加工时间具有学习效应的链约束单机排序问题

研究了工件的加工时间具有学习效应的链约束单机排序问题,在链可中断和不可中断两种情况下,均给出了目标函数为极小化最大完工时间的多项式算法。     

几何量测量路径自动生成方法

由于CCD摄像机无法一次拍摄到被测物体的所有轮廓,所以需要移动载物平台,便于CCD摄像机分数次拍摄被测物体的不同轮廓.文中提出了一种实现二维几何量测量的路径自动生成方法,用于实现载物平台的自动移动.该方法利用机器视觉和数控技术实现每移动一次载物平台完成一次被测物体分段轮廓图像的拍摄和处理,从而确定载物平台下一次的移动路径,最终实现被测物体完整轮廓坐标数据的自动采集.实验结果表明,运用设计的路径自动生成方法实现了被测物体轮廓坐标数据的自动提取.     

机器视觉摄像机标定的一般正多边形方法

围绕机器视觉摄像机标定问题,该文将通常几种基于特定正多边形模型的标定方法拓展为一般正多边形模型的摄像机标定方法. 首先分析一般正多边形的平面几何性质,结合射影几何中的交比和调和共轭的性质计算正多边形各条边和正多边形内切圆心与切点连线方向的消失点. 利用消失点与光心的连线方向和形成消失点空间直线方向相同的性质建立线性方程组,从而求解摄像机内参数. 最后通过几个特定正多边形（正三角形、正四边形、正五边形、正六边形）模版的摄像机标定验证一般正多边形标定方法的正确性. 实验中还发现几种特定正多边形的摄像机标定精度不同,正五边形的标定精度最高,正四边形最低.     

基于工作过程的机械设计基础课程改革

以机械设计基础课程教改为研究课题,探讨了基于工作过程的机械设计基础课程教学改革。针对传统教学中存在的问题,采用基于工作过程＂教、学、做＂一体的教学模式,并从教学方式和手段、教学内容、教学理念以及实验实训等几个方面对该课程改革的方向进行了分析。     

量子粒子群优化神经网络集成股市预测模型研究

利用量子粒子群优化神经网络集成个体的网络结构和连接权值,对集成个体进行支持向量机回归集成,建立一个新的量子粒子群优化神经网络集成股市预测模型。新模型能有效提高神经网络集成系统的泛化能力,易操作,稳定性好,预测精度高,具有良好的应用前景。     

一种利用不可行解的贝叶斯网学习算法

现有的基于打分搜索的贝叶斯网学习方法都是利用满足有向无环图的可行解进行学习.在搜索过程中遇到不可行解时,这类算法简单地去除不可行解或将不可行解转化为可行解.然而,有的不可行解中往往蕴含着有价值的信息.本文提出一种新的贝叶斯网学习方法ISEC,同时利用可行解和不可行解学习贝叶斯网络,并提出针对不可行解的选择策略,在学习过程中可以有效地利用不可行解中的有用信息.实验结果表明,ISEC能够比仅利用可行解的方法更快地学习到更优的贝叶斯网.     

一种新的对比度测量方法用于钢轨图像增强

机器视觉轨道缺陷检测系统采集的图像缺陷与背景的对比度低,给缺陷检查带来了困难。提出一种新的对比度测量方法,用于钢轨图像中缺陷和背景的对比度增强。将钢轨图像分成若干个互不重叠的区域,测量局部区域的对比度,通过将相对较低的灰度级像素映射到更低的范围,相对较高的灰度级映射到更高的范围,实现对比度拉伸。实验结果表明:提出的算法对不同光照的图像能自适应的增强图像的对比度,增强效果与光照无关,而且算法简单、快速,有效,满足机器视觉实时性要求。     

一种分析永磁电机齿槽转矩的方法

提出了一种基于单个永磁体的永磁电机齿槽转矩分析方法。从单个永磁体与永磁电机产生的齿槽转矩出发,推导了电机合成齿槽转矩的解析表达式,得到了合成齿槽转矩与由单个永磁体引起的齿槽转矩的关系。以两种分数槽绕组永磁电机为例,将解析表达式分析结果与有限元分析结果进行对比。研究结果表明:在由单个永磁体引起的齿槽转矩中,只有一部分齿槽转矩谐波分量出现在合成齿槽转矩中,解析表达式与有限元分析结果一致;验证了理论分析的正确性。所提永磁电机齿槽转矩分析方法是正确有效的。     

基于支持向量机的不平衡样本分类研究

分类问题是机器学习领域的重要研究方向之一。支持向量机是一种基于结构风险最小化的学习机器,在解决分类问题上有着出色的效果。但基于支持向量机的分类器在处理不平衡样本时,对少类样本分类准确率偏低。诸多研究在对此问题做分析时往往把主要原因归结为各类样本间数量上的不平衡,而没有充分考虑样本点在特征空间上的分布情况。针对此问题做出原因分析,并给出结论:样本的不平衡性主要是由特征空间下各类样本的分布所决定的,而和数量上的不平衡关系较小。通过实验验证结论的科学有效性。     

基于GA-SVM算法永磁同步直线电机变载荷进给位置误差预测

针对永磁同步直线电机精密进给过程中,受到齿槽效应、端部效应及摩擦力扰动等非线性因素的影响,位置误差难以预测问题,提出了一种基于遗传算法(GA)优化支持向量机(SVM)算法永磁直线电机变载荷位置误差预测模型的方法。通过测量各种情况下永磁直线电机在运动过程中的位置变化情况,利用遗传算法优化支持向量机算法建立预测模型。该模型采用实验台运行的正弦轨迹数据为训练样本,三角波轨迹数据为测试样本。选取各种情形的正弦波轨迹数据和三角波轨迹数据进行仿真预测和验证。以各种情况的正弦波信号的指令位置、指令速度和电流作为模型的输入,以三角波信号的位置误差作为输出。结果表明,经过遗传算法优化支持向量机建立的位置误差预测模型,在拟合和预测精度上要优于未经过算法优化的位置误差预测模型。