排序方式: 共有32条查询结果,搜索用时 31 毫秒
1.
为了辅助公安人员更好地完成排爆工作,设计和开发了一个带双目立体视觉系统的排爆机器人。给出了一个切实可行的视频图像处理系统,包括设计原理、系统结构、硬件选型、视频捕获的软件实现等。该机器人视觉系统成功地通过抓取实验,表明了它在精度上能够满足排爆机器人的项目要求。 相似文献
2.
统工业自动分拣存在工件识别准确率不高、特征定义复杂等问题,虽然新兴的深度学习为此类问题提供了较好的解决方法,但仍存在对边缘端设备计算能力要求较高的问题,为此本文提出一种基于云雾结合的工件识别算法,即在云端采用改进ALEXNET卷积神经网络进行训练,然后将训练好的模型下载到雾(边缘)端设备,对工件进行实时识别.对100个不同工件进行实验,结果表明:改进后识别准确率从ALEXNET的98%提高到99%,模型参数减少25%,同时可以充分利用云端的强大计算能力与边缘设备的实时性,为智能工件识别提供了一种新途径. 相似文献
3.
为提高车间调度算法的寻优性能,通过对模拟退火遗传算法收敛图的研究,提出了评价算法种群有序性(差异性)的种群熵,基于种群熵,提出了改进的模拟退火遗传算法,该混合算法通过种群熵动态地改变算法的交叉和变异概率,使之适应种群的变化,提高种群的多样性,有效地克服算法的过早收敛,从而达到提高算法寻优性能的目的。仿真实例表明,所提出的算法的寻优性能有了显著的提高。 相似文献
4.
为了更好地求解大规模柔性车间调度问题,提高柔性车间调度算法的寻优性能,提出一种基于熵的混合粒子群算法.该算法把粒子群算法、遗传算法和模拟退火算法相结合,同时用种群熵自适应调节惯性系数和变异概率,以增强算法的寻优能力和克服算法的过早收敛.典型实例仿真结果表明,该算法能更好地求解柔性车间调度问题,与传统的优化算法相比,在优化精度上具有明显的优越性. 相似文献
5.
多粒度制造资源统一模型及其语义服务发现 总被引:1,自引:0,他引:1
为了实现企业间的业务流程协同,提出了多粒度资源统一模型及其语义化方法,并实现了语义发现算法。将业务流程片段抽象成不同粒度大小的流程复合资源和单粒度资源,基于扩展OWL-S对多粒度资源进行了语义封装,并构建了领域业务流程本体和功能活动本体,对多粒度资源进一步语义化。进而给出了功能、过程和服务质量的三阶段语义匹配算法,并比较了复合粒度和单粒度资源的匹配性能。结合一个制造业务流程任务实例说明了多粒度资源模型及其语义化的应用过程。最后,通过仿真实验验证了模型、语义化和算法的有效性。 相似文献
6.
现代集成制造已成为融合社会、经济、人文等方面在内的复杂大系统,而社会系统、信息系统、物理系统融合是当今制造业的发展趋势.智慧制造作为未来互联网的四大支柱或"四网"(人际网、物联网、务联网、内容/知识网)与先进制造技术融合而成的一种人机物协同的智能制造新模式——社会-信息-物理-生产系统受到广泛关注,因而很有必要对如此新... 相似文献
7.
针对制造网格应用上的困难,基于应用服务提供商(ASP)模式,提出了基于多区域多层次树型覆盖网络的ASP平台分布的制造网格资源发现模型,在此基础上提出了自动在线组建机制及其波浪推进式的信息更新算法,剖析了模型的ASP应用模式的本质,进而给出了资源发现机制及其实现算法.与传统的典型资源发现相关模型相比,该模型在资源发现和资源更新方面更具优越性.文中还基于该资源发现模型,设计并实现了包括基于eUDDI注册中心的资源注册、资源发现、资源信息监控与动态维护以及信息交流等功能的企业信息节点原型系统. 相似文献
8.
基于ASP的制造网格资源发现模型研究 总被引:1,自引:0,他引:1
谭伟;姚锡凡 《华南理工大学学报(自然科学版)》2009,37(8)
针对制造网格(Manufacturing grid,MG)应用上的困难,基于应用服务提供商(ASP)模式,提出了基于多区域多层次的树型覆盖网络的ASP分布的制造网格资源发现模型,并在其基础上提出了自动在线组建机制及其波浪推进式的信息更新算法,剖析了模型的ASP应用模式的本质,进而给出了资源发现机制及其实现算法。与同类模型比较,该模型具有其优越性。最后给出了其相关实现。上述研究对推动区域制造、供应链、产业链等各种制造网格的应用与发展具有积极的意义。 相似文献
9.
在麻花钻圆度误差的检测中,将BP神经网络算法引入到相应的数据处理中,以拟合出其棱边投影的椭圆表达式系数.在神经网络训练时,以钻头棱边采样点的坐标及其适当的组合作为网络的5路输入,以其输出与常数1的差值的平方为性能指标;根据梯度下降法来调整隐层神经元与输出神经元之间的连接权值,而输入层至隐层之间的连接权值不变,性能指标达到预定值时,获得一组稳定的权值,该连接权值即为钻头棱边的椭圆表达式系数;然后据此求出其较高精度的圆度误差. 相似文献
10.
人工智能是一门边沿学科,属于自然科学和社会科学的交叉。人工智能的发展促进自动控制向智能控制方向发展,智能控制是人工智能和自动控制的重要部分和研究领域,并被认为是通向自主机器递阶道路上自动控制的顶层,象征着自动化的未来。 相似文献