基于改进和声搜索算法的装配序列规划

针对装配序列规划问题,在现有研究的基础上将装配工作台翻转角和装配点移动距离纳入评价指标,并结合遗传算法提出了一种基于改进和声搜索算法的装配序列规划方法。在空间干涉矩阵约束下改进算法参数设置及新和声产生方式,使改进后的和声搜索算法各参数根据迭代次数动态变化,实现参数自适应,最后以齿轮泵为例验证了文中算法比基本和声算法及蚁群算法更优。     

基于改进蚁群算法的分动器装配顺序优化设计

为减少分动器生产成本,提高其装配效率,提出一种基于改进蚁群算法的分动器装配顺序优化方法。以某款SUV汽车用分动器为研究对象,分别建立分动器工具信息矩阵、优先关系矩阵和拆卸关系矩阵,对蚁群算法的装配序列评价函数、信息素更新规则、选择概率及参数等方面进行改进。基于Matlab软件开发分动器装配序列算法程序,得出分动器装配序列的优化结果,并验证优化结果的正确性。该方法在分动器实际装配生产过程中具有重要的指导意义。     

基于虚拟装配体绑定的产品层次化装配序列生成

装配是产品制造中的重要环节之一.计算机辅助装配顺序的生成为实施快速、灵活、优化的装配,提高装配质量和效率提供有力的支持.任务层次与分解方法的设计是层次任务网规划方法应用的关键技术.文中提出了一种基于虚拟装配体绑定的底层装配操作实施机制,在此基础上建立了产品装配序列生成的任务分解策略.装配实例表明,该方法在产品装配序列生成中具有建模层次清晰、任务分解策略易于制定、装配序列生成比较灵活的特点.     

基于加权相对熵的二阶马尔可夫模型的进化树重构

利用加权相对熵的二阶马尔可夫模型的基本原理,对DNA序列进行比较.DNA序列由4个字符A、T、C、G构成的序列,将其视为一个马尔可夫链,取状态空间Ι={A,T,C,G},使用二阶转移概率矩阵来描述DNA序列,得到DNA序列的特征值,进而利用特征值定义DNA序列的相似性度量,得到能够对DNA序列进行比较的新方法,并利用这个方法对30个物种的线粒体DNA序列进行分类,通过加权相对熵得到距离矩阵的非比对方法构建的进化树划分更加清晰,准确度更高.     

基于压缩感知的滚动轴承故障信号提取技术研究

针对目前奈奎斯特采样方式对信号进行采集所产生的数据量较大的问题,提出一种基于压缩感知并结合神经网络的滚动轴承故障信号检测方法,通过K-奇异值分解算法构造冗余字典,利用神经网络以映射后观测矩阵的前一部分值预测全部观测值,实现信号的二次压缩,最终利用子空间追踪算法基于预测出的观测矩阵对信号进行重构,通过重构信号频谱可获得轴承故障信息.经过对测量矩阵、算法参数及神经网络等内容的分析,可在较少的数据量下以较高精度实现对滚动轴承故障信息的提取,并通过仿真对比实验证明了方法的有效性,在总压缩比为0.72～0.92时,此方法能够保证信号匹配度约为0.83,明显优于传统方法,且对于轴承内圈、外圈和滚动体故障信号皆有较好的重构效果.     

基于粗糙集和RBF神经网络的高速公路路面使用性能评价研究

利用可辨识矩阵对影响路面使用性能评价的宽泛指标集进行分类、约简,得出对路面使用性能评价最有影响的数据指标,建立RBF神经网络模型,并把处理后的数据指标作为RBF神经网络的输入进行训练、仿真.通过实例,给出了该方法的具体实现过程.与没有采用指标约简的RBF神经网络进行结果对比,该方法在路面使用性能评价上更具有实用性、有效性和可靠性.     

基于组合模型的浙江省GDP预测研究

区域 GDP 的发展趋势是高速公路规划和建设的重要参考依据。 本文基于浙江省 197 8.至 201 9.年的 GDP 数据, 分析数据特性, 构建预测模型, 掌握发展规律。 首先, 将 GDP 数据转化为时间序列, 建立 ARIMA (2, 2, 0) 模型 ; 其次, 将 GDP 数据以滑动窗口的方式生成输入矩阵, 建立 BP 神经网络模型 ; 最后, 利用 ARIMA 分析 GDP 时序的线性部分, 利用 BP 神经网络分析 GDP 时序的非线性部分, 建立组合模型。 通过计算相对误差比较模型的预测效果, 三个模型的平均相对误差分别是 6.和 6.结果表明, 组合模型的平均相对误差最小, 预测效果最好     

模糊矩阵理论在蛋白质二级结构分类中的应用

提出一种基于蛋白质二级结构特征序列的三维结构相似性比较方法.以八字母结构字母表中字母组成的联体在整个特征序列中出现的频率为特征源,构造联体频率矩阵,利用离散数学中的模糊矩阵理论对其进行分析处理,最终可以求得一个模糊等价矩阵,并利用此矩阵对待比较的蛋白质进行分类.该方法并不是基于人们熟悉的一维氨基酸序列,而是基于蛋白质二级结构特征序列,该序列由一系列具有局部空间折叠形式的二级结构片段组成.     

时变时滞细胞神经网络的周期运动的稳定性

利用M-矩阵理论和矢量Lyapunov函数方法,研究变时滞周期运动细胞神经网络的全局指数稳定性．在放松该类神经网络激活函数的有界性、单调递增性、可微性及Lipsehitz连续等条件下,得到了该类神经网络周期解的存在性与全局指数稳定的代数判据．该判据基于神经网络激活函数满足的条件,利用连接权值矩阵及阻尼系数矩阵构造测试矩阵,根据测试矩阵是否为M-矩阵判定系统周期解的存在性与全局指数稳性．     

具有无穷时滞高阶模糊Cohen-Grossberg神经网络的稳定性

利用M矩阵理论和矩阵不等式、矢量Lyapunov 函数法,研究了一类具有无穷时滞的高阶模糊Cohen-Grossberg神经网络的全局指数稳定性.在不要求神经网络激活函数的单调递增性、可微性及Lipschitz连续等假设条件下,得到了该类神经网络平衡点的存在性和唯一性,以及全局指数稳定性的代数判据.该判据为M矩阵的显式形式,与系统的时间滞后以及反应扩散无关,易于在应用中进行检验.最后,通过仿真算例,验证了该方法的正确性和有效性.