基于GSPN方法的柔性制造系统过程模型和性能分析

应用广义随机Petri网方法,对柔性制造系统进行建模和分析,提出了控制策略和优化方法.针对柔性制造系统的离散性,对整个系统的过程模型进行分析.利用广义随机Petri网结合马尔可夫链的方法,确立了系统的配置参数,得出了系统的平均运行时间,机床的平均使用率,系统的生产率,故障概率,对系统的优化和生产效率的提高以及柔性的提高提供了理论支持.最后,通过柔性制造系统实例,对该方法进行了检验.     

模具粗加工的自适应层切算法仿真研究

分析了基于层切法的零件模具数控粗加工方法,提出了以层面间台阶最大差值为自适应参量的自适应模具数控粗加工方法;对约束条件进行了详细说明,阐述了自适应层切方法的具体步骤及算法流程图。利用已开发的层切法仿真软件平台,进行了三维模型层切法实例仿真分析。分析结果表明,应用该方法可以进一步减少层切法粗加工残留材料体积,对提高层切法模具数控粗加工效率具有实际意义。     

欠驱动双足步行机器人运动控制与动力学仿真

以欠驱动双足步行机器人为对象,提出一种基于落脚位置控制的运动控制算法,并对其行走控制过程进行动力学仿真。首先基于三维线性倒摆模型(3D-LIPM)控制机器人的落脚位置,建立其行走姿态的虚拟约束,利用有限时间收敛反馈控制器对行走过程进行控制,实现了机器人的动态稳定行走。最后结合MATLAB的符号运算、SIMULINK和虚拟现实技术对其控制过程进行运动学和动力学仿真。实验结果表明控制算法是可行的。     

基于状态信息的条件剩余寿命建模研究

根据监测到的设备状态信息预测其条件剩余寿命一直是基于状态维修中的关键问题。利用滤波理论,建立了基于状态信息的剩余寿命预测通用模型,并推导出采用极大似然估计法下参数估计的通式,使得在已知寿命服从其他任何分布形式时直接代入通式便可快速地得出其模型,从而预测其剩余寿命,省去了复杂繁琐的迭代过程。通过案例发现模型能够根据状态信息很好地预测其剩余寿命,并在不断更新状态信息的条件下越来越精确地预测其剩余寿命。     

三维激光扫描测量系统中的摄像机标定

三维激光扫描系统能够快速精确地获取周围场景的三维几何信息,而表面纹理信息需由高分辨率相机获取,必然存在不同数据源信息融合问题.在自主开发的三维激光扫描系统AX-LMS200基础上,通过相机内外参数标定,提出一种三维激光数据与二维纹理图像数据融合的方法,方便灵活地将三维激光数据与二维纹理图像数据相互映射.     

基于形态特征的芒果树L系统建模及其可视化

树木是虚拟森林景观的重要要素,也是自然景观可视化中较难建模与表达的要素之一.传统的树木建模方法无法用简单规律描述形态复杂的树木,且生成的树木往往也忽略生物学意义.因此限制了其实用性.针对这些问题提出了一种能较为全面反映生物学形态结构特征的L系统树木建模方法,并以热带水果种类之一的芒果树为模型对该方法进行了初步的设计与实现,结果表明这种方法能生成植物学形态特征的、具有不同树龄的三维逼真芒果树.     

一类特殊二次分配问题及其求解

二次分配问题(quadratic assignment problem,QAP)是应用于诸多领域的组合优化NP-难题,许多从实际问题中抽象出来的二次分配问题,其流矩阵与距离矩阵中存在大量零元素,如果在该类二次分配问题的求解中,能够充分利用这些零元素的信息,将大大缩减问题的规模,节省大量运算时间.本文以二次分配问题的线性松弛模型为基础,分别从理论和实验的角度对这类二次分配问题的求解进行了研究,说明了二次分配问题求解中,先行利用零元素信息减小问题规模的可行性和重要性.     

基于DEA评价模型挖掘证券投资基金管理信息

针对基于CAPM、APT等经典投资理论的证券投资基金业绩评价方法(如Sharp ratio、Treynor指数等)只能反映基金事后的总体风险收益水平的缺点,利用数据包络分析方法允许深入探查输入输出指标这一优点,构建合理的基金评价概念模型,将投资基金的风险、超额收益分别做进一步的归属分解之后作为输入输出指标代入DEA评价模型,并根据评价的结果对超额收益、系统风险等因素进行分析,充分挖掘了基金的管理信息,给出了未来投资的建议.实证显示,该方法得出了其他基金评价方法所无法得到的一些重要结论.     

Pareto/NBD模型扩展

Pareto/NBD模型是由schmittlein等(1987)提出,用于描述非契约客户关系情景下客户重复购买行为.该模型被认为是目前客户基分析中的基准模型,但其所基于的概率分布假设过于严格,且存在与常识不符的问题.针对这些问题,使用马尔可夫链蒙特卡罗方法,直接获得客户购买率和流失率的后验样本,从而使放松Pareto/NBD模型的假设成为可能.通过放松Pareto/NBD模型假设,设计了三个扩展模型,推导了相应的公式.用实际的数据集对pareto/NBD模型及其扩展进行预测效果对比,发现了预测能力明显高于Pareto/NBD模型的扩展模型.     

自适应脉冲耦合神经网络在图像处理中应用

尽管Johnson 提出的PCNN模型具有强大的图像处理功能,以时间序列进行特征提取时具有旋转、尺度、平移、扭曲不变性,可实践中发现依然存在着不足,特别对图像亮度、对比度比较敏感.添加了误差反向传播(Error Back Propagation, EBP)学习准则的自适应脉冲耦合神经网络模型能自适应设定模型参数,是脉冲耦合神经网络模型研究的主要内容.特别地,应用这种自适应模型进行特征提取时,能弥补原来PCNN模型对亮度、对比度敏感的缺陷,而且具有一定的泛化能力,有效克服了亮度、对比度对图像识别精度的影响.