面向微束等离子选区熔化的在线检测系统

为解决微束等离子选区熔化过程中的自动化检测问题,开发出一套面向微束等离子选区熔化的在线检测系统。该系统以每一层的成形金属为研究对象,基于深度学习目标检测原理,对金属成形表面进行缺陷检测,并根据检测结果控制设备的启停,确保每一层的成形质量达到要求。同时,通过双目相机和线激光的配合,利用线阵扫描的方式对成形表面形貌进行三维重建,并显示在自主开发的可视化软件上,实现了缺陷检测和三维重建相结合的检测方案。实验结果表明：该系统能够快速、精确的检测出成形过程中产生的缺陷,实时性强、漏检率低,并将结果及时反馈到系统,实现了成形过程的主动、有效调控。     

水箱拉丝机拉拔锌线材用辊模的设计及应用

采用水箱拉丝机进行较高速度拉拔模连续拉拔制备锌线材,发现拉拔产生的热量易使锌线材晶粒粗大,进而导致锌线材的脆性增大和抗拉强度降低,因此,拉拔模拉拔速度受到限制。辊模拉拔发热量小,变形量大,对拉拔油要求不高,适合替代拉拔模在较高速度下拉拔锌线材。现有辊模以单组逐道次拉拔为主,且体积较大不适合安装于水箱拉丝机内使用。通过简化辊模结构及孔形设计,以适合安装于水箱式拉丝机内替代拉拔模拉拔锌线材。试验表明,改进后的辊模组合,可替代拉拔模安装于水箱拉丝机拉拔锌线材,单组辊模变形量可达到拉拔模变形量的两倍,拉拔速度提高31%,能耗明显降低。采用低黏度油品替代拉拔乳化液,可减少污染物排放。     

微信公众平台在机床制造业中的应用研究

为了探索微信公众平台在机床制造业中的应用,介绍了微信公众平台的基本功能,对机床制造业进行了分析,对微信公众平台在机床制造业市场宣传、营销、维修中的作用进行了探讨.微信公众平台是新媒体,具有移动互联网基因,在机床制造业信息化过程中大有可为.     

基于机器视觉的芒果检测与分级研究

为了提高贵妃芒果检测与分级的准确率和效率,首先用标定好的工业相机对芒果进行拍照,然后使用HALCON对芒果图像进行灰度化和图像分割预处理,接着提取芒果面积、果形指数、成熟度、缺陷面积和缺陷个数5个特征参数并归一化,把它们分别作为GMM、MLP、SVM和KNN分类器的输入向量,并以芒果的4个等级作为分类器的输出向量,最后以每级120个训练样本,60个测试样本分别对4种分类器进行训练和测试。结果表明4种分类器的平均准确率依次为92.5%、93.75%、98.75%和98%,准确率较高,有一定的实际应用价值。     

支持向量机法预测苯砜基环烷酸酯类化合物的色谱保留

应用支持向量机方法研究了28种苯砜基环烷酸酯类化合物的色谱保留和分子结构的定量关系,结果发现,采用支持向量机方法可以实现使用较少样本数据建模,并达到较好预测结果的目的．支持向量机方法的预测结果远优于线性溶解能关系法的预测结果．     

微型五坐标测量机激光测头安装误差的标定

针对非接触式五坐标测量机激光测头安装位置误差较大且不易调整的缺点,建立了该五坐标测量机激光测头安装误差的数学模型.选取激光测头的不同姿态,通过测量实物基准的空间位置,给出了误差模型待标定参数的无约束最优化目标函数的外点法惩罚函数.通过计算个体之间的欧氏距离,剔除掉那些相似的个体,从而有效地避免了遗传算法易早熟的问题,完成了对误差模型的求解.实验结果表明,所建立的激光测头安装误差模型不仅适用于扫描测头,而且对触发测头也同样适用,可把该机的空间测量精度从(11.82+L/1 000)μm提高到(1.96+L/1 000)μm.     

基于特征选择和SVM参数同步优化的网络入侵检测

为了提高网络入侵检测正确率,利用特征选择和支持向量机(SVM)参数间的相互联系,提出一种特征选择和SVM参数联同步优化的网络入侵检测算法.该算法首先将网络入侵检测正确率作为问题优化的目标函数,网络特征和SVM参数作为约束条件建立数学模型,然后通过遗传算法对数学模型进行求解,找到最优特征子集和SVM参数,最后利用KDD 1999数据集对算法性能进行测试.结果表明,相对于其他入侵检测算法,同步优化算法能够较快选择最优特征与SVM参数,有效提高了网络入侵检测正确率,加快了网络入侵检测速度.     

频率色散移动信道的仿真模型分析

通过分析频率色散移动信道的衰落特性，分别对该信道在快衰落特性，慢衰落特性以及同时考虑快衰落和慢衰落这三种情况下建立了数学模型和计算机仿真模型，并对计算机仿真结果进行了分析，得出相应结论。     

基于GA-SVM的上市公司财务评价模型研究

财务评价是企业财务管理中的重要环节,本文在对传统财务评价方法的不足进行分析的基础上,结合财务管理理论和企业预警理论,采用GA-SVM方法建立上市公司财务评价模型。首先以沪深两市2007~2009年度A股上市公司为研究对象,以因财务状况异常而被列为特别处理的公司(ST公司)作为界定上市公司的财务危机标志,并以上市公司年报财务数据作为输入特征向量,然后将遗传算法与支持向量机相结合,通过实证方法建立上市公司财务评价模型,实证结果验证了该模型的有效性。     

极限学习机的快速留一交叉验证算法

针对回归和分类问题,提出一种极限学习机(Extreme Learning Machine, ELM)的快速留一交叉验证算法,并从理论和数值仿真两方面说明其有效性.结果表明,该算法避免了以训练样本数量N次的ELM模型的显式训练,其计算复杂度与N仅呈线性趋势增长,即O(N).即使在处理大型数据集建模问题时,该算法仍然可以快速地进行ELM模型的选择和评价.通过人工和实际数据集上的仿真实验,验证了该快速留一交叉验证算法的有效性.