运用Rough集理论研究工艺变量对RTM产品质量的影响(英文)

提出基于Rough集理论的用于研究工艺变量对RTM产品质量影响的一个方法程式,然后通过一个示例表明这一程式的可行性。

Depth Control for AUV Based on RS-LSSVM

Aimed at uncertainties and model's impreciseness, nonlinearity and time-variability of depth control system in autonomous underwater vehicle (AUV), a depth predictive control method was put forward based on rough set (RS) and least squares support vector machine (LSSVM). By using RS theory, the monitor data attribute of AUV was reduced to eliminate the redundant information and to improve efficiency. Then, LSSVM model was trained by using the reduced rules, and its parameters were optimized by using chaos theory for the higher accurate control. Taken an AUV typed NPS Phoenix as an example, its depth step response, horizontal rudder and pitch change were simulated. The simulation results show that the method improves the model's accuracy and has better real-time response, fault-tolerant ability, reliability and strong anti-interfere capability.

煤矿采空区失稳灾害预测及综合防控技术

为减小煤矿采空区失稳灾害的发生概率、保证周边居民生命和财产安全、避免采空区失稳灾害带来大规模的生态破坏现象,对煤矿采空区失稳灾害进行预测和防控。利用粗糙集理论剔除冗余和缺陷信息,结合突变级数法得到失稳灾害预测指标体系,利用熵权理论获得地质、水文、环境、结构指标对应的灾害权重,引入置信度完善预测识别准则,完成失稳灾害预测,在此基础上,采用综合防控技术降低煤矿采空区自然灾害的发生频率。实验结果表明,所提方法的煤矿采空区失稳灾害预测结果精准度高,同时综合防控技术能够有效提高煤矿采空区的安全性。

模糊粗糙集测度的分析分层建模及应急演练控制应用

针对应急救援演练控制的复杂性和难以量化问题,为实现多人参演系统的有效控制,基于分析分层过程法(analytic hierarchy process,AHP),建立一种模糊粗糙集知识测度的综合建模方法.首先,分析模糊粗糙集各类知识测度相关概念、相互联系和各自特点,通过AHP方法,建立模糊规则的分层度量模型并给出了对比矩阵的构造示例,对模糊规则进行更加精细的度量.其次,在分析应急演练知识构成的基础上,提出预案知识提取和模糊关系粗糙集的构建方法;设计了演练过程控制流程和基于本文知识综合测度方法形成的核心控制流程;通过对规则重要性排序,提高规则判别精度,提供规则选择的手段和一种规则冲突消解方法.最终,通过一个简单案例,验证了本文所提的研究工作的可行性.

面向可重组制造系统的快速诊断技术研究

在分析现有质量控制技术的基础上,提出了面向可重组制造系统故障诊断的架构和一种基于粗糙集故障诊断的方法。该方法利用传统统计过程控制数据,并结合现场传感器数据作为数据源,以粗糙集为知识获取工具进行数据处理,得到最小规则集,最终得到故障诊断结果。以一个实例验证了设计方案的有效性。

生产质量在线监测、诊断和控制的粗糙集模型

提出基于两种质量统计过程控制和粗糙集理论的生产过程质量监测-诊断-控制集成模型.研究了统计过程控制及两种质量理论的质量在线监测和上下工序诊断模型.针对实际生产获取信息的不完备性,发展了一种新的基于粗糙集理论的工序质量诊断模型,以度量生产参数对工序质量影响的可能性和重要性.采用的面向用户需求的质量优化控制算法在实际应用中具有较强的可操作性.研究方法在酵母生产过程的应用验证了模型的正确性.

一种浮选过程控制的新策略——粗糙控制

粗糙控制是近年来兴起的一种新的智能控制方法。

粗糙集模糊神经网络在火炮伺服系统中的应用

火炮的射击力矩会引起车体姿态的变化,从而影响火炮的射击精度。将粗糙集理论中的贪心算法和缺省规则获取算法应用到补偿模糊神经网络的输入模糊化和规则提取中,构成粗糙集模糊神经网络;利用此网络对受到射击力矩扰动影响的某方位向火炮伺服系统进行逆建模,并将学习得到的模型作为逆控制系统的控制器来消除扰动。仿真表明此方法能快速消除射击力矩对重定位的影响,新网络与原网络相比,在精简决策规则、缩短训练时间和提高误差精度等方面也都有显著改善。

面向钢铁混合加工作业的资源分配方法研究

面向订单生产的钢铁企业实际生产过程中,在订单量、设备生产能力不匹配的约束条件下,加热、退火等工序会出现混合加工情况,如何合理计算混合加工时产品的资源消耗量是提高产品成本准确性的关键。本文提出了基于粗糙集和BP神经网络相结合的混合加工资源消耗计算方法,通过粗糙集提取了资源消耗的必要影响因素,确保资源分配对象划分准确,利用BP神经网络建立影响因素与资源消耗的分配关系,通过上述关系计算混合加工时的资源消耗量。最后通过实例,应用5-fold交叉验证方法,提高了资源分配模型的泛化能力,并与回归分析法对比,验证了该方法具有较高的精度和收敛速度,为混合加工作业在成本动因很难制定情况下,准确计算资源消耗提供了方法支持。

粗糙集理论在阳离子反浮选控制中的应用

针对阳离子反浮选生产过程被控对象复杂、数学模型不确定以及控制精度要求高等特点,提出了一种基于粗糙集理论的智能控制方法.通过对控制过程中的一些有代表性的状态以及操作人员在这些状态下采取的控制策略所构成的决策表进行约简,归纳出一系列控制规则.运用该方法进行准确度测试和命中率试验,结果表明控制模型的给出值与现场实际数值基本吻合,命中指标满足综合指标要求.在阳离子反浮选控制中运用粗糙集理论时,便于现场技术人员和操作工人的操作,能合理添加药剂量,避免了传统工艺由人为加药造成的浪费.

船舶动力系统智能控制

针对船舶动力系统存在着非线性、不确定性和复杂性,传统的速度调节系统已经不能满足控制需要,作者将模糊神经网络应用到复杂过程控制中去,实现动力系统的智能控制。采用模块建模法建立了汽轮机模型,给出了一种基于模糊神经网络的转速调节系统。并将粗糙集理论与模糊神经网络结合起来,利用粗糙集从观测数据中提取规则,并寻求最小规则集,解决了模糊神经网络'规则爆炸'问题。在MATLAB平台上进行仿真,结果表明该方法对于负荷的扰动及工况的变化有良好的控制效果。

基于粗糙集属性约简的过程控制规则提取

介绍了RST的基本理论,包括等价关系,上、下近似,决策规则以及属性约简。研究了根据属性的相对重要性从知识中提取规则的方法,采集了一个工业过程的实测数据,具体讨论了过程控制规则的获取。

无人车自主导航的环境建图技术

对无人车辆自主导航中环境建图问题进行研究。为了解决环境表示、环境计算、车辆属性匹配等问题,围绕环境建图技术,对国内外研究进展情况进行研究,并着重研究讨论行驶空间构建时环境建图技术中的地图表示方法。通过研究,提出了环境建图中基于粗集理论的数据融合算法及粗集理论在环境建图中的应用方法。最后提出环境建图中存在的主要问题以及研究方向,并对环境建图技术的未来做出展望。

复杂特征零件数控加工技术研究

数控技术的长足进步推动了复杂工件品种的增加,使工件结构日渐趋向复杂化与整体化,加工工艺难度提高,从而对数控加工复杂工件技术提出了更高地要求。文章在分析复杂工件加工技术特点的基础上详细探讨了基于复杂工件特征的数控加工技术,包括复杂工件的工艺规划、加工工序毛坯模型制定与特征简化、数控编程等,期望能为相关同行提供可行性参考资料。