一种基于NURBS的曲面表达方法及其应用

提出了基于NURBS的改进表达方法来判断产品外型设计.该方法从相邻点入手,用差异矩阵来重组原始NURBS曲面中的数据点;用基准矩阵来表达产品的几何约束;用判断矩阵来判断外型是否符合设计要求.给出了应用该方法表达产品NURBS曲面的一般步骤及对曲面进行变形和判断,并将该方法应用到汽车前盖外型设计中.     

一种基于NURBS的曲面表达方法及其应用

提出了基于NURBS的改进表达方法来判断产品外型设计。该方法从相邻点入手,用差异矩阵来重组原始NURBS曲面中的数据点;用基准矩阵来表达产品的几何约束;用判断矩阵来判断外型是否符合设计要求。给出了应用该方法表达产品NURBS曲面的一般步骤及对曲面进行变形和判断,并将该方法应用到汽车前盖外型设计中。     

行为原始分组及应用研究

在机械运动方案设计过程中,如何对行为进行分组并实现分组过程计算机化,一直是机械系统概念设计的热点.文中主要研究基于行为之间连续关系的原始分组,从而构建基础模型,为后续行为关系进一步具体化和最终分组提供基本研究平台.从原始行为构造出发,制定原始分组准则,提出行为原始分组的计算机实现方法,制定了连续关系矩阵、辅助位置矩阵、行为矩阵,以此为基础来实现原始分组过程计算机化.     

以Hu矩组及灰度梯度共生矩阵为特征参数的磨粒自动分类

提出一种铁谱磨粒图像自动识别算法,采用灰度梯度共生矩阵和矩不变量相结合的表示方法有效地描述磨粒的特征;采用了分布存储的BP神经网络来减少存储量和加速搜索识别过程,并对BP网络的收敛方法提出了若干措施加速其收敛过程.对铁谱图像识别结果表明,该方法用于磨粒分类是有效的、可行的.     

基于特征矩阵和神经网络的铝型材整体壁板外形识别

针对铝型材整体壁板的外形特征和设计要求，提取出9种典型壁板并构建出对应的壁板特征矩阵和目标矩阵。采用神经网络分别对带与不带噪声的整体壁板特征识别进行了研究、训练和测试，测试结果显示，采用矩阵构造的神经网络对壁板特征识别继承了神经网络的优点，可扩充性好，解决了整体壁板挤压模具CAD专家系统关于特征识别的前处理瓶颈问题。     

基于FAHP的产品质量综合评价算法的研究

产品质量的高低是决定企业竞争力强弱的主要因素之一,为了能客观地评价产品质量,在对层次分析法(AHP)及模糊层次分析法(FAHP)分析的基础上,利用FAHP的递阶层次结构,构建了产品质量综合评价模型;讨论了FAHP中模糊一致判断矩阵的性质,给出了模糊一致矩阵的简便构造方法,利用0.1-0.9标度对矩阵中的元素赋值;给出了矩阵一致性判断求解的方法并计算出相关的排序向量.实例分析证实了FAHP方法是可行的、有效的,FAHP方法比AHP方法更优越.     

基于BP神经网络的手绘电路图形符号识别技术

首先介绍了手绘电路图形符号扫描输入和图像信息去噪压缩处理方法,并离散化成标准的二维矩阵形式.然后引入一个三层前馈型BP神经网络,采用Delta迭代训练算法,学习图像矩阵输入与元件符号输出之间的映射关系,并着重阐述了神经网络学习的过拟合问题.最后通过MATLAB编程仿真和交叉验证表明,提出的BP神经网络结构及其训练算法合理、有效和实用.     

基于改进AHP-Fuzzy的二手车性能综合评估研究

研究二手车的性能综合评估问题,确定较为全面合理的评估指标体系。针对传统AHP的不足,提出采用三标度法及最优传递矩阵来构造判断矩阵,直接求出评价指标的权重,避免对判断矩阵的一致性检验和调整。建立基于改进AHP-Fuzzy的二手车性能综合评估模型,将仪器检测和专家打分两种方法相结合来实现定量和定性指标的模糊综合评价。在一定程度上解决二手车性能评估的模糊性问题,计算过程科学简便,为二手车的价格评估提供科学的参考依据。     

AHP在全国文明城市测评体系中的应用

针对<全国文明城市测评体系>,运用层次分析法(Analytic Hierarchy Process,AHP)对体系中众多相互制约的社会经济因素进行了分析研究,建立了层次结构表,构造了相关判断矩阵,同时进行了层次排序及一致性检验,并得出综合评价结果.最后以文明城市南京市为应用实例,说明该方案的有效性和实用性,从而使得创建文明城市工作更加科学化、规范化.     

基于BP神经网络的钢球表面缺陷识别

采用灰度共生矩阵为基础的纹理特征计算方法,对钢球表面图像进行特征参数提取,应用基于BP神经网络的图像特征模式识别方法,实现了对钢球表面不同种类缺陷的准确识别,实验结果表明,该方法能够对钢球表面缺陷进行有效地分类识别。     

基于BP神经网络的带钢表面缺陷的识别与分类

运用神经网络处理非线性问题的优势，将其应用于带钢表面缺陷的识别与分类研究。本文采用灰度共生矩阵的特征提取，提出了基于BP神经网络进行缺陷识别与分类的方法，编制了带钢表面缺陷的识别与分类软件。分类测试表明，该软件有较好的识别与分类效果。     

蜗轮减速器振动信号特征提取与状态识别

为实现蜗轮减速器运行状态识别,首先结合小波包分解和矩阵理论的特点,提出基于参考信号的小波包能量矩阵构造方法,分析了矩阵的最大奇异值（特征值）与运行状态的物理联系,并验证了所提方法比以往方法提取出的特征参数敏感度更高;然后改进思维进化算法（MEA）用于优化BP神经网络,实现对运行状态的智能识别,将提取的特征参数构成神经网络的输入向量,结果表明识别正确率提高了17.93%,从而验证了改进算法的优越性;最后提出了一种快速分类方法,该方法可以较好地区分故障与正常状态,解决了对实时性要求较高的在线诊断问题。     

基于BP神经网络的截齿磨损程度在线监测

为实现截齿截割过程中磨损程度的实时精准在线监测,提出了一种基于BP神经网络的截齿磨损程度多特征信号融合的检测方法。通过提取截割过程中不同磨损程度截齿的三向振动信号、红外温度信号和电流信号,建立了不同磨损程度截齿的多特征信号样本数据库,采用多特征信号样本对BP神经网络进行学习和训练,建立截齿磨损程度的识别模型,实现截齿磨损程度在线监测与精确识别。实验结果表明:基于BP神经网络的截齿磨损程度监测系统,网络判别结果和测试样本的实际磨损程度类别相符,该BP神经网络系统能够对截齿磨损程度类型进行准确的监测和识别。     

DIRECT DISPLACEMENT OF PARALLEL MECHANISM WITH WAVELET NETWORK

A new method solution for the direct displacement of parallel mechanism,wavelet network method,is proposed. Comparing with the classical analytical and numerical methods,this method can be extended to any parallel mechanism with any selected degree of freedom and configuration. A wavelet network suiting to approach multi-input and multi-output system is constructed. The network is optimized by analyzing the sparseness of input data and selecting the fitting wavelets by orthogo-nalization method according to the output data. Then it is applied to solve the direct displacement of a general six-degree-of-freedom parallel mechanism as a numerical example. For comparison purposes,a BP neural network is also used for this problem. Simulation results show that the wavelet network performs better than BP neural network. In addition,the wavelet network learns much faster than BP network.     

基于遗传算法的人工神经网络在航空发动机磨损预测中的应用

提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络，实现网络结构的优化，并用优化后的BP人工神经网络建立了航空发动机的磨损预测模型。将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的BP神经网络优于BP算法及多元线性回归法，具有良好的预测效果。     

基于神经网络和不变矩的路面破损图像识别

提出了一种应用BP神经网络识别沥青路面破损图像的图像分割方法.将路面图像等分,用灰度方差值描述子块图像特征,利用BP神经网络对子块图像进行模式分类,并将图像子块模式矩阵的不变矩作为图像的整体特征,在此基础上设计了基于全局优化算法的前馈神经网络分类器,并进行了图像识别试验,对二值图像进行特征提取,提出了学习算法,以加快收敛速度,从而实现图像识别.     

基于灰色BP神经网络的质心数据处理方法

为减小传感器的随机误差对三点支撑小型农业机质心测试系统质心高度数据的影响,同时提高质心高度的测试效率和安全性,对该类测试系统在有限次、小角度条件下测试获得质心高度的数据处理方法进行了研究。提出灰色GM(1,1)模型与BP神经网络相结合的灰色BP神经网络模型的构建方法,采用该方法构建的预测模型,对质心高度测试获得的数据进行处理可以获得较高精度的质心高度数据,并搭建了小型试验台对预测模型进行验证。结果表明,采用该方法构建的质心高度预测模型得到的质心高度数据相对误差为0.759%。     

基于神经网络的分阶车牌字符识别算法研究

为了提高复杂环境下车牌字符的识别率和识别速度,提出了一种基于BP神经网络和卷积神经网络(CNN)的分阶车牌字符识别算法。该算法第一阶段采用BP神经网络对车牌中的汉字、非相似字符进行识别;并在第二阶段用改进的CNN对车牌中的相似字符进行识别。最后通过实验横向、纵向对比,验证了该神经网络算法的有效性。实验结果表明,相对于传统的BP神经网络算法,明显提高了车牌字符的识别率,同时减少了车牌的识别时间。     

BP 网络在基于知识的摩擦学设计中的应用

在众多神经网络模型中，ＢＰ网络是比较成熟且应用较为广泛的一种。为此，本文选用ＢＰ网络作为基本网络模型，分别从知识表达、知识获取、综合评价方面研究了ＢＰ网络在基于知识的摩擦学设计中的应用。