基于工艺分析的零件分类编码方法

设计了适于企业产品特点的零件编码系统，将零件按照工艺规程的相似性划分为若干零件族，并据此方法确定特征码的优劣，为修正编码方案提供依据．     

基于管件编码和ART2神经网络聚类的船舶管件加工族构造

针对船舶管件加工族构造问题,提出一种基于编码和ART2神经网络的聚类方法。在管件编码中,综合考虑管件的托盘集配时间和结构工艺的特征,采用ART2神经网络实现对管件的自动聚类,形成合理的管件加工族。结果表明,ART2网络聚类方法对处理船舶管件加工族构造问题具有良好的适应性和稳定的分类能力。     

制造单元的成组聚类及重构研究

单件、中小批量产品的生产是当前制造企业的主要生产类型。采用零件的相似性原则、聚类计算方法和特征编码系统,分析零件组的工艺相似性,并建立成组生产单元。最后对已有的成组生产单元进行产能分析,负荷均衡和优化,获得了成组生产单元重构的条件和途径。     

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。     

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。     

产品族设计中的零件相似性评价方法

在产品族设计过程中,为促进产品平台的组建,提出一种零件相似性评价方法.该方法以形状特征的分类、拓扑关系和特征参数为基础,建立了统一的产品族零件表达模型,讨论了形状特征拓扑关系、几何形状及位置相似度的计算方法,确定了评价零件相似性的流程.应用实例验证了该方法是有效的.     

轴类零件的虚拟加工

通过对轴类零件加工特征的描述,建立加工过程中各工序的功能模块,以产品模型、工艺过程模型及生产工具模型为基础,最终实现对整个工艺系统和生产过程的运行监控．工艺过程中可根据零件的不同精度要求进行多种加工方法的选择．可以满足最佳的设备运行状态及工、夹、量具的高效选择．     

“分枝-聚类”零件分类方法

“分枝-聚类”法是一种综合的、新的零件分类方法,它兼备了顺序分枝法和聚类分析法的优点。本法提出了新的评价零件之间相似性的模型和适用的归类成族过程。为了对比,本文附有顺序分枝法、聚类分析法和分枝-聚类法的计算机辅助零件分类结果。     

基于公差推理的零件聚类装夹规划方法研究

针对计算机辅助工艺设计中的装夹规划问题,提出一种面向制造特征的基于公差推理的装夹聚类规划方法.通过分析零件的制造过程,对加工单元进行定义,建立零件的装夹规划数学模型.随机生成装夹规划的初始解,计算加工单元之间的装夹相异度,通过进行反复迭代的聚类分析获取最少的装夹分组.基于公差的推理方法,获得加工单元的加工顺序约束关系,进行装夹的组间及组内排序,生成最优装夹规划方案.同时,基于CATIA设计平台实现了零件的装夹规划原型系统,通过实例对所提算法进行了验证.      

面向个性化定制的产品族开发技术

本文针对个性化定制生产中的快速变型设计要求,阐述了产品族、产品平台的基本概念以及产品族开发的基本流程,并研究了产品族开发中的关键技术：客户需求聚类技术、质量功能配置（QFD）技术以及产品平台开发技术。     

基于聚类方法的CAPP零件知识库构建

传统的零件分类一般根据零件编码从特征矩阵中得到分类结果，未能很好地表达各个零件之间的相似关系，对工艺设计也不能提供启发性的推理策略．此外，零件分类矩阵本身的相似性标准也难以确定，给零件的工艺制作带来了很多困难．为此，提出了一种利用聚类技术构造树型结构表达零件相似性的方法，并根据零件之间的相似性建立层次结构以进行动态分类，进而构建一种有自学习能力的零件知识库．考虑到机器智能的局限性．分类结果可能不尽合理，分类树又能够在自动压缩优化的基础上进行手工优化，并将优化结果记录于分类树中．该知识库能及时反映零件信息的动态更新，并对零件进行多层次、细粒度的动态分类，使零件分类粒度不受数据规模的限制，从而可以通过建立索引结构，实现自适应的工艺设计自动化。     

面向产品标准化的齿轮分类编码系统

通过设计以成组技术相似性原理为基础的28位齿轮分类编码系统,获取齿轮产品关键技术特性,分析齿轮分类编码的结果,汇集相似结构工艺的零件组,形成齿轮产品标准。结合齿轮产品核心特征,并参照滚动轴承代号的排列顺序设计了11位产品标识码方案,在专业齿轮制造型企业推行齿轮产品标准化。采用Visual Basic6.0语言和SQL Server2000数据库技术开发出基于客户机/服务器(Client/Server)的计算机辅助齿轮分类编码系统并给出了一齿轮零件的编码实例。实际运用表明,该系统能有效地将齿轮产品编码分类成组,将具有相同分类代码的齿轮的技术特性汇总,有利于实现齿轮零件设计和生产的标准化,进而以大批量零件生产的方式改进多品种、中小批量生产的状况,最终在齿轮行业实现大规模定制的专业化标准生产模式。     

视频分割与场景聚类算法研究

本文介绍了实现视频分割和场景聚类的算法.首先用X2直方图匹配法检测镜头切换,梯度法检测镜头淡入淡出;然后对镜头内非相邻帧间距离经过阈值判断提取关键帧;进一步基于镜头的关键帧集计算镜头间的相似度,对相似度大于阈值的镜头进行聚类;最后给出了典型实验结果,表明上述算法对视频分割和镜头聚类有较好的性能.     

基于视频帧重要区域相似性的镜头切换检测

视频帧的重要信息通常位于图像的中间部位,因此提出了基于视频帧重要区域相似性的视频镜头切换检测算法.在连续视频帧中,相邻帧的前一帧中间区域被分成大小相等的四部分,然后在后一帧中的中间区域寻找与前一帧四模板相似的区域.利用各区域灰度直方图的欧氏距离判定相似区域.如果不相似模板个数大于2,那么该相邻帧处发生了镜头切换.实验表明,此方法对于多数场景的镜头切换检测结果准确、全面.     

基于卷积核的港口客户细分方法

根据港口客户数据特点,运用信息增益方法对其进行了数据预处理,将其表示为树形结构组织方式,得到216棵客户树;引入卷积核,定义了度量客户树之间相似性的卷积树核;随后,将先前提出的核k-凝聚聚类算法推广到基于卷积核的客户树上,并运用Matlab数据处理工具实现对港口客户数据的聚类分析.分析结果表明,卷积核在港口客户细分中得到了良好的应用效果.     

ORDERED-OBJECT-ORIENTED METHOD:A NEW APPROACH OF SAMPLE PART CALCULATION AND DESIGN

This paper proposed a new approach of sample part classification and design, a so called Or-dered-object-oriented method (O-O-O method). Based on the theory of neural networks, fuzzy clustering algorithm and adaptive pattern recognition, O-O-O method can be used to classify and design the sample parts automatically. The basic theory, the main step as well as the characteristics of the method are analysed. The construction of the ordered object in application is also presented in this paper.     

一种改进的K均值聚类算法

针对传统K均值算法中采取的欧氏距离计算相似性的不足,提出一种新的相似性计算方法,并将这种方法与欧氏距离的度量方法进行了比较。在UC I基准数据集上的实验表明,该方法有更稳定的聚类结果,是一种比较有效的聚类度量方法。     

城市物流配送的二阶段启发式算法

针对城市物流配送的特点,将空间聚类算法与蚁群算法相结合运用到路径规划中,提出了一个基于交通网络的VRP二阶段解法.以带权图描述城市交通路网,利用交通网络中各个结点间的距离关系和结点的需求量,以配送车辆的容量为聚类的约束,通过多次迭代将所有结点聚集成相互独立的多个簇.选择簇间相似性最小的聚类,利用蚁群算法,根据簇之间和簇内结点间的距离关系,分两次规划配送路径,最终得到配送中心到所有结点的配送路径.该算法通过聚类降低系统复杂度,缩短了蚁群搜索时间,具有较快的速度.最后用一个仿真实例验证二阶段算法的有效性.     

一种提高文本聚类算法质量的方法

针对基于VSM(vector space model)的文本聚类算法存在的主要问题,即忽略了词之间的语义信息、忽略了各维度之间的联系而导致文本的相似度计算不够精确,提出基于语义距离计算文档间相似度及两阶段聚类方案来提高文本聚类算法的质量.首先,从语义上分析文档,采用最近邻算法进行第一次聚类;其次,根据相似度权重,对类特征词进行优胜劣汰;然后进行类合并;最后,进行第二次聚类,解决最近邻算法对输入次序敏感的问题.实验结果表明,提出的方法在聚类精度和召回率上均有显著的提高,较好解决了基于VSM的文本聚类算法存在的问题.     

基于遗传算法的文档聚类算法的设计与仿真(英文)

在各种聚类算法中,K—means是一种基于划分的经典算法．但是由于Kmeans方法对于初始中心点的选择非常敏感,有可能导致聚类结果收敛于局部,本文提出了一种基于遗传算法来对类中心点进行全局寻优的文档聚类算法．在传统相似度计算的方法中,文档相似矩阵为绝大部分元素为0的稀疏矩阵,忽略了关键字之间的部分相似性,影响了文档之间的相似度．为此,本文改变了传统相似度计算的方法,通过关键字之问的部分相似度,设计出更加精确的文档相似度计算公式。在遗传算法的设计中,将K个类中心点组成的矩阵作为初始个体,采用浮点数进行编码;适应度函数采用所有类内距离的均方差之和加1的倒数表示,当类内均方差之和越小,则个体的适应度越大,被选择进入下一代的概率也越大．通过选择、交叉和变异等步骤对聚类的中心点进行反复迭代寻优,最终找到最优的类中心点．通过实验仿真,K—means收敛速度快,聚类的平均目标函数大于genetic algorithm（GA）且正确率明显小于GA．本文提出的GA算法的分类正确率能达到98％以上,与传统的K—means方法相比,聚类的准确性更高,说明本文提出的算法是一种行之有效的文档聚类方法．