顺序分枝法—零件归类成组的一种实用方法

零件归类成组是实施成组技术的基础。提出的顺序分枝法是一种较为完善的、用于零件分类的生产流程分析方法。 本文论述了顺序分枝法的基本原理。顺序分枝法乃是将待分类的全部零件按其工艺流程遂个地判别,使之归属于相应的各级分枝组,进入各级分枝组的零件在工序(主要的)数目和顺序上完全一致;然后,遵循推荐的原则把各级分枝组合并为零件种数适当的加工族。 顺序分枝法为计算机辅助零件分类提供了逻辑、判断模式。本文列出了采用顺序分枝法的计算机辅助分类的结果。     

零件组参考模式的确定方法

确定零件组的参考模式是零件分类系统的关键问题。采用模糊聚类分析法，解决了这一难题。     

零件自动分类的一种算法

基于模糊等价关系的动态聚类法．给出了一种零件分类成组的新方法．与一般聚类法相比．这种方法无需构造类与类之间的相似系数．适于解决零件分类成组中所存在的模糊性问题．具有较好的分类效果．文中介绍了这种方法的分类过程．并附有算例．     

减速机车间成组平面布置改造设计

本文针对减速机车间产品的零件结构特点及发展要求,划分出各生产单元。以齿轮加工单元为例,说明排序聚类分析法分类成组的具体应用并介绍平面布置改造设计的其它过程。实践证明,用排序聚类分析法分类成组可取得满意的效果。     

基于加工资源的零件分类成组研究

多品种、小批量生产模式导致频繁的切换,产生了大量作业切换时间并影响了生产效率.为了缩短作业切换时间,提出一种基于加工资源的零件聚类分组遗传算法.首先对加工零件所需资源进行分类,不同类别资源再划分子类,0-1整数编码表示加工是否需要该项资源;其次根据加工资源对于作业切换时间长短的不同影响,确定核心加工资源和一般加工资源的权重.采用Jaccard系数计算零件间相似度,应用分组遗传算法确定零件的分类成组.最后以M航空紧固件企业零件为例进行验证.结果显示,分组遗传算法比系统聚类极小值法和K-means聚类法更有效地缩短了作业切换时间和提高了生产效率,并减少了单位成本.     

基于子空间特点的高维数据分类方法分析

结合主成分分析法与子空间聚类法对高维数据进行分类处理。通过主成分分析法去除噪音信息,再分别用K-means算法和模糊C-聚类算法进行子空间聚类,最后通过ROC曲线进行敏感性分析,得到简单、准确的数据分类方法。通过聚类结果图可以看出,我们的分类效果是较好的,这也为高维数据处理提供了有效的方法。     

近红外漫反射聚类法无损快速测定淀粉品质

提出一种基于近红外光谱技术和聚类分析法对不同种类的淀粉进行无损快速鉴别的方法,研究了近红外光谱结合聚类分析法快速鉴别淀粉种类的可行性.采集样品在12 500~4 000cm-1范围内的近红外漫反射光谱,利用光谱模式识别法中的聚类分析法对图谱进行定性分类鉴别.光谱经一阶导数预处理后,采用聚类分析法可准确无误地将样品分为2类,分类准确率达到100%.同时采用预测集的样品验证所建模型的准确性,经实验得出预测准确率也是100%.实验结果表明,近红外漫反射光谱结合聚类分析法可以为快速无损鉴别淀粉种类提供一种准确可靠的方法.     

薄壁盘套类零件的装夹规划算法

在定义零件制造模型、装夹和加工操作的基础上,分析了机床类型、刀具接近方向和加工操作顺序约束对装夹的影响,建立了薄壁盘套类零件装夹规划数学模型.根据薄壁盘套类零件分阶段加工特点,将薄壁盘套类零件装夹规划问题分解为粗加工、半精加工和精加工3个子问题,并采用基于规则、聚类和图论的方法确定装夹顺序和每次装夹的加工操作集合,提出了完整的薄壁盘套类零件装夹规划方案.同时,以航空轴套零件为例,验证了所提出方法的可行性与有效性.     

基于模糊聚类的可重构制造工艺规划方法

可重构制造是未来解决批量加工中高效、低成本与生产柔性之间矛盾的新型制造模式,建立与可重构机床设计紧密联系的零件族加工工艺方案对实现可重构制造具有重要意义。首先建立面向零件族的加工信息矩阵,进而形成零件的加工工序单元序列及工序单元顺序矩阵;依据零件可并行加工的方位组合,基于模糊聚类多层次分析法,将零件间相似的工序单元序列组配成工序段序列,再由零件间相似的工序段序列创成出零件工艺方案;最终通过零件间工艺方案的模糊聚类相似度计算,得到零件族中零件间最为相似的加工工艺方案,实现零件间加工工艺的快速转换。以某汽车变速箱体零件族的加工为例,验证了该方法的可行性。     

考虑加权排序的分类数据聚类算法

针对部分聚类算法对数据输入顺序敏感的问题,定义了不干涉序列指数,提出了应用不干涉序列指数对分类数据进行加权排序的方法,并基于该方法对受数据输入顺序影响的CABOSFV C分类数据高效聚类算法进行改进,提出了考虑加权排序的聚类算法(CABOSFV CSW),消除了算法对数据输入顺序的敏感性.采用UCI基准数据集进行实验,发现应用加权升序排序的CABOSFV CSW算法在处理分类数据时,聚类质量较原始CABOSFV C算法和其他受数据输入顺序影响的算法在准确性上有改善,在稳定性上有显著提高.     

煤炭自燃早期预报的模糊聚类关联分析法

针对煤炭自燃危险程度的模糊聚类分析预报法存在的不确定性，提出用关联分析法对其进行补充、修正与完善。即用模糊聚类分析法分类后，用关联分析法求待预报样本与各类之间的关联度，根据相关程度预报，将两种方法组合成模糊聚类关联分析预报法。用该法对煤炭自燃早期预测预报，不仅克服了模糊聚类单一分析预报法的不足，使定性预报转为定量预报，而且提高了预报的准确程度，为有针对性的控制煤炭自燃提供了更科学的依据。     

基于模糊聚类K-means播种机焊接零件的编码分类

焊接零件是精量播种装备的核心零部件,其生产计划直接影响播种机生产的进度和安排。播种机焊接零件的生产是典型的多品种、小批量生产模式,其生产过程中存在未考虑不同焊接零件间的相似度而导致作业转换频繁、生产作业时间过长等问题。为缩短生产作业时间,本文提出一种基于模糊聚类K-means的播种机焊接零件编码分类方法。首先对加工零件各属性进行分类描述,将不同属性再划分子属性;然后对各焊接零件所具属性进行编码,采用模糊聚类K-means算法进行分类;最后以典型的播种机焊接零件为例,验证了该方法的可行性和实用性。     

加权空-谱自适应近邻聚类的高光谱图像分类

高光谱图像聚类算法可以对海量的高光谱图像数据进行信息提取,完成地物类别的初步分类。自适应近邻聚类(clustering with adaptive neighbors,CAN)作为一种新型的聚类算法,利用样本间的局部连通性实现聚类,聚类效果较好,但是该算法的性能受样本间相关性的影响较大。基于此,文章提出了一种新的融合高光谱图像的空间信息和光谱信息的分类方法,即加权空-谱自适应近邻聚类(weighted spatial and spectral clustering with adaptive neighbors,WSS-CAN)法,该方法通过引入样本点的近邻窗口尺度和光谱因子2个参数对高光谱图像进行重构,增强了样本间的相关性,对重构后的图像进行CAN聚类,有效提高了分类精度。在Indian Pines和Salinas-A数据库上的实验结果表明,由WSS-CAN得到的总体精度分别为56.33%、77.90%,分别比其他聚类算法提升了11.52%~18.47%、10.1%~14.79%,聚类效果较好。     

基于模糊理论的QFD用户需求分析方法研究

针对用户需求信息的模糊性、离散性和不确定性,提出了集成模糊聚类法和模糊扩展层次分析法的用户需求分析方法.基于模糊聚类法的模糊相似矩阵和动态聚类图对搜集的含糊不清的用户需求进行归类和分级,利用模糊扩展层次分析法对分类后的顾客需求特征进行重要度测量.该方法可将模糊的、不确定性用户需求信息进行准确化和定量化处理,为产品规划质量屋的构建和质量功能的瀑布式展开提供有效的用户需求分析手段.以弹性往复密封件的需求分析为例,说明该方法的有效性.     

Fuzzy聚类分析在土壤分类中的应用研究

应用模糊聚类分析方法,以福建山地土壤为例,进行土壤分类研究。首先对20项土壤理化特征在计算机上进行Fuzzy聚类筛选,确定粘粒交换量、阳离子交换量等12项有代表性的土壤指标为分类指标。并据此对福建山地土壤进行分类,将其分为草句土、黄壤、草甸黄壤、红壤、黄红壤、红黄壤和变性土7个类型。同时提出了分类鉴别方法——加进标准样本的Fuzzy聚类分析法和福建山地土壤分类鉴别的计算机软件。研究结果表明,Fuzzy聚类分析法在土壤分类中是一种切实可行的方法。     

聚类分析法在企业经济效益分类中的应用

对同行业、同系统的几个企业按经济指标进行分类需要科学、合理的分类方法。聚类分析法就是一种行之有效的数字聚类方法。根据四川省南充市丝绸企业经济效益指标的数据资料,应用聚类分析方法对南充市五大丝绸企业进行了经济效益分类。     

主成分分析法在成年男性体型聚类中的应用

针对GB/T1335.1-1997男装号型标准中,体型分类指标单一,体型分类不够细致的现状,利用三维人体扫描技术采集了成年男性长度、围度、宽度、厚度等方面的人体数据,采用主成分分析从中提取了不同体型聚类指标,进行了相应的体型聚类分析.所得结果表明,应用主成分分析法进行成年男性体型聚类可改进当前国标体型分类指标单一的不足,达到细化体型分类的目的,完全符合大规模量身定制时代对体型分类的要求.     

基于谱聚类算法的高速网络数据流快速分类方法研究

当前高速网络数据流分类处理时，忽略了冗余数据对分类结果的影响，使得分类结果 F1值较低。因此，提出了基于谱聚类算法的高速网络数据流快速分类方法。采用主成分分析法对高速网络数据流进行降维处理。对所有数据流相关性特征进行选择，去除冗余特征，保留有效的特征信息。应用支持向量机算法构建网络数据流快速分类模型，结合谱聚类算法对多数类样本进行聚类，组成新的数据集并将其输入到分类模型中得出相关的分类结果。实验结果表明，所提方法的平均F1值为0.95,F1值越大分类结果越准确，说明该方法能够满足高速网络数据流快速准确分类，具有优越的数据分类性能，应用价值更高。     

江西大茅山金盆山常绿阔叶林的Q—型聚类分析

用Q-型聚类分析法对取自大茅山和金盆山的34个常绿阔叶林进行了分类.结果表明,用Q-型聚类分析法所划分的类型与按优势种划分的类型既有相似之点,又有不同之处.但是聚类分析法可以对样地进行更为详细的分类,不但可把取自不同地区而优势种相同的归为一类,也可把它们划分开来;同时还可把优势种不同而地区相同的样地归并到一起.这反映了与地区的经纬度、海拔高度等生境条件相联系的区系组成的变化.根据聚类分析结果把34个样地划分出15个类型.本文还详细介绍了Q-型聚类分析法.     

聚类布尔和分类数据

提出了一种判别布和分类属性相似度的准则,并在此基础上提出了一种新的聚类的算法CAC,该算克服了传统聚类算法不适合聚类布尔和分类属性数据的缺点,实验表明CAC算法比传统的聚类算法有更好的聚类效果。