板材冲裁和翻口工艺特征识别及图形转换的研究

该文针对冲孔、翻孔两类板材冲压成形工艺方法的主要特点，设计了两类成形件的特征识别规则．根据形状特征与冲压加工特征间存在着单映射的关系，可以充分利用模型中的几何信息和拓扑关系来识别零件的特征．因板材零件的厚度与整个零件尺寸比较是小的，可以假设零件厚度为常数．在消除厚度边和厚度边组成的面后，其余边和面分成上、下两组．两组的几何边界和拓扑结构是相同的，上、下两面的法向矢量方向相反．通过对读入的IGES三维线框文件进行预处理，使之满足特征识别的需要，采用基于几何推理的特征识别技术实现了对冲压件主型面特征、冲孔特征、翻孔特征的识别与提取，从而为后期冲压工艺方案的制定做准备．     

因果网的非稳态流量异常检测系统设计

网络入侵检测中的流量异常检测方法存在着虚警率较高的问题，为此提出了结合因果网的非稳态流量异常检测系统。该系统采用基于发生新事件的先验概率和趋势来评估异常的思想，借助机器学习方法建立非稳态正常模型，并在由此得到的基本异常事件集的基础上，采用因果网进行进一步数据挖掘，给出了综合系统的原型设计。     

基于CBR的损伤评估系统研究

在基于案例的战场损伤评估研究中,提取了案例属性,进行了案例表示,确定了案例检索机制。在此基础上,描述了基于CBR的评估过程,采用统一建模语言进行了系统分析建模,并用ROSE工具进行描述。在建立了战场损伤评估案例库的基础上,开发了系统原型并进行了分析。分析表明,利用CBR思想来处理损伤评估领域问题是科学可行的,在此原型系统基础上可以开发损伤评估案例系统,实现正确、快速的损伤评估。     

基于可变模糊集理论的径流预报单要素近似推理法

在深入研究径流中长期预报的单要素预报模糊推理方法基础上.针对其中应用传统的模糊分布函数来描述模糊子集的不合适问题.结合可变模糊集理论,提出了基于可变模糊集理论的径流预报单要素近似推理法;与原有的单要素预报的模糊推理方法相比,新方法可以科学合理地确定待预报径流量隶属干模糊子集区闻的隶属庹,使模糊推理方法更趋完善;详细介绍了新方法的基本原理及步骤;将新方法应用于磨盘山水库年径流预报,验证了方法的科学合理性.     

基于直觉模糊贝叶斯网络的高速铁路突发事故态势估计

为了提高高速铁路应急部门针对突发事故进行应急决策的能力,通过建立直觉模糊贝叶斯网络(intuitionistic fuzzy Bayesian network, IFBN)对突发事故现场进行态势估计,为应急决策提供依据。首先,分析了高速铁路突发事件的诱因、事故分类及应急决策的特点和流程;其次,利用直觉模糊数表示贝叶斯网络节点的证据信息,给出了基于IFBN的态势估计方法;最后,以动车组(electric multiple units, EMU)在高架桥突发火灾事故为例分别用贝叶斯网络(Bayesian network, BN)和IFBN进行推理。经过多组推理比较,结果表明：当信息犹豫度较大时,BN推理会产生与实际情况相反的结论,而IFBN克服了此缺点,推理结果仍然准确,可见利用IFBN推理模型进行态势估计比经典贝叶斯方法更加准确可信。     

基于规则推理的自动船体装配工艺生成方法

针对船体装配以经验为主的现状,根据船体零部件装配关系的特点,利用扩展的“赋权有向连接图”和边列表的方法表达船体装配模型和装配序列.分析了船体零件的形状和装配特征,归纳常用零件的装配元素和装配零件,并以规则推理方式实现装配工艺的自动生成,开发计算机辅助自动船体装配工艺原型系统.以一个典型船体分段的装配过程为例进行实验表明,利用该方法可有效提高船体装配效率和质量.     

价格与价值——评价客观事物的内核

价格与价值是一个多年争论的课题。马克思认为:价值是社会必要劳动时间的代名词,而他人则认为是“效用价值论”、“供求论”以及“自然资源论”的概念等等,笔者认为:价值是人们对客观事物的综合看法,是评价客观事物的内核。     

基于模糊推理的粒子群优化算法

针对无约束优化问题,提出了基于模糊推理的粒子群优化算法,该算法针对粒子群优化算法搜索能力的不足,先引入平均粒子,然后引入模糊推理来改进粒子群的速度更新公式,再利用模糊推理动态地改进算法惯性权重和速度更新公式的权重因子,再结合混沌扰动增加算法后期的局部搜索能力.数值试验采用12个测试函数并有5个算法进行对比,数值试验证明,改进算法的搜索能力有较大的提高.     

基于密度聚类的模糊神经网络和CHP分解过程建模

针对基于样本数据的复杂系统建模问题,提出了基于密度聚类的模糊神经网络(DFNN)的建模方法,研究了利用密度聚类原理提取数据样本的内在规则的理论和方法,提取的规则能较好地反映样本数据输入输出的对应联系,根据提取的规则给出了模糊神经网络的模型结构.本文以化工生产过程过氧化氢异丙苯(CHP)分解反应过程为对象进行仿真建模,结果显示在模型精度和可靠性上均优于基于c均值聚类提取规则的模糊神经网络模型(CFNN).     

一种不一致本体的可废止推理系统

利用可废止逻辑的非单调知识表示和推理能力、线性的计算复杂性和易于实现等优点,整合描述逻辑和可废止逻辑,提出了一种不一致本体的可废止推理系统（简称为DeRS）.DeRS使用描述逻辑定义的本体和可废止理论对领域问题进行混合建模,将TBox划分为最大的一致公理集和最小的不一致公理集,并进行初始化;然后利用转换算法,将一致公理集的公理和不一致公理集的公理分别映射为硬性规则和可废止规则,并添加到可废止理论中;最后利用新定义的可废止推理规则进行非单调可废止推理,由此解决了不一致本体的推理问题,弥补了描述逻辑在非单调性方面的不足.结果表明DeRS具有协调性、易处理性、可判定性、可靠性等基本性质.