基于人工蜂群算法的数字电路多故障测试生成算法

针对数字电路多固定故障测试生成故障覆盖率低和平均测试生成时间长的问题,提出了人工蜂群和神经网络优化的数字电路多固定故障测试生成算法。该算法首先通过等效的方法得到多固定故障的单固定故障模型,再使用Hopfield二值神经网络的方法得到单固定故障的约束电路模型,最后使用人工蜂群优化方法求解故障约束电路接口电路的能量函数的零值点获得原电路的多固定故障的测试生成矢量。实验结果(在ISCAS’85国际标准测试电路上)表明该算法的故障覆盖率可达98.5%以上,平均测试生成时间小于0.25μs。     

基于三值神经网络和混沌搜索的数字电路串扰时滞故障测试生成算法

提出了一种有效的串扰时滞故障测试生成算法,该算法使用了三值神经网络理论和混沌搜索方法。首先在电路的受害点处把电路分成两个部分,对第一部分,可以得到时滞时间表达式;对第二部分,使用混沌搜索和三值神经网络网络的方法把故障传播到输出端。最后,能够把故障传播到输出端且使时滞时间表达式取最大值的输入矢量就是串扰时滞故障的最优测试矢量。实验结果表明该算法能够容易地得到故障输入测试矢量,平均测试生成时间小于0. 25μs,故障覆盖率能够达到98. 2%。     

基于三值神经网络和混沌搜索的数字电路串扰时滞故障测试生成算法（英文）

提出了一种有效的串扰时滞故障测试生成算法,该算法使用了三值神经网络理论和混沌搜索方法。首先在电路的受害点处把电路分成两个部分,对第一部分,可以得到时滞时间表达式;对第二部分,使用混沌搜索和三值神经网络网络的方法把故障传播到输出端。最后,能够把故障传播到输出端且使时滞时间表达式取最大值的输入矢量就是串扰时滞故障的最优测试矢量。实验结果表明该算法能够容易地得到故障输入测试矢量,平均测试生成时间小于0. 25μs,故障覆盖率能够达到98. 2%。     

非鲁棒路径时滞故障测试生成算法

针对数字电路中非鲁棒路径时滞故障测试时间长、故障覆盖率较低的问题,提出了人工蜂群优化的测试生成算法。该算法首先应用电路转换法则把数字电路转换成为其等效电路,然后用Hopfield神经网络构建等效电路单固定故障的约束电路,并得到能量函数;再应用人工蜂群优化算法计算能量函数的最小值以得到等效电路单固定故障的测试矢量,最后根据对应关系得到原电路非鲁棒路径时滞故障的测试矢量对。在ISCAS’85国际标准电路上的实验结果表明:该算法故障覆盖率能够达到98%,并且平均测试生成时间小于0.8 s。     

人工蜂群优化非鲁棒路径时滞故障测试生成算法

针对数字电路中非鲁棒路径时滞故障测试时间长,故障覆盖率较低的问题,提出了人工蜂群优化的测试生成算法。该算法首先应用电路转换法则把数字电路转换成为其等效电路,然后用Hopfield神经网络构建等效电路单固定故障的约束电路,并得到能量函数,再应用人工蜂群优化算法计算能量函数的最小值以得到等效电路单固定故障的测试矢量,最后根据对应关系得到原电路非鲁棒路径时滞故障的测试矢量对。在ISCAS’85国际标准电路上的实验结果表明该算法故障覆盖率能够达到98%,并且平均测试生成时间明显减小。     

使用改进型BP神经网络量化裂纹漏磁信号

为量化油气管道的裂纹漏磁信号,提出使用改进型BP神经网络的方法。介绍了BP神经网络的运作方式、改进的BP算法和如何将遗传算法用于改进BP神经网络的初始权值和阈值。测试样本和实际检测数据的输出结果表明,采用改进型BP神经网络量化裂纹漏磁信号是可行的。     

基于MEA-BP神经网络的6DOF工业机器人逆运动学研究

针对6DOF工业机器人逆运动学求解存在计算量大、通用性差、有奇异性等问题,提出一种基于思维进化算法(MEA)优化BP神经网络的工业机器人逆运动学求解方法。在机器人工作范围内,随机生成若干组关节角度值,通过正运动学方程获得机器人末端连杆位置和姿态,以末端连杆位置和姿态作为模型输入,关节角度作为模型输出,通过对样本数据的训练确定模型参数。使用该模型进行机器人逆运动学求解,并与传统的基于BP和RBF神经网络的求解方法进行比较,结果表明:该求解方法精度高、泛化能力强。     

静重式力基准机砝码组合算法及其对测试加载过程的影响分析

针对100 k N重式力基准机砝码的组合问题,通过分析得到了有限个砝码力值组合,并对力值筛选、排序进行理论分析,提出了砝码组合算法,针对实际应用讨论了不同砝码组合对加载过程的影响,基于改进冒泡法确定了最优组合的方法,为力基准机砝码加载的组合提供了一种新的算法。实际应用验证了该砝码组合算法在测试中起到了较显著的效果。     

数字电路阈值故障测试生成算法

提出一种有效的数字电路故障阈值故障测试生成算法。首先构造出数字电路的阈值测试模型,通过这个模型可以区分出可接受故障和不可接受故障,然后使用成熟的固定故障测试生成算法得到不可接受故障的测试生成矢量。在ISCAS’85和ISCAS’89电路上的实验结果表明:该算法的故障覆盖率能达到96%,故障测试生成时间少于0. 019 s。     

风电叶片双点疲劳加载系统同步控制研究

为解决风电叶片全尺寸双点疲劳测试中两激振器振动不同步问题,采用GA-Adam-BP神经网络与传统PID混合控制策略,并引入切换边界值判断控制权的归属。基于遗传算法的全局搜索能力对BP神经网络进行权值和阈值的初始化筛选,该方法利用适应度选择、交叉和变异遗传操作,从初始种群中筛选出高质量的个体作为网络的初始权值和阈值,避免神经网络陷入局部最优解。引入Adam算法计算参数的指数加权移动平均值,实现神经网络学习率的动态更新,避免了梯度集中与消失问题,有效减少学习路线的震荡,使收敛时间缩短。仿真与试验结果表明,相比BP神经网络,混合控制下的电机转速误差在3%以下,主-从激振器相位差范围为±1.3°,实现了叶片双点疲劳测试激振器间更优的同步控制。     

混合遗传算法在矩形件优化排样中的应用

二维排样是典型的组合优化问题。通过综合遗传算法和模拟退火算法思想,提出一种适宜于大批量、多种类的矩形件排样的混合遗传算法,并结合基于局部板材利用率最高的填充算法不断填充板材,获得近似总体最优的排样结果。运用此算法,作者开发了实用的排样软件,并给出了计算实例,结果表明该算法是一种行之有效的方法。     

矩形件优化排样模拟退火算法求解

综合条料生成算法与填充算法思想，提出了一种适用于矩形件优化排样的最小宽度算法，将其与模拟退火算法相结合，能够跳出局部搜索，最终可获得近似总体最优的排样结果。使用表明，该优化排样算法具有广泛的适应性，并可适合“一刀切”的高效率下料工艺。     

一种实用钣金CAD排样算法

将人工智能领域中的遗传算法和模拟退火算法相结合，成功地应用到LFB算法中，利用遗传模拟退火混合算法的全局优化搜索能力，得到了较LFB算法更优的排样结果。同时对混合算法中的几个影响参数进行了简单的讨论，为钣金件排样系统的开发提供一种实用的算法。     

矩形件排样优化的丁字尺法

矩形件排样优化既要考虑材料的利用率,又要考虑生产时的下料效率,同时还要满足“一刀切”的工艺要求。综合考虑这些因素后,提出了将板材先分块,再在分块的板材上排放单一零件的丁字尺法。实验表明这种方法对大规模矩形件有较好的效果,提高材料利用率的同时又能很好地保证下料效率。     

混合蚁群算法在有容量约束车辆调度中的研究

蚁群算法在解决旅行商等著名问题时得到了富有成效的应用,但当解决大规模问题时,其收敛速度较慢且耗时较长。同样,郭涛算法解决复杂优化问题时取得了良好效果,但会产生大量无为的冗余迭代,求解效率低。文章汲取蚁群算法和郭涛算法的优点,提出混合蚁群算法,以带有容量约束的车辆路径问题,建立了混合蚁群算法数学模型,得到时间效率和求解效率都比较好的一种新的启发式方法。     

基于Bresenham的高效直线生成集成算法

在分析传统的Bresenham画线算法及直线扫描转换的具体要求后,为避开传统算法对整条线段逐点计算、判别的弊端,提出以Bresenham算法为基础,充分利用直线的对称性、方向性和扫描转换的分段性,设计了一种更具一般性、高效率的直线生成集成算法,提高了各类直线的生成速度.     

基于Bresenham算法的快速直线脉冲增量插补算法

通过对Bresenham直线生成算法进行改进,提出一种适用于电脑绣花机的快速平面直线脉冲增量插补算法。阐述Bresenham算法的基本原理,以及基本原理在插补中的应用,通过提出两个结论并加以证明对算法进行了改进。新算法在插补应用过程中只进行整数运算,每次插补可以得到多个进给步的两坐标轴进给脉冲增量。通过编写代码对新算法进行实现,并通过试验对比,展现新算法在直线生成中的运算效率明显高于传统插补算法。     

基于深度学习的无锚框目标检测算法综述

近年来,基于深度学习的无锚框目标检测算法备受关注。为了深入理解无锚框检测算法,对比分析了基于深度学习的无锚框检测算法的原理机制、网络结构、核心特性以及优缺点,归纳总结了无锚框检测算法的核心技术,并在同一数据集上通过性能实验研究上述算法的性能,总结提出基于深度学习的目标检测算法未来的研究方向。     

基于设备分类的生产线车间平面布局

本文将精益生产的哲理应用于生产线车间平面布局设计之中,提出了生产线车间布局的数学模型和结构模型,并根据设备的特点提出了车间设备分类的方法,在此基础上根据不同设备分类的特点,提出了基于设备分类的定序算法和定位算法。本文在定位算法中还首次提出了“类八叉树”的平面分割方法,用于设备在车间平面的定位。     

基于AGA-BP算法的智能故障诊断技术研究

针对传统BP神经网络的不足,提出基于自适应遗传算法的BP神经网络故障诊断算法.在迭代计算前期,采用自适应遗传算法对神经网络的权值和阈值进行全局优化;在迭代计算后期,利用改进的BP算法在近似最优解附近进行局部寻优.将该算法用于磨削烧伤的故障诊断之中,并将结果与基于改进BP网络的诊断结果进行比较,证明该方法的正确性和有效性.