针对高精度伺服机构压装质量控制难度大的问题,提出了一种基于离群数据检测和线性回归的智能质量预警方法。采用线性回归分析装配质量与压装过程之间的关系,建立了压装的“位移-力”数学模型,并定义了合格的压装力范围对装配质量进行控...针对高精度伺服机构压装质量控制难度大的问题,提出了一种基于离群数据检测和线性回归的智能质量预警方法。采用线性回归分析装配质量与压装过程之间的关系,建立了压装的“位移-力”数学模型,并定义了合格的压装力范围对装配质量进行控制。为了对压装过程中的“位移-力”原始数据集进行预处理,本文设计了一种改进的基于区域密度和P权值的局部离群因子(Local outlier factor based on area density and P weight,LAOPW)检测算法,以剔除导致线性回归数学模型不准确的离群值。该算法引入了基于信息熵的加权距离进行距离度量,并用P权值代替可达距离。实验结果表明,该算法在检测效率上比传统的局部离群因子(Local outlier factor,LOF)算法提高了5.6 ms,而检测准确率比基于区域密度的局部离群因子(Local outlier factor based on area density,LAOF)算法改善了2%左右。将本文提出的LAOPW算法和线性回归模型应用于高精度伺服机构压装质量控制,能够有效进行压装质量智能预警。展开更多
软件定义网络(Software Defined Network,SDN)作为一种新型网络架构,通过分离数据平面与控制平面来简化网络管理逻辑,是下一代网络的研究热点。但是,由于频繁的链路故障等因素,SDN网络的可靠性成为公认的业界难题。当前已有的SDN链路故...软件定义网络(Software Defined Network,SDN)作为一种新型网络架构,通过分离数据平面与控制平面来简化网络管理逻辑,是下一代网络的研究热点。但是,由于频繁的链路故障等因素,SDN网络的可靠性成为公认的业界难题。当前已有的SDN链路故障恢复模型存在恢复时延过长、消耗过多流表项、忽视故障恢复后链路拥塞的问题。为了解决这些问题,提出了一种基于段路由(Segment Routing,SR)的单链路故障恢复模型(Loop Free Alternates-Congestion Aware,LFA-CA)。该模型包含了两个启发式算法BPF和BPU,分别用于在网络初始化时计算无环的备份路径,和在运行过程中更新拥塞避免的备份路径,实现了针对单链路故障的快速恢复和故障恢复后的拥塞避免。大量仿真实验证明了LFA-CA相比当前的SDN单链路故障恢复模型消耗了更少的转发规则,且具有更好的故障后负载均衡能力。展开更多
文摘针对高精度伺服机构压装质量控制难度大的问题,提出了一种基于离群数据检测和线性回归的智能质量预警方法。采用线性回归分析装配质量与压装过程之间的关系,建立了压装的“位移-力”数学模型,并定义了合格的压装力范围对装配质量进行控制。为了对压装过程中的“位移-力”原始数据集进行预处理,本文设计了一种改进的基于区域密度和P权值的局部离群因子(Local outlier factor based on area density and P weight,LAOPW)检测算法,以剔除导致线性回归数学模型不准确的离群值。该算法引入了基于信息熵的加权距离进行距离度量,并用P权值代替可达距离。实验结果表明,该算法在检测效率上比传统的局部离群因子(Local outlier factor,LOF)算法提高了5.6 ms,而检测准确率比基于区域密度的局部离群因子(Local outlier factor based on area density,LAOF)算法改善了2%左右。将本文提出的LAOPW算法和线性回归模型应用于高精度伺服机构压装质量控制,能够有效进行压装质量智能预警。