基于层次分析法的汽车系统分析

层次分析法是一种新的系统分析方法，也是一种结合定量和定性分析的方法。它不仅可以于工程技术、经济管理及社会活动中的决策过程，而且可以进行分析、预报，或为控制提供依据。本文介绍层次分析法的原理及分析过程的基本步骤。基于层次分析法进行汽车系统分析，优选家庭轿车车型。结果表明层次分析法所得结果与实际相符。     

层次分析法的改进

基于人对复杂事物判断的模糊性，提出了一种改进的层次分析法，并将其推广到对定性指标的评价，并用算例进行了说明。此改进方法计算方便，为评价问题提供了一种有效的方法。     

基于最优传递矩阵层次分析法的改进及应用

揭示了基于最优传递矩阵而建立的改进层次分析法(IAHP)产生误导的原因,将IAHP方法与"贴近度"概论结合使用,采用新的一致性检验方法,简化了层次分析法的计算过程.     

基于层次分析法的汽车系统分析

层次分析法是一种新的系统分析方法 ,也是一种结合定量和定性分析的方法 它不仅可以应用于工程技术、经济管理及社会活动中的决策过程 ,而且可以进行分析、预报 ,或为控制提供依据 本文介绍层次分析法的原理及分析过程的基本步骤 基于层次分析法进行汽车系统分析 ,优选家庭轿车车型 结果表明层次分析法所得结果与实际相符     

基于AHP方法的汽车零部件发展序列

介绍了层次分析法基本原理和分析步骤,根据江苏省汽车零部件发展的实际情况,对零部件进行分类,归纳影响零部件产品发展的主要因素,建立汽车零部件产品发展的层次结构模型图,构建判断矩阵,确定零部件的发展次序及重点.分析结果表明,江苏省应将新能源汽车零部件、车身及附件、汽车动力总成部件这3大类零部件产品作为发展重点,其他类型的零部件也需兼顾发展,这符合江苏省的实际情况.分析结论可为政府决策提供科学的依据,对发展区域经济具有一定的指导意义.     

考虑自贸区的汽车零部件分拨物流网络设计

全球化使得跨国公司之间的竞争日益激烈,车企全球化步伐的加快提高了对零部件企业的要求.零部件企业要具备全球化属性,不仅要具备参与全球研发的能力,还必须具备全球供货能力.自贸区在进口关税、物流效益、服务质量等方面具有先天优势.本文主要考虑自贸区对跨国公司设立区域分拨中心的决策影响,构建基于网络成本和服务可靠性的双目标物流网络优化模型.通过运用LINGO对模型进行求解,得到了区域分拨中心的选址决策和各个物流节点之间的运量决策.通过对选址结果进行分析可以发现跨国公司更愿意将区域分拨中心设立在自贸区内.通过对需求进行灵敏度分析,验证了模型求解结果的可靠性.     

基于层次分析法的应急物流路径选择

根据应急物流的特点,分析了应急物流运输路径选择的各种影响因素,应用层次分析法进行多属性权重的分配。在构造判断矩阵的过程中,根据应急物流路径选择在不同阶段所追求的目标不同,提出了以不同属性偏好进行权重分配的决策方法,以适应应急物流路径选择中不同目标的追求。最后以实例说明了该方法的应用步骤。     

基于改进的层次分析法的网络信息资源评价体系

针对网络信息资源评价中出现的指标层次多、随机性强等特点，考虑到传统的层次分析法存在的缺陷，提出了一种改进的层次分析法，并用它建立了网络信息资源的评价指标体系，计算出各评价指标的相对权重，采用专家给出的待评价的网络信息资源各指标的属性值，通过线性加权获得评价结果，为网络信息资源的定量评价提供了新的途径．     

基于网络层次分析法的逆向物流运作模式决策研究

结合企业的实际情况,建立了逆向物流运作模式指标评价指标体系.考虑到低层元素对高层元素存在反馈作用,提出基于网络层次分析法(ANP)的逆向物流运作模式决策方法.最后,通过一个算例,验证了模型的有效性及优越性.     

层次分析法及其一致性检验的改进

该文对ＡＨＰ中的一致性检验方法进行了改进，进一步丰富了ＡＨＰ方法的内容。     

基于GRA和AHP的GRNN神经网络零件失效概率预测方法

为了提高对机械零件失效概率的预测精度,提出一种基于GRA和AHP的广义回归神经网络零件失效概率预测方法.在分析机械零件失效概率影响因素的基础上,首先利用灰色关联分析法(Grey Relational Analysis,GRA)分析影响机械零件失效概率的主要因素,通过层次分析法(Analytic Hierarchy Process,AHP)构建机械零件失效概率的评价指标层次体系,评估各个指标对于零件失效概率的权重;结合各个指标权重与初始值,以获取各指标的加权评价值;最后通过广义回归神经网络(Generalized Regression Neural Network,GRNN)建立以各指标加权评价值来预测机械零件失效概率的预测模型.利用本文方法所建立的预测模型对某企业数控转台的上齿盘失效概率进行预测,并与传统的GRNN神经网络预测模型、BP神经网络预测模型和回归预测模型进行对比,结果显示本文所建立的模型预测误差小于0.8%、残差在-0.2%～0.2%范围内,均优于对比模型的预测结果,表明所建立的预测模型具有更高的精度和更强的稳健性,适合于零件失效概率的预测.     

面向汽车零部件设计的知识集成系统

构建了一种面向汽车零部件设计的知识集成系统框架,研究了该知识集成系统的主要功能及系统的关键技术,最后以汽车电涡流缓速器的产品设计为实例给出了面向汽车零部件设计的知识集成原型系统．     

改进型 BP 神经网络自适应均衡器设计

针对传统的基于 BP 神经网络的自适应均衡器存在的缺陷,提出了一种改进的 BP 神经网络自适应均衡器的 FPGA 设计方法.从互连结构、训练法则及收敛算法等几个方面对 BP 网络进行改进,通过加入协调器提高 BP 网络收敛速度和容错性能,并根据 BP 网络的并行性能得到分块结构模型,同时采用流水线技术使计算速度明显提高.通过软件仿真,验证了这种结构简单、收敛速度较快的 BP 网络的有效性和可行性,并在ModelSim 工具上完成了自适应均衡器的仿真验证     

改进RBF网络设计方法及其在软测量建模上的应用

针对流程工业中难以直接测量的变量研究了其软测量方法.采用局部强逼近性能的RBF神经网络对被测变量进行建模;提出用峰值密度函数法确定RBF网络的隐含层节点数;设计样本信息分析算法提取样本特征,结合精度要求,初始化节点的中心向量和接收域宽度,消除了利用随机数等方法初始化训练参数和网络参数所造成的不确定性问题,同时提高了网络的收敛速度和精度;整个过程分别采用改进的梯度法、带有遗忘因子的最小二乘法等算法进行设计.利用改进的RBF网络对原油的直馏宽窄馏分的临界温度变量进行软测量建模、仿真.实验结果表明,基于改进的RBF网络的建模方法,在精度和收敛速度方面均有显著提高.     

基于改进TOPSIS法的物流云服务选择研究

针对传统TOPSIS法在物流云服务选择中主观指标权重的不确定性,以及不能完全反映出各方案优劣性的问题,提出基于熵值法和改进相对接近度算法的TOPSIS法.在分析传统TOPSIS法基本原理的基础上,构建出改进的TOPSIS法评价模型,并结合具体算例对此评价模型进行实验验证:A公司为了有效控制供应链成本、提高客户满意度,决定使传统TOPSIS法和改进TOPSIS法在服务质量(Qo S)指标参数相同的情况下,对相同物流云服务提供商选择进行比较.评价结果表明,改进的TOPSIS法可以消除主观因素对结果造成的影响,用于物流云服务提供商选择更具客观性与合理性,为物流云服务的选择提供了参考与借鉴.     

基于改进U-Net的透明件划痕检测方法

为了满足透明件表面质量和市场竞争的需求,实现产品表面缺陷的自动化检测至关重要。本文针对透明件表面划痕快速检测问题,提出了一种基于改进U^2-Net的缺陷检测方法。首先,论述直接应用U^2-Net网络进行透明件表面划痕检测的数据集准备、网络搭建、损失函数、评估指标;其次,初始化网络进行训练,分析产生误检漏检及低效的原因;最后,优化损失函数,加入正则化技术,并给出在输入数据前加入Mosaic数据增强,在解码阶段融入深层可分离卷积以及加入Attention机制的改进方案。结果表明：本文提出的改进方案能够有效分割出不同情况下的划痕,准确率达到0.987,漏检率为0.006,并在检测速度上有19%的提升。可见改进U^2-Net的透明件划痕检测方法能够很好满足工业流水线准确检测缺陷的实际需求。     

基于改进的BP神经网络方法的数据挖掘

数据挖掘技术是从庞大数据中挖掘出隐藏信息的有效工具,它包括神经网络、数据库技术、信息检索、模式识别、图像与信号处理和空间数据分析等多门学科技术。该文主要对传统BP神经网络算法进行改进,并将改进后的算法应用于数据挖掘的技术上,且将仿真实验结果与传统算法的实验结果做了对比,结果显示改进后的算法可以提高数据的分类与识别。     

一种基于改进的BP神经网络的入侵检测方法

针对普通BP神经网络算法学习收敛速度慢、易造成局部极小的问题,提出一种改进的BP神经网络入侵检测方法,其采用拟牛顿的方法进行学习,即对目标矩阵求二阶导数.运用该方法能够有效提高学习速度,消除局部极小.仿真结果表明,改进的BP神经网络入侵检测方法收敛速度快,比标准的BP入侵检测方法误检率低,能够很好地提高学习效率,更加有效地检测攻击行为.     

基于网络传播的EGM方法改进方法研究

本文以复杂网络知识为基础,通过网络中度与集群系数的联系研究因特网信息包传播过程中的一般模型,对EGM方法进行改进,使得信息按最优路径选择。