质量和光滑度。

用于人脸识别的多年龄人脸图像合成

为了解决人脸识别中识别率随年龄变化急剧下降,提出了一种多年龄人脸图像合成方法。首先将测试图像表示为形状向量和纹理向量,之后用渐进智能神经网络(IINN)估计测试图像的年龄,然后利用事先训练的查找表计算目标年龄的形状向量和纹理向量,最后利用基于三角形的仿射变换把目标年龄的形状和纹理结合起来,生成目标年龄的人脸图像。实验结果表明,该方法有效地由1幅图像重构不同年龄时期的人脸图像,有效“改变”人脸图像的年龄。