基于面向对象方法的CIMS信息集成模型

信息集成是CIMS的关键，是功能集成与其他集成（网络等硬件集成除外）的基础，由于CIMS中涉及的信息种类繁多、结构复杂、来源与用途不一等特点，建立一个通用的信息集成模型成为需要。以ISO（国际标准化组织）提出的企业模型为基础，采用面向对象方法，将信息划分成不同的类，并定义不同的对象，同时描述其属性与结构关系，通过继承、封装的思想，实现集成的目的，从而建立企业信息集成模型，作为各企业CIMS信息集成系统的实施依据，该模型建立在信息共享的基础上，便于功能集成的实现及CIMS整个系统的构造，基于此模型开发的系统可反复重用，开发周期也可明显缩短。     

基于装配的产品信息模型建模研究

为了支持产品的概念设计以及ＣＩＭ，并行工程等先进思想的实施，需要建立集成产品信息模型，而集成产品信息模型的建立应该基于装配而不是零件，为此提出了基于装配的产品信息模型。该模型应用虚零件的概念描述产品的功能，装配等信息，应用实零件的概念描述产品的细节信息。     

基于现代集成模式的零件特征分类体系

简述了计算机集成制造模式的发展过程，归结为信息集成、产品与过程的集成、企业间的集成3个过程；介绍了满足集成模式的零件特征信息模型，并对零件特征分类体系作了探讨。     

基于特征的产品集成建模技术研究

通过对实现产品 ＣＡＤ／ＣＡＭ集成所必备的两个基本要素的研究，讨论了一种基于特征产品信息模型的建立和这咱产品信息模型的数据结构，从而提出了一种基于特征的产品集成模型结构。     

基于面向对象方法的CIMS信息集成建模框架

根据CIMS信息集成的研究现状，采用面向对象方法，以企业信息集成模型为基础，通过继承、封装的思想，建立了一个通用的CIMS信息集成参考框架，作为各企业CIMS信息集成系统的实施依据。该框架建立在信息共享的基础上，便于功能集成的实现及CIMS整个系统的构造。而且基于此模型开发的系统具有一定的可重用性，开发周期也可明显缩短。     

基于BIM的大型工程项目信息管理研究

大型工程项目自身的特点决定了其巨大的信息量，如果对其信息管理不善，将会使项目中信息传递的效率和准确度大大降低，从而造成整个工程项目管理的低效率。本文认为，对项目信息进行管理的关键是信息的集成，而信息集成的重要途径就是项目中建筑信息模型（buildinginformationmodel BIM）的构建。在分析了大型工程信息管理的特点后，介绍了建筑信息模型的概念，在此基础上研究了基于建筑信息模型进行的大型工程项目信息管理．最后讨论了在大型工程项目中成功地利用建筑信息模型进行信息管理的关键要素。     

基于BIM建筑结构设计模型集成框架应用开发

分析建筑信息模型的信息集成过程和特征以及建筑结构模型基本对象表达的复杂性和模型数据积累的反复性,构建一种主要涵盖建筑和结构设计阶段的信息模型集成框架体系.该体系具有可扩展性、兼容性、阶段性等特点,通过开发的模型转换平台可以初步实现建筑、结构模型信息的集成,为研发基于建筑信息模型技术的下一代集成建筑工程软件系统提供技术支持.     

FMS智能诊断的信息集成和知识集成

通过对ＦＭＳ诊断信息和诊断知识的类型及特点的分析，提出并实现了ＦＭＳ智能诊断的信息集成策略和知识集成模型。     

FMS智能诊断的信息集成和知识集成

通过对ＦＭＳ诊断信息和诊断知识的类型及特点的分析，提出并实现了ＦＭＳ智能诊断的信息集成策略和知识集成模型     

基于STEP标准的CAD／CAPP特征信息模型研究

在研究零件CAD特征信息模型的基础上，基于STEP标准提出了零件CAPP特征信息描述的自动生成的方法与措施，以实现CAD/CAPP之间的零件特征信息集成与共享。     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

基于效率的并行设计研究

针对目前在并行设计的规划过程中因未考虑企业存在的技术、人力资源约束而经常造成最终分析结果与实际情况不符这一问题，讨论了基于效率的工作量模型及时间总量模型；提出了以设计时间最短为追求目标的优化模型；给出了该优化模型的一个应用实例，表明该模型揭示了并行设计的结构特点，并为关键任务的识别提供了一条有实用价值的新思路．     

基于时态逻辑的知识表示研究

讨论模态逻辑和时态逻辑,定义时态逻辑的四个时态算子,探讨了对象模型,提出了时态逻辑对象模型,研究了对象知识表示,给出了基于时态逻辑的知识表示模型和一个对象知识案例,结果表明时态对象模型可以有效地表达知识.     

基于等时距处理和IOWHA算子的路基沉降预测

为避免随机因素对单一预测模型影响,建立更符合软土路基沉降规律的模型和方法以提高预测模型的精度和可靠性,分别以原始沉降数据、经三次样条插值和经分段三次Hermite插值处理的数据为样本值建立Gompertz模型、Logistic模型和灰色Verhulst模型3种预测模型,将每种模型的3种情况的预测值同实测值进行对比分析,选出每种模型对样本处理的优势方法。以每种模型的优势方法为单一模型,建立基于IOWHA算子的组合模型,该组合模型按照每个时刻单一模型的预测精度的高低对最优权系数进行求解。研究结果表明:在沉降速率发生明显变化时刻的数据作为最后一组样本值进行预测时,Gompertz模型和Logistic模型以分段三次Hermite插值等时距处理的数据为样本值预测效果更好,灰色Verhulst模型以原始沉降数据为样本值预测结果精度更高。求解基于IOWHA算子的组合预测模型的赋权系数时,GA比使用MATLAB的非线性优化的工具箱的求解方法更为可靠,得到的组合模型预测精度更高。     

基于Simulink的水轮机动态仿真模型研究

采用基于Matlab的Simulink仿真工具箱建立了水轮机非线性模型、线性化模型和水轮机经典模型.重点描述了基于插值计算的水轮机非线性模型的建立过程,详细介绍了利用最小二乘法求解线性化模型中传递系数的方法.并对水轮机调节系统进行了动态仿真试验,比较研究了不同模型的适用范围,认为利用最小二乘法拟合所获的线性化模型对各种研究工况具有较好的适应性.     

基于粘弹性超高分子量聚乙烯齿轮有限元分析

以超高分子量聚乙烯的非线性粘弹性性质为基础,将代表非线性、大变形的超弹性 Arruda-Boyce 模型与粘弹性力学模型相结合,建立了超高分子量聚乙烯齿轮的力学模型和几何模型,并将其与 ABAQUS 非线性有限元分析软件相结合,对齿轮的应力分布、变形、承载能力进行分析。结果显示,齿根部位所受的弯曲应力最大,建立在粘弹性基础上的分析结果具有较高的可靠性。     

基于主成分分析线性回归的光伏发电功率预测研究

针对经典光伏发电功率物理模型预测精度不高、可能遗漏关键气象因子的问题,基于数据驱动思想提出一种主成分分析、逐步线性回归以及多种检验相结合的光伏发电功率预测模型混合建模方法.采用相关性分析提取关键气象因子自变量,通过逐步线性回归对历史样本数据进行训练得到初始模型;对初始模型进行拟合程度、有效性以及多重共线性等多种检验,根据检验结果,采用主成分分析对初始模型自变量进行降维重构,得到修正模型;通过残差分析实现修正模型正确性的自校验;基于多种时间尺度对经典模型、未修正模型以及修正模型的预测结果进行详细对比分析.仿真结果表明修正模型提高了预测精度及所提混合建模方法的有效性与优越性.     

固体表面蛋白质吸附理论研究进展

对近年来蛋白质吸附的理论研究成果进行了回顾,对所提出的蛋白质吸附模型进行了总结,分析了这些模型的适用条件和局限性.指出了蛋白质吸附研究面临的困难和需要解决的问题.     

基于混沌时序重构的股票价格预测研究

应用非线性映射迭代模型，采用小波理论来辨识混沌模型中的参数，并通过对混沌时序进行预处理，可得到较好的预测结果。采用小波网络对非线性映射迭代模型中的参数进行辨识，辨识的准确程度较高，采用该模型对上海证券市场600063号股票的开盘和最高价格数据进行了建模和模型参数辨识，并据此做出相关预测，得到了满意的预测结果。     

基于ARIMA-KF模型的船舶系统设备状态参数预测

针对目前大多数预测模型在船舶智能运维领域应用过程中存在的预测精度偏低、模型不易构建等问题,提出了自回归积分滑动平均模型(Auto-Regressive Integrated Moving-Average Model,ARIMA)和卡尔曼滤波(Kalman-filter,KF)相结合的船舶系统设备状态参数组合预测模型—ARIMA-KF模型。该模型首先构建了自回归积分滑动平均(ARIMA)单步和多步预测模型;然后利用卡尔曼滤波(KF)算法对ARIMA预测模型参数值进行寻优,得到ARIMA-KF组合预测模型;最后,基于组合模型对船舶海水冷却系统状态参数进行预测,将预测值与实船获取的实际值进行对比及误差分析。结果表明,采用基于ARIMA-KF组合模型比单一的ARIMA模型预测精度提高3%左右。研究结果对船舶系统设备的健康管理和视情维修具有一定的指导意义。