注射模改模知识应用本体的建模方法

分析了注射模改模知识的特点和本体表示知识的方法,提出了构建应用本体的新模式,重点讨论了构造应用本体的克隆、合并、遗传,新建等4种建模方法,利用Protege软件建立了注射模改模知识应用本体,并转换为Web OWL语言。实践证明该方法能够较好地表示注射模改模知识。     

不确定环境下模具群项目计划制定方法

针对模具项目群制造过程的不确定性和资源需求的动态性,建立了基于离散时间Markov的模具制造项目随机演化模型.基于该模型,提出一种分阶段求优的模具项目计划制定方法,将项目群的每一个任务视为一个独立的阶段,以最小化每个阶段的完工时间为目标,利用动态规划方法对每一个阶段的任务求解最优的调度策略.通过仿真算例将该方法与三种启发式算法进行比较分析,结果表明该方法在不确定环境下制定模具项目群项目计划时具有明显的优越性.     

基于Web的汽车线束行业工艺信息系统研究

分析汽车线束行业对工艺信息管理的功能需求和性能要求,论述了系统的设计思想和实现方法。系统在Web环境下,利用ASP.NET技术开发设计汽车线束产品的工艺信息系统及系统集成与输出等关键技术,并给出了在某汽车线束企业的应用实例。     

基于模糊粗糙集的改模知识分层归纳方法

基于Pawlak粗糙集的知识归纳方法对改模方案描述的准确程度要求较高,且归纳得到的改模规则条数过多,导致改模知识的实际应用可行性较差.对于含有模糊描述特征值的改模方案,结合改模方案分层递阶表达模型,定义有关特征值的新息,构建基于模糊数据的改模方案及知识表达方法.利用基于模糊数据的改模方案结构化处理算法得到基于新息的改模方案特征决策表;抽取新息构造特征模糊相似矩阵,并引入置信水平矢量实现对特征决策表的模糊等价划分.结合特征决策表的单一/复合特征模糊等价划分提出基于模糊粗糙集的改模知识归纳方法,即基于模糊粗糙集的改模特征分层约简和改模规则生成算法,解决了从模糊描述的改模方案中归纳改模知识的问题.实例分析表明了该方法的可行性,归纳得到的改模知识具有较强的普适性.     

纤维轴向压缩性能测试及其刺痒感属性判断

为探讨纤维材料的轴向压缩性能及其刺痒感属性,改进了测试装置与测试方法,对测试过程中纤维试样与测试头接触条件的转变及对应压缩曲线特征进行分析,提出了应用纤维轴向压缩性能判断其刺痒感属性的方法。结果表明:在进行纤维材料轴向压缩测试时,试样与测试头的接触条件会发生由"点接触"向"线接触"的转变,压缩性能测试应以"点接触"的结束为终结点;以纤维轴向压缩性能为依据判断其刺痒感属性时,纤维端与皮肤的接触条件应为"点接触",且应具有不少于0.2 mm的长度,并能承受不少于0.75 m N的轴向载荷。     

遗传算法在模具设计项目调度问题中的应用研究

模具设计项目的调度问题是典型资源受限多项目调度问题,属于NP-hard问题。针对模具设计项目调度问题,分析了模具设计部门所面临的困境,论述了模具设计部门建立设计计划的必要性和重要性。以项目群的拖期惩罚总成本最小为优化目标,采用遗传算法进行建模和求解,并将其调度结果与3种优先规则进行对比。结果表明,遗传算法能够获得比经典优先规则更优的解。在此基础上,开发了一套模具设计项目调度系统,以期用于实际工作中,增加理论研究的实用价值。     

面向产品协同商贸的模具报价决策支持系统

研究了模具企业的报价策略。分析了企业中现存的模具报价系统的缺点和不足,提出了一种集成的决策方案,并且开发了帮助企业进行决策的原型系统,这种决策支持方案以混合关联分析和多因素协商分析为理论基础,它能够在捍卫企业自身利益的条件下帮助企业最大限度地赢得客户。     

基于产品协同商贸的模具协作制造过程监视平台

针对模具协作生产中对进度与成本难以进行及时有效控制的情况 ,研究了协作组织的矩阵式管理模式 ,利用网络对模具协作生产制造的过程进行监视控制 ,运用项目管理的挣值法对模具制造项目的协作制造进度与费用的实际执行情况进行预警     

基于二阶滑模控制理论的新型滚转稳定控制器

为了降低导弹飞行中不确定因素等对弹体滚转稳定的影响,设计两种新型基于二阶滑模控制理论的滚转稳定控制器,即基于二阶滑模控制理论的控制器与基于super-twisting算法的控制器.第一种控制器能够稳定地控制滚转角收敛至期望值,而第二种控制器不仅能够有效降低气动参数不确定性对弹体滚转控制造成的影响,而且能控制滚转角速度在有限时间内收敛至期望值,并有效抑制滑模算法固有的抖振现象.通过构造Lyapunov函数对所设计控制器的稳定性进行理论验证,将所设计的两种控制器与基于线性滑模控制理论的控制器和基于终端滑模控制理论的控制器进行仿真对比,并考虑不同攻角条件下气动参数的影响,以验证所设计的控制器的有效性、快速性和鲁棒性.     

基于支持向量机的转子系统早期故障诊断方法

转子系统中的振动信号包含了很多状态信息,运行过程中故障特征的有效提取和识别对于转子系统早期故障诊断非常关键。针对转子系统故障信息的复杂性,提出将小波包分析和支持向量机相结合的转子系统早期故障诊断方法。该方法首先利用改进的小波包方法提取早期故障特征;然后将提取的特征向量输入基于支持向量机的分类器进行故障识别。实验分析结果表明,该方法在小样本情况下,能够有效识别转子系统的早期故障,具有很好的分类精度,而且能够实现旋转机械的多故障诊断。