废旧车辆可拆卸性技术研究

在分析废旧汽车零部件回收再生方案及其回收经济性的基础上，讨论了汽车回收再生的技术方法和策略；并提出了汽车面向回收再生设计及面向可拆卸性设计的基本原则，分析了可拆卸性设计系统模型；指出面向回收再生设计及面向可拆卸性设计是节约资源、降低成本、实现汽车产品绿色化设计及创建汽车工业可持续发展模式的有效手段之一。     

评价和选择合适中间商的模型

企业如何在市场上众多的中间商当中选择最为合适的一家一直是困扰企业的一个难题。通常的做法是根据经验收集一些资料加以评判，这种做法无法保证科学、准确地对中间商进行选择。运用主成分分析法，构造了一个数学模型，对各候选中间商进行评价，从而挑选出最合适的作为合作伙伴。该模型的建立在一定程度上能帮助企业更为客观地选择中间商。     

多粒度空间中的粗糙隶属度与知识粒度

以一族等价关系所构成的多粒度空间为研究对象,在乐观和悲观多粒度粗糙集模型的基础上,给出两种多粒度粗糙隶属度函数以重构乐观和悲观多粒度粗糙集。从多粒度空间中一族等价关系的交集和并集出发,定义多粒度空间上的两种知识粒度,并将这两种知识粒度作为启发式信息,分别构建启发式算法以删除多粒度空间中的冗余粒空间。     

一种多粒度覆盖粗糙集模型

多粒度粗糙集是粗糙集模型在多粒度及分布式环境中的一种重要的拓展形式,其主要思想是采用一族而非一个粒空间中的知识来对目标进行粗糙逼近。将多粒度的思想引人覆盖粗糙集模型中,采用一族而非单个的覆盖,提出了一种多粒度覆盖粗糙集模型。     

基于定性立体模型的产品可拆卸性分析方法

装配规划贯穿产品设计的整个过程.传统的方法基于定量模型,无法在概念设计阶段分析出产品的可拆卸性.针对概念设计阶段产品信息不完全的特点,提出了基于定性立体模型的产品可拆卸性分析方法,给出了基于领域和领域关系的定性立体模型,推导出定性装配模型;初步确定了其系统构成的3大部分:拆卸规划器、约束求解器和真理维护器,并以一简单装配件为例进行了实例应用分析.     

多粒度粗糙集与多源信息系统中的粗糙集模型

多粒度粗糙集模型建立在一族而非仅仅一个不可分辨关系的基础上的,而多源信息系统中的粗糙集模型则是在一族而非仅仅一个信息系统中构建的.证明乐观多粒度下近似与多源信息系统中的弱下近似等价,乐观多粒度上近似与多源信息系统中的强上近似等价,悲观多粒度下近似与多源信息系统中的强下近似等价,悲观多粒度上近似与多源信息系统中的弱下近似...     

基于主成分分析法和核主成分分析法的机器人全域性能综合评价

在机器人运动学和动力学性能评价中, 表示机器人运动学和动力学性能的指标众多, 全域性能指标是其中一项重要的评价指标, 而全域性能指标又包括:线速度全域性能指标、角速度全域性能指标等指标.不同指标间往往存在不同程度的相关性, 其中有些相关性非常显著, 这使它们提供的信息有可能发生重叠.引入统计学原理, 依据线性降维与非线性降维原则, 应用主成分分析法 (principal component analysis, PCA) 和核主成分分析法 (kernel principal component analysis, KPCA) 对不同尺度的PUMA560机器人的全域性能进行综合评价, 从而选择综合全域性能最优的机器人.计算结果表明:KPCA方法较PCA方法有更好的降维效果, 能够更有效地处理多个单一性指标间的非线性关系, 提供更多的综合全域性能评价信息, 可为建立机器人综合全域性能与其尺度之间的数值计算关系, 为基于综合全域性能指标最佳尺度选取的研究提供科学的参考依据.     

一种多粒度粗糙区间模糊集方法

多粒度是利用粗糙集方法处理分布式数据的一种有效手段。为了使得多粒度方法能够用于模糊目标的近似逼近,提出了一种多粒度粗糙区间模糊集方法,分别包括乐观和悲观两种不同的模型。不仅对这两种多粒度粗糙区间模糊集的基本性质进行了讨论,而且通过实例分析表明了新提出的模型用于处理区间模糊问题的有效性。     

层次分析法在河北省可持续发展水平评价中的应用

运用系统分析的方法构建了河北省可持续发展评估指标体系和评估数量模型.阐述了多元统计方法中的主成分析和层次分析的基本原理,并借助统计分析软件SAS和改进的AHP对河北省2002年11个市区的可持续发展状况进行了数量分析.在此基础上得出11个市区的可持续发展水平评估的综合排名,同时对各市区可持续发展状况进行了综合评价.     

基于序关系分析法的机械产品可制造性定量评价方法

提出一种基于序关系分析法的机械产品可制造性定量的评价方法,以制造周期、加工成本、加工难度、产品质量为指标构建了产品可制造性评价模型.最后以250t的液压机床油缸的制造方案评价和决策为例,证明该方法在产品可制造性评价多准则决策方面的可行性.     

唐山市循环经济发展水平实证研究

借鉴国内外经验并结合唐山市实际,运用系统分析的方法构建了唐山市循环经济发展评估指标体系和循环经济发展评价模型.在此基础上,首先借助统计分析软件SAS对原始数据进行主成分分析;其次,阐述了层次分析法( AHP)原理,并利用AHP对经过处理的数据进行教量分析,最终得出唐山各县(市)循环经济发展综合得分及排名;最后,对唐山各...     

Performance evaluation of high frequency sub-bands of wavelet transform for palmprint recognition

Wavelet decomposition has been applied in palmprint recognition successfully. However, only the low frequency sub-band was used for further feature extraction, while the high frequency sub-bands were considered to be unsuitable for palmprint recognition due to their sensitivity to noise and shape distortion. In this paper, we firstly investigate the performances of all the sub-bands by using principal component analysis (PCA) on the BJTU and PolyU palmprint databases, and then use mean filtering to enhance the robustness of the high frequency sub-bands. We find that the preprocessed high frequency sub-bands not only can be used for palmprint recognition but also contain complementary information with the low frequency sub-band. The experimental results show that the performances of the horizontal and vertical high frequency sub-bands can be promoted up to a competitive level, and the fusion scheme, which combines the matching scores of high frequency sub-bands with that of low frequency sub-band, is superior to the conventional recognition methods.     

Wavelet hierarchical model for aurora images classification

In order to improve the accuracy of aurora images classification, an algorithm based on the wavelet hierarchical model is proposed. In the proposed algorithm, the global and local wavelet features are extracted hierarchically first, then reduced in dimensions through the principal component analysis and used to classify the arc and three corona aurora images by the use of the support vector machine. By comparing the classification accuracy and time consumption, the optimal parameters in the wavelet hierarchical model are experimentally obtained and the validity of principal component analysis in feature optimization is verified. Experimental results show that the proposed algorithm improves the classification accuracy to a great degree with an acceptable time consumption compared with classical algorithms. Classification results between each two types of aurora images also provide some potential ways to improve the accuracy.     

基于多向核主元分析的青霉素生产过程在线监测

基于传统主元分析（PCA）方法的过程监测算法假定过程是线性的，对于具有强非线性的生产过程，应用其进行在线监测出现误报率过高的现象.为此提出了一种多向核主元分析（MKPCA）算法用于间歇过程的建模与在线监测.利用PenSim2.0软件将青霉素间歇生产过程的三向数据按批次方向展开为二向数据并进行标准化，采用MKPCA算法建立过程模型并用于过程的在线监测，计算T2、SPE统计量及相应的控制限.仿真结果表明，与传统PCA算法相比，MKPCA算法具有更好的监测性能，不仅大大降低了正常运行过程的误报率，而且能够较早地检测出过程中存在的底物流加速率与搅拌功率故障.MKPCA可以有效处理间歇过程批次间存在的非线性属性，获取过程变量间的非线性关系.     

一种基于数值逼近的KPCA改进算法

核方法广泛应用于模式识别等领域,但其存在着特征抽取效率和样本集的大小成反比的瓶颈问题.因此提出一种基于数值逼近的方法确定虚拟样本矢量,以此代替训练样本,提高KPCA(Kernel Principle Component Analysis)特征抽取效率.在确定虚拟样本矢量时,只需将样本矢量的初值设定为随机变量,算法实现简单、高效.在基准数据集上的实验结果显示该算法优于同类算法.     

网络信息资源评价模型构建与实证研究

从信息内容、信息利用、信息设计3个层面构建网络信息资源评价指标体系,采用专家打分及主成分分析方法,确定了影响网络信息资源的主要因素,构建了网络信息资源评价模型,并进行了实证分析。     

基于多元统计投影方法的过程监控技术研究

为克服传统过程监控方法需假设过程特征信号服从多元正态分布的缺陷,提出了一种新的基于独立成分分析(ICA)和主元分析(PCA)的过程监控方法,该方法由两步组成: 第一步: 利用独立成分分析方法从过程信息中提取非正态分布特征信号,然后用Parzen窗法估计其概率密度确定控制限进行过程监控;第二步: 利用主元分析方法对剩余过程信息提取正态分布特征信号,采用Q和Hotelling T2统计量对此正态特征信号进行过程监控.通过对双效蒸发器进料浓度和加热蒸气温度发生异常的两种故障模式仿真研究表明,该方法比传统多元统计过程控制具有更少的漏报率.     

串联机器人机构分析和综合同步方法的应用

为揭示机器人机构综合性能与机构类型和尺寸之间的映射规律,基于机器人机构单一性能指标的相关性和多样性,引入统计学原理,依据线性降维与非线性降维原则,应用主成分分析法(principal component analysis,PCA)和核主成分分析法(kernel principal component analysis,KPCA),对典型串联机器人——不同构型和不同尺度的平面串联机械臂进行综合性能评价,从而选择综合性能最优的机构构型和尺度.计算结果表明:KPCA方法较PCA方法有更好的降维效果,更能有效地处理多个单一性指标间的非线性关系,提供更多的综合性能评价信息,可为建立机器人机构综合性能与其机构类型和尺寸之间的数值计算关系,并进行机构构型和尺度同步综合提供科学的参考依据.     

一种指数加权主元分析算法的研究

在深入研究PCA理论的基础上,进一步研究指数加权主元分析(EWPCA)算法.这种算法通过不断更新相关矩阵来实时监视动态生产过程中的超时趋势和设定点改变等情况.仿真研究结果表明:该方法可以较好地反映生产过程中的实时信息,并能有效检测出系统的异常状况,具有广阔的实际应用前景.