CAPP 专家系统中工艺决策的实现

结合杭州叉车总厂ＨＣ—ＣＡＰＰ工程应用项目，构造了一种基于知识推理的创成式ＣＡＰＰ专家系统模型。原型系统中，工艺设计、机床选择、刀具选择、夹具等知识库的管理独立于推理机，不仅为知识库管理、推理机改进、零件特征排序、知识库系统移植等提供方便，而且系统采用ＲＤＢ（关系型数据库管理）技术、ＯＤＢＣ（开放式数据库互连）技术，为ＣＡＰＰ、ＣＡＤ、ＮＣＰ（数控编程）子系统内部不同模式数据交换提供接口。

类别标签与典型性程度对类别特征推理的影响

本研究采用学习-测试二阶段实验范式,探讨了类别标签及典型性程度对类别特征推理任务的共同影响,结果表明,类别标签及典型性程度都会影响类别特征推理任务,而且,类别标签及典型性程度之间存在交互作用,典型性程度为高条件下类别标签对类别特征推理任务的影响要高于典型性程度为低条件,类别标签匹配条件下典型性程度对类别特征推理任务的影响要高于类别标签不匹配条件。

基于ANFIS的外啮合齿轮泵寿命预测研究

从流量退化趋势的角度提出了基于自适应网络模糊推理系统的寿命预测方法。首先利用改进的集合经验模态分解(MEEMD)方法对加速退化试验的振动数据进行多尺度重构降噪,提取重构信号的峭度值、均方频率、小波包能量,与转矩、转速、压力信号作为齿轮泵性能退化特征;然后使用核主元分析方法(KPCA)进行多特征融合,进而实现外啮合齿轮泵退化评估指标的建立和分析;再利用其退化评估指标与流量信号作为输入量对自适应网络模糊推理系统模型(ANFIS)进行训练,得到的齿轮泵剩余寿命预测模型,为了进一步验证该算法的有效性将其与liner回归模型、三次指数预测模型算法进行了比较,最后基于蒙特卡罗样本扩充方法实现外啮合齿轮泵的可靠性评估。结果表明,该方法的结果与实际阈值的预测误差约为8%,能够对外啮合齿轮泵的寿命进行比较准确的评估。

基于ANFIS的特高压输电线路故障分类识别方法

提出了一种基于自适应神经模糊推理系统(ANFIS)的特高压输电线路故障分类识别方法,以分类识别10种常见的输电线路故障.该方法以故障后1个工频周期内故障电流分量的标准差和四分位距作为故障分类识别的特征量.分析了噪声和谐波对这2个特征量的影响;建立了基于ANFIS的故障分类识别模型.大量仿真试验表明:提出的故障分类识别方法能快速、准确地识别各类故障,并且不易受故障初始角、故障位置和过渡电阻的影响,对噪声、谐波、电流互感器传变特性及采样频率有良好的适应性,分类识别正确率能达到99.5%.

因果关系及典型性程度对类别特征推理的影响

采用学习―测试二阶段实验范式,探讨了因果关系及典型性程度对类别特征推理的影响。研究结果表明:(1)因果关系影响类别特征推理任务;(2)典型性程度影响类别特征推理任务;(3)类别特征间存在因果关系的前提下,原因特征维度值与典型性程度间存在交互作用。典型性程度对不含原因特征的项目的特征推理影响是有限的。

类别标签在类别特征推理中的极化效应

采用学习―测试二阶段实验范式,对比了类别标签与类别特征在类别特征推理中的极化效应。研究结果表明,在类别标签组,标签匹配项目上的特征推理分数显著高于标签不匹配项目上的特征推理分数;在特征标签组,标签匹配项目上的特征推理分数与标签不匹配项目上的特征推理分数之间差异不显著。类别标签组的失匹配分数显著高于特征标签组。即在类别特征推理任务中,类别标签的极化效应显著高于类别特征的极化效应,因此,类别标签与类别特征存在本质差异,类别标签在类别特征推理中起主导作用。而且,本研究还发现,高前提概率条件下的特征推理分数都显著高于低前提概率条件下的特征推理分数,所以,前提概率也影响类别特征推理任务。

专家控制在音乐喷泉中的应用

介绍一种基于专家控制的音乐喷泉控制器的构成、原理,设计了反映音乐特征信息的基本表演程序库,确定了音乐喷泉专家控制器的推理方法和控制策略,分析了M ID I音乐文件,获取了音乐特征。

拉深工艺设计专家系统关键技术研究

阐述了专家系统技术在拉深工艺设计中的应用 ,论述了建立拉深工艺设计专家系统的关键技术 ,包括产品特征建模、知识表示、知识获取和推理技术 。

基于信息融合的刀具剩余寿命在线预测方法

针对加工中心刀具剩余寿命预测的实际需求,提出了一种基于信息融合的刀具剩余寿命在线预测方法.通过在加工中心主要功能部件上安装传感器,实时采集加工中心运行过程中的动态信号,经信号预处理和特征参数提取,采用皮尔逊相关系数和残差分析相结合的方法进行特征降维,获得最优的特征参数集.建立基于自适应神经模糊推理系统的刀具剩余寿命预测模型,在线预测刀具剩余寿命.实例分析结果显示:该预测方法的预测结果平均准确率为95.21%,可以满足实际需求.同时,将该预测方法与BP神经网络及其变异模型进行了对比,发现该预测方法预测精度更高.

基于决策树支持向量机和模糊推理的生猪异常声音识别

育肥期是猪生长发育最快的阶段,此阶段生猪疾病防控工作是否到位直接关系着养殖效益高低。猪舍内声音种类繁多,借鉴前人研究成果和咨询相关养殖专家,本文选择打斗声、咳嗽声、喷嚏声、饥饿声和呛水声作为生猪异常声音研究对象。针对上述5种声音建立声音采集识别系统,对每种声音信号提取改进梅尔频率倒谱系数(MFCC_P)、短时能量(E)和短时过零率(ZCR)组成的复合特征参数,然后利用决策树支持向量机(DT-SVM)对每帧数据进行识别,最后结合模糊推理技术对时间窗口内结果进行推理识别。试验结果表明:复合特征参数识别结果优于传统MFCC,平均识别率可以达到94.4%,满足对生猪异常声音的识别要求。