基于集成学习的铸件缺陷识别方法

针对铸件图像噪声多和对比度不足引起的缺陷识别困难的问题,文中提出了一种基于集成学习的铸件缺陷识别方法。首先,该方法采用灰度变换法、双边滤波以及自适应图像分割法对铸件图像进行预处理。然后,通过提取方向梯度直方图（Histogram of Oriented Gradients, HOG）特征、不变矩特征和局部二值模式（Local Binary Pattern, LBP）纹理特征构建全信息特征集,并结合支持向量机递归特征消除（Support Vector Machine-Recursive Feature Elimination, SVM-RFE）算法筛选铸件缺陷敏感特征。最后,利用Adaboost-RF（Adaptive Boosting-Random Forest）方法构建铸件缺陷识别模型。对比实验结果表明,该模型不仅可以有效提取缺陷敏感特征,而且相较于其他分类器具有更好的分类性能和泛化能力。     

何首乌对α-葡萄糖苷酶活性的抑制作用

目前已经发现许多中药具有高效抑制α-葡萄糖苷酶活性成分,能有效的治疗糖尿病。通过测定30种中药水提物对α-葡萄糖苷酶的抑制作用,发现何首乌抑制活性最强。本文报道对何首乌抑制成分的分离与鉴定实验。经sephadex G-100凝胶过滤分离纯化,初步鉴定何首乌的抑制剂为多糖类物质,相对分子质量约为4.79×104。双倒数曲线表明,何首乌抑制剂对α-葡萄糖苷酶的作用属于非竞争性抑制。     

生产计划与调度中的次年产量预测方法

针对生产计划与调度中次年产量预测误差较大的问题,提出一种基于动态改进多元线性回归模型的次年产量预测方法.多元线性回归模型将生产管理过程中的制造资源、人力投入、制造工艺、产品报废等生产全周期的影响因素作为建模变量,即将影响次年产量的相关因素尽可能多地包含在预测模型中,从而使模型的预测结果更接近实际产量.运用后推法,将建立的初始多元线性回归模型进行显著性辨别,剔除了对次年产量影响不显著的变量,建立了产量预测的改进多元线性回归模型,在此基础上进一步建立了动态改进多元线性回归模型.将该方法运用到某航空制造企业的次年产量预测中,通过对比模型预测产量和实际产量,证明了该模型在次年产量预测方面的实用性.     

一种多品种变批量柔性作业车间调度方法

文中针对多品种变批量柔性生产车间交付周期长、设备利用不均衡、生产效率低的问题,提出了一种基于遗传算法的多品种变批量生产调度方法。该方法以最长完工时间和设备总负载为目标构建多品种变批量生产调度优化模型,并基于遗传算法求解该模型。同时考虑在实际生产过程中存在的动态扰动事件,设计并实现了一种基于扰动事件驱动的重调度方法。通过对某发动机的气门传动机构进行测试,验证了文中所提方法的可行性和有效性。     

敦化人参各部位皂苷组分的比较

采用薄层层析、高效液相色谱检测等方法,对敦化产四年白参参头、主根和须根部位皂苷的组成和含量进行测定.研究结果表明,白参各部位中皂苷组成区别不大,参头、主根和须根部位中均含有原人参二醇型皂苷Rb1、Rc、Rb2、Rd和原人参三醇型皂苷Rg1、Re、Rf,其中人参参头部位皂苷含量最高,须根部分次之,主根部分最低.总皂苷质量...     

何首乌对α-葡萄糖苷酶活性的抑制作用

目前已经发现许多中药具有高效抑制α-葡萄糖苷酶活性成分,能有效的治疗糖尿病。通过测定30种中药水提物对α-葡萄糖苷酶的抑制作用,发现何首乌抑制活性最强。本文报道对何首乌抑制成分的分离与鉴定实验。经sephadex G-100凝胶过滤分离纯化,初步鉴定何首乌的抑制剂为多糖类物质,相对分子质量约为4.79×104。双倒数曲线表明,何首乌抑制剂对α-葡萄糖苷酶的作用属于非竞争性抑制。     

面向产品设计过程的动态工作流建模方法

针对产品详细设计过程中工作流模型的建立问题,提出了一种基于产品结构树的工作流动态建模方法。首先构建产品及零部件工作流的动态模板库;然后建立产品结构树与零部件工作流模板库的映射关系;最后通过动态节点的细化,形成产品设计的工作流程模型实例。以大型天线结构为工程案例进行了验证,结果表明,本方法在运行时刻可以根据产品结构树的零部件实例及其隶属关系动态生成产品设计过程的工作流模型,很好地解决了产品设计过程中工作流的动态建模问题。     

基于改进模糊诊断的SMT产线质量追溯方法研究

锡膏印刷是表面贴装技术（Surface Mount Technology, SMT）产线质量管控的重要环节。目前该环节的各类参数对质量的影响程度不明确,导致质量追溯的准确度较低,难以精准确定SMT产品质量问题的根原因。针对此问题,提出了一种改进模糊诊断的SMT产线质量追溯方法。该方法基于改进模糊诊断构建动态锡膏印刷质量追溯模型,并利用sigmoid函数更新隶属度,实现诊断结果的动态更新。通过某通讯企业SMT产线多批次生产数据进行了应用验证,实现了锡膏印刷环节缺陷发生的定性定量根原因的准确分析。     

基于深度学习的铸件缺陷检测方法

针对铸件X射线图像获取困难、人工及传统识片方法效率低且漏判率高的问题,文中提出了一种基于深度学习的铸件缺陷检测方法。首先,采用Overlap切图（重叠切图）数据增广方法实现缺陷扩充,并基于简化Mosaic数据增广进一步提升图像的复杂度;然后,基于仅浏览一次（You Only Look Once, YOLO）的理念实现缺陷检测模型构建;最后,提出一种基于边界框抑制的测试图像缺陷检测方法,以子图迭代方式完成测试图像中的缺陷检测。实验结果表明,该方法能够有效实现多种铸件缺陷的自动检测,为铸件缺陷检测提供了基于深度学习的解决方案。     

多维非线性特征重构与融合的复杂产品工期预测方法

制造企业复杂产品零部件种类众多、加工和装配工序复杂,质量、工艺、设备等各类数据呈现多维度、多尺度、多噪声等特点,工期的关键影响特征提取难度大,预测精度难以保证。针对上述问题,提出一种多维非线性特征重构与融合的复杂产品工期预测方法,首先提出基于集成堆栈式自编码器的多维非线性特征重构与融合方法并构建相应模型,建立特征间的复杂关联耦合关系,形成工期关键因素特征池;基于深度学习算法构建多维非线性重构与融合的复杂产品工期预测模型,实现复杂产品工期的准确预测。选取某企业断路器和3D打印产品为对象进行工期预测的应用验证和对比分析,本方法的均方根误差平均值为1.28,平均绝对百分比误差平均值为3.01%,与未进行特征重构融合的方法,以及支持向量机、神经网络等方法相比,在精度方面均有提升,方均根误差至少降低了约10.87%,平均绝对百分比误差至少降低了约7.74%,证明所提方法的有效性和实用性。