基于模糊支持向量机的小批量生产质量智能预测方法

在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路.     

人机系统可靠性分析的发展

人机系统可靠性在很大程度上取决于人的可靠性,因此,人的失误及其可靠性分析的研究就成为多学科交叉渗透的面向２１世纪的重点研究领域,已上升到一门新学科的高度．本文在论证人可靠性分析的重要性和迫切性的基础上,详细地评述了人可靠性分析的历史背景、研究内容及其应用范围．最后,文中展望了人可靠性分析的研究方向并拓展出相关的研究领域,指出了该学科得以深入发展的研究途径．     

电网检修排序问题

研究一个从实践中提出的电网检修排序（调度）问题,并证明了该问题的一般情形是ＮＰ－困难的,对其特殊情形给出了多项式时间的算法．     

INVENTORY ANALYSIS OF AN UNRELIABLE PRODUCTION-INVENTORY SYSTEM

1.IntroductionDuringrecentyears,variousmodelsrelatedtounreliableproduction-inventorysystemshaveappearedintheliterature(seeII--5]).PosnerandBerg[4]studiedabasicmodelwhichinvolvesonemaChinewithconstalltproductionratewhichoperatesaslongastheaccumulatedinventoryisbelowapresetthreshold,andisidleotherwise.Byemployinglevel-crossingtechniques,theyderivedanexplicitclosedformsolutionforthesteady-statedistributionoftheinventorylevel.FUlthermore,Berg,PosnerandZhaoll]studiedsomeextensionsoftheabovebasi…     

Spiking neural P systems with anti-spikes and without annihilating priority as number acceptors

Spiking neural P systems with anti-spikes （ASN P systems） are variant forms of spiking neural P systems, which are inspired by inhibitory impulses/spikes or inhibitory synapses. The typical feature of ASN P systems is when a neuron contains both spikes and anti-spikes, spikes and anti-spikes wil immediately annihilate each other in a maximal way. In this paper, a restricted variant of ASN P systems, cal ed ASN P systems without anni-hilating priority, is considered, where the annihilating rule is used as the standard rule, i.e., it is not obligatory to use in the neuron associated with both spikes and anti-spikes. If the annihilating rule is used in a neuron, the annihilation wil consume one time unit. As a result, such systems using two categories of spiking rules （identified by （a, a） and （a,a^-）） can achieve Turing completeness as number accepting devices.     

短时交通流预测FSMSVR模型

针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件（无交通事故等突发事件）的现状,结合交通流的特征,提出了一种有限状态机支持向量回归模型（finite state machine of support vector regression model,FSMSVR）的短时交通流预测机制. 通过线性回归算法和指数平滑算法划分交通流状态,根据各状态特点结合支持向量回归算法建立有限状态机工作机制,实现涵盖典型和非典型交通条件的短时交通流预测. 通过实验例证,对比了FSMSVR模型和传统SVR模型对城市道路6min交通流的预测,研究结果表明,该预测机制能够提高预测精确度,在非典型条件下有着较好的预测表现.     

Fe-20Mn-2.6Al-2.6Si钢拉伸变形机理研究

采用金相显微镜、X射线衍射仪和透射电子显微镜研究了Fe-20Mn-2.6Al-2.6Si TRIP/TWIP钢在不同变形量下的微观组织变化.结果表明:在应变初期,主要是形成层错和位错;随应变的增大,γ奥氏体相逐渐减少,ε马氏体相和α马氏体相增多;在断裂阶段,主要组成相为α马氏体,即Fe-20Mn-2.6Al-2.6Si钢在拉伸变形过程中主要发生γ→ε→α或γ→α相变诱导塑性变形.金相组织表明:该钢变形量达到6.5%时,开始出现许多平直的条纹(通常称为形变孪晶);但高分辨透射电镜研究表明:不同程度变形后的微观组织都难以观察到形变孪晶,而那些金相组织和低倍透射电镜照片上的平直条纹往往是ε马氏体相,这进一步证实该钢的变形机制主要是TRIP效应.     

钨、钼、钒氧化物直接合金化生产M2高速钢

论述了采用白钨矿、氧化钼和五氧化二钒代替钨铁、钼铁和钒铁冶炼W6Mo5Cr4V2 (M2 )高速工具钢的理论依据和可行性 ,介绍了冶炼工艺技术条件 ,产品性能测试和效益分析等方面的内容。实验表明 ,在中频感应炉上采用白钨矿、氧化钼和五氧化二钒直接还原合金化生产M2高速钢的新工艺顺行 ,产品化学成分合格。合金元素回收率高 ,其中 ηw97.0 8%、ηMo96 .5 1%、ηv93.79%。M2钢质量优良 ,HRC高达 6 2 .2 ,冲击韧性αk>4 9kJ cm2 ,夹杂评为 0 .5级 ,显微组织均匀、致密。而且具有显著的经济效益和社会效益 ,新工艺可以在生产中推广应用。     

钢铁中碳硫的高速分析

采用高速自动引燃炉,自动燃样,由单片机,光电池,组合氧流量定位,自动控制滴定、吸收程序,联合测定碳硫,含量直读。单样测定时间仅需数分钟,测定准确度和精密度高,适用于各种钢铁中碳硫的分析。     

An extended Lagrangian support vector machine for classifications

Lagrangian support vector machine (LSVM) cannot solve large problems for nonlinear kernel classifiers. In order to extend the LSVM to solve very large problems, an extended Lagrangian support vector machine (ELSVM) for classifications based on LSVM and SVMlight is presented in this paper. Our idea for the ELSVM is to divide a large quadratic programming problem into a series of subproblems with small size and to solve them via LSVM. Since the LSVM can solve small and medium problems for nonlinear kernel classifiers, the proposed ELSVM can be used to handle large problems very efficiently. Numerical experiments on different types of problems are performed to demonstrate the high efficiency of the ELSVM.