虚拟装配自动文本标注研究及在动车组中的应用

三维自动标注可明显提高复杂产品虚拟装配及虚拟样机技术的实用性。针对复杂产品虚拟装配实时文本标注复杂和效率低问题,提出交互式快速文本标注布局算法。算法通过预定义标注位置,建立文本压盖避让规则、动态调整标注规则,实现了移动三维模型点标注和左右标注快速自动布局。实例结果表明,该方法显著提高了复杂产品三维模型的可读性,增强了仿真的整体效果,提高了设计及培训效率。     

复杂机械系统M-DGP数字样机构建理论研究

基于对复杂机械系统多领域多粒度多阶段(M-DGP)特征的分析,构建了复杂机械系统层次化信息模型和面向分析的信息模型,继而研究了多粒度特征组织、多阶段特征演化和多领域特征耦合的方法,形成了复杂机械系统的M-DGP数字样机的构建理论,最后通过水电机组信息模型和管形座数字样机的构建,实现了M-DGP数字样机的构建方法.M-DGP数字样机可利用多领域的知识和方法有效解决复杂机械系统设计中的多种技术矛盾和冲突,从而有效地缩短研发周期和降低研发成本.     

飞机钣金特征的智能三维标注技术

采用CAA对CATIA进行二次开发,建立了钣金零件的检验规划系统.通过钣金零件的检验规划系统得到特征的检验方法,并将所有特征对应的检验方法通过智能三维标注技术,标注到三维模型上.智能三维标注,即通过人机智能交互的方式,将所有的检验信息全部表示在三维图上,简单,直观,明了.     

基于TSVM与主动学习融合的蛋白质交互作用关系抽取

针对蛋白质交互作用关系(PPI)抽取研究中已标注语料有限而未标注生物医学自由文本易得的问题,进行了基于直推式支持向量机(TSVM)与主动学习融合的蛋白质交互作用关系抽取研究.通过自主选择最优的未标注样本加入到TSVM的训练过程中,最大程度地提高了系统的性能.实验结果表明,TSVM与主动学习融合的算法在少量已标注样本和大量未标注样本组成的混合样本集上取得了较好的学习效果,与传统的支持向量机(SVM)和TSVM算法相比,能有效地减少学习样本数,提高分类精度,在AImed语料上取得了F测度为64.12%的较好性能.     

基于密度分布特征的图像检索研究

<正>图像检索是在图像库大量的图像中快速、准确地找到满足用户需要的图像的技术。传统的图像检索技术是采用文本标注的方法,但是这种方法缺点是标注工作量巨大,无法避免标注过程中的主观性。基于内容的图像检索技术,可以有效地克服文本标注方法的缺点,提高图像检索系统的性能,本文主要研究应用图像密度特征对图像形状进行检索的问题。     

电能、环境与监管复杂系统构建与协调分析

运用系统论的方法,在3E(经济、能源、环境)系统基础上引入监管子系统,建立电能、环境与监管的复杂系统.阐述了电能、环境与监管各个子系统的特征,分析了各个子系统之间内在协调机制及系统的发展过程.对有效地建立电能、环境与监管这一开放的复杂系统模型并对其进行规划与调控具有参考意义.     

基于模型的工艺信息标识方法研究

实现工艺信息在三维模型上的标识是目前三维数字化工艺研究的热点.针对此问题,论文提出了一种基于MBD技术和GB/T 24734-2009的机加工工艺信息标识方法.该方法有效地规范了机加工工艺信息标识符号的构建和组合方法,并通过三维标注实现工艺信息与模型的关联,使工艺设计人员和制造人员能快速直观地浏览与获取加工工艺信息.在以上研究的基础上,基于Pro/E平台进行二次开发,并通过实例验证了该方法的可行性和实用性.     

面向复杂产品三维设计的模型快速定义技术研究

面对大型复杂机械研发周期长、设计量巨大等问题,采用"Top-Down"设计理念,提出了一种基于几何特征与参数关系的复杂产品三维模型架构定义方法,并通过建立模型快速定义向导和三维标准模型库,实现了复杂产品三维设计的模型快速定义过程.以某大型机械产品为实例,论证了该技术的可行性.     

基于高斯尺度空间的尺度参数自适应算法研究

以屋脊型边缘和阶梯型边缘的特征作为图像的信息度量依据,研究了图像信息量随尺度参数变化而变化的规律,并基于视觉特征模型提出了一种高斯尺度参数的自适应算法.该算法通过使尺度空间信息量在每层均匀分布来实现尺度参数的自适应变化,避免了在尺度空间的构造过程中因计算过于复杂或因丢弃过多关键信息而造成失真过大的问题.实验结果显示,该算法能有效地抑制噪声,从而为图像的高层次处理如目标识别等奠定了基础.     

基于VPMELM的滚动轴承劣化状态辨识方法

针对变量预测模型模式识别方法(VPMCD)仅仅包含几种简单数学模型的问题,所建立的预测模型不足以反映特征值之间的复杂关系;极限学习机(ELM)回归模型是一种复杂且被广泛应用的模型,其模型可以反映特征之间的相互关系。结合极限学习机回归模型和VPMCD方法的优点,提出了一种基于极限学习机的变量预测模型(VPMELM)模式识别方法,并将该方法应用于滚动轴承劣化状态实验中。实验表明,基于VPMELM的辨识方法可以有效地对滚动轴承的劣化状态进行识别。     

基于一般包含度的广义变精度粗糙集

本文将变精度粗糙集模型推广到基于一般包含度的广义变精度粗糙集,利用包含度的性质讨论广义变精度粗糙集的性质。给出广义齐次包含度的定义,验证了常用的概率型包含度等均为广义齐次包含度;给出基于该广义变精度粗糙集的知识约简的方法。不同的包含度代表不同的决策语义,因此借助一般包含度研究变精度粗糙集,能够使尽可能多的有用信息被提取、挖掘,克服了基本粗糙集模型中由于要求绝对精确的包含关系而使大量有用信息丢失,进一步推广了粗糙集模型,拓宽了粗糙集在数据挖掘、知识发现、模式识别及决策分析等领域中的应用。     

“大型藏文基础语料库”数据分析1

语料库是存储于计算机中并可利用计算机进行检索、查询、分析的语言素材总体,是理想的语言知识资源。国家非常重视语料库的建设,包括少数民族语种语料库。“大型藏文基础语料库建设”是教育部、国家语委一个大型的藏语通用语料库的建设项目,本文结合该语料库的建设分析了语料库的样本类别、语料样本数据的时间分布、领域分布、来源及地域分布,也说明了语料库词性标注的标记集和标注样本的领域分布,为使用该语料库的人员提供了一个参考数据。     

齿面粗糙纹理方向对齿轮润滑效应的影响

 不同的机械加工方法会形成相异的表面粗糙纹理.为了探析不同粗糙纹理对齿轮传动润滑效应之影响,基于实际测量所获得的一系列粗糙度数值,进行了45组数值计算.计算结果显示：当粗糙度均方根值σ≤0.15 μm时,粗糙度对齿面油膜厚度与接触应力影响甚微;当σ>0.15 μm后,随着σ的增大,纵、横向纹理粗糙齿面接触应力均呈线性规律增加,但前者的接触应力始终大于后者.尤其是当σ≥0.55 μm时,与光滑齿面相比,纵、横向纹理粗糙齿面接触应力分别增大90%和80%;与此同时,纵向纹理膜厚值减低40%,而横向纹理膜厚值增大80%以上.在此基础上,针对纵、横向两种粗糙纹理齿面,分别建立了轮齿接触应力与齿面粗糙度之间的回归方程.最后,给出了横向纹理粗糙齿面的润滑效果要优于纵向纹理粗糙齿面的研究结论.     

基于改进YOLOv5s模型纸杯缺陷检测方法

目的 针对小尺寸和特征不明显的纸杯缺陷在检测过程中易出现漏检、错检的问题，提出一种基于改进YOLOv5s模型纸杯缺陷检测方法。方法 在原始模型的Backbone部分引入CBAM注意力机制模块，提升模型的特征提取能力;增加一个YOLO检测头，将三尺度检测改为四尺度检测，提高模型对小目标和特征不明显目标的检测能力;在Neck部分借鉴加权双向特征金字塔网络BiFPN，对原始模型中的PANet进行部分改进，加强模型的特征融合能力。结果 结果显示，改进后的模型YOLOv5s–CXO精度为89.1%、召回率为90.4%、平均精度均值为89.5%，比原始模型的精度提高了1.5%、召回率提高了1.3%、平均精度均值提高了1.2%。结论 本文的改进方法有效提高了模型的检测能力，对小尺寸和特征不明显纸杯缺陷的检测效果有明显提升。     

基于矢量空间模型和最大熵模型的词义问题解决策略

针对单义词的词义问题构建了融合触发对(trigger pair)的矢量空间模型用来进行词义相似度的计算,并以此为基础进行了词语的聚类;针对多义词的词义问题应用融合远距离上下文信息的最大熵模型进行了有导词义消歧的研究。为克服以往词义消歧评测中通过人工构造带有词义标记的测试例句而带来的覆盖程度小、主观影响大等问题,将模型的评测直接放到了词语聚类和分词歧义这两个实际的应用中。分词歧义的消解正确率达到了92％,词语聚类的结果满足进一步应用的需要。     

滚动轴承故障模式识别方法现状分析

在提取滚动轴承故障特征后,如何设计合理的分类器对滚动轴承进行故障模式识别是故障诊断的关键步骤。分别介绍了粗糙集模式识别中的变精度粗糙集、统计模式识别中的最小二乘支持向量机、模糊模式识别中的模糊[C]均值聚类算法。分析各种方法的基本原理、应用和特点。研究发现,多种故障模式识别方法的融合运用是今后研究的重点方向。     

优势变精度粗糙集构建采矿方案评价体系的研究

影响采矿方案的因素错综复杂,为了建立科学合理的采矿方案评价体系,首先将影响因素进行分级,利用模糊数学确定各级影响因素的权重.由于噪声数据的存在,采用优势变精度粗糙集构建采矿方案评价体系,可以辨识规则间的不相容性,对条件属性进行约简,并生成最少偏好规则集,分类质量为100%.然后利用灰色关联度理论对约简后的属性进行优势分析,得到各属性对于方案的重要程度,完善采矿方案评价体系.研究结果表明：优势变精度粗糙集相对于经典粗糙集更具规则性,构建采矿方案评价体系是科学有效的.     

Named entity recognition for Chinese construction documents based on conditional random field

Named entity recognition (NER) is essential in many natural language processing (NLP) tasks such as information extraction and document classification. A construction document usually contains critical named entities, and an effective NER method can provide a solid foundation for downstream applications to improve construction management efficiency. This study presents a NER method for Chinese construction documents based on conditional random field (CRF), including a corpus design pipeline and a CRF model. The corpus design pipeline identifies typical NER tasks in construction management, enables word-based tokenization, and controls the annotation consistency with a newly designed annotating specification. The CRF model engineers nine transformation features and seven classes of state features, covering the impacts of word position, part-of-speech (POS), and word/character states within the context. The F1-measure on a labeled construction data set is 87.9%. Furthermore, as more domain knowledge features are infused, the marginal performance improvement of including POS information will decrease, leading to a promising research direction of POS customization to improve NLP performance with limited data.     

Error sensitivity of the connected vehicle approach to pavement performance evaluations

The international roughness index (IRI) is the prevalent indicator used to assess and forecast road maintenance needs. The fixed parameters of its simulation model provide the advantage of requiring relatively few traversals to produce a consistent index. However, the static parameters also cause the model to under-represent roughness that riders experience from profile wavelengths outside of the model’s response range. A connected vehicle method that uses a similar but different index to characterise roughness can do so by accounting for all vibration wavelengths that the actual vehicles experience. This study characterises and compares the precision of each method. The field studies indicate that within seven traversals, the connected vehicle approach could achieve the same level of precision as the procedure used to produce the IRI. For a given vehicle and segment lengths longer than 50 m, the margin-of-error diminished below 1.5% after 50 traversals, and continued to improve further as the traversal volume grew. Practitioners developing new tools to evaluate pavement performance will benefit from this study by understanding the precision trade-off to recommend the best practices in utilising the connected vehicle method.     

When is optimal experimental design advantageous for the analysis of Michaelis–Menten kinetics?

A systematic analysis is performed for the estimation of parameters for the Michaelis–Menten kinetic using the dynamic mechanistic model. As quality measure the Cramer–Rao lower bond (CRLB) is used. Depending on three different optimization criteria, two different measurement errors, the process operation mode (batch and fed-batch) as well as the error of the rough estimates of the parameters used for optimal experimental design the CRLB is calculated. These values are used to decide, if optimal experimental design is favourable compared to equidistant measurement points. It will be demonstrated, that optimization criteria A and E are just slightly more favourable than criteria D. The considered measurement errors give different results, but will not change the design and the precision of the parameters significant. The fed-batch process operation gives always a significant higher precision of the parameters compared to the batch mode. If the rough estimated parameter values, with which the optimal experimental design is carried out, are just known with low accuracy equidistant measurement points are in favour to model-based optimal experimental design. Using a batch process the error of the rough value of k₂ (=v_max/E_tot) must be smaller than 17% and of K_m smaller than 40% so an optimal experimental design is worth for the parameter estimation. For fed-batch the errors of the rough estimates can be even bigger (up to 40% for k₂ and 68% for K_m).