王铁伟
,
于金
,
王明海
宇航材料工艺
doi:10.3969/j.issn.1007-2330.2010.03.008
针对加工工艺数据复杂、庞大、多变的特点,为解决加工工艺知识的匹配与推理的关键性技术,将模拟生态系统的模糊聚类算法应用于加工工艺知识库.提出了基于蚁群算法的工艺知识发现的概率查询方法,并建立加工工艺知识库的数学模型.通过输入关键词运行蚁群算法,描绘出索引地图,提取分析所需要的加工工艺序列.最后以铣加工工艺为例进行实例验证,结果表明,基于蚁群算法的工艺知识发现高效全面地优化了工艺序列.
关键词:
知识发现
,
蚁群优化
,
规则
,
聚类
,
索引地图
肖兴亮
,
王志刚
,
刘昌明
材料导报
耐火材料声发射信号可分为单一突发型和叠加突发型两种,通过分析其波形特征,将上升时间、持续时间、幅度、能量、计数和质心频率作为区分这两种信号的特征参数,利用K均值聚类方法,实现耐火材料不同损伤类型的声发射信号分类.利用该方法对MgO-C耐火材料受压损伤信号进行分析,研究结果表明:单一突发型信号主要频率成分单一集中,信号主要呈现50～60 kHz和150～160 kHz两种频率段,叠加突发型信号主要频率成分为上两种频率成分的叠加；将信号分为3类,第1类和第2类信号反映了具有计数少、持续时间短和能量小特点的单一突发型信号,第2类信号的损伤强度大于第1类,第3类信号反映了具有计数多、持续时间长和能量大特点的叠加突发型信号.
关键词:
耐火材料
,
声发射
,
聚类
,
叠加信号
王旭
,
张慧萍
,
晏雄
玻璃钢/复合材料
doi:10.3969/j.issn.1003-0999.2009.01.001
本文利用声发射技术,对PE/PE层合板拉伸破坏的声发射信号进行聚类和判别分析,考察了基本拉伸破坏形式的声发射特性和拉伸破坏机理.实验结果表明,大量细观破坏的复合发生、发展和累积造成材料的最终宏观断裂.从破坏过程的声发射信号分布来看,破坏过程的早期主要是来自界面和基体的细观破坏,信号数量大但破坏能量小,破坏过程的中期界面和基体破坏程度加剧,并伴随少量纤维断裂,破坏过程的后期主要是纤维的整体断裂,信号数量小但破坏能量大.
关键词:
层合板
,
声发射
,
聚类
,
判别
,
损伤演化
崔桂梅
,
胡登飞
,
马祥
钢铁研究学报
doi:10.13228/j.b0yuan.issn1001-0963.20130265
针对高炉冶炼过程中喷煤量通常根据炉长经验总结而出、过程建模困难、生产过程工艺指标波动较大的问题,提出了一种喷煤量操作模式匹配的智能优化方法.该方法以高炉喷煤量为研究对象,以某钢厂高炉大量的实际工业运行数据为基础,首先对不可实时检测变量[Si]含量建立了BP神经网络预测模型,以对当前[Si]含量进行预测;然后基于专家标准挑选出优良模式集,采用模糊C均值聚类的方法对优良模式集进行分类;最后以综合工艺指标评判为前提,对当前输入条件采用基于相似度的方法,从优良操作模式库中寻出与当前输入条件距离最小的操作模式,从而完成模式匹配,进而实现喷煤过程优化控制,对高炉冶炼喷煤过程具有很好的指导作用.
关键词:
模式匹配
,
高炉喷煤量
,
聚类
,
工艺指标
,
相似度
张延华
,
刘相华
,
王国栋
材料与冶金学报
doi:10.3969/j.issn.1671-6620.2004.03.013
以实测数据为基础,在中厚板轧制设定中采用BP神经网络的方法取代传统的轧制力数学模型,并对神经网络输入项和训练样本进行分析,将传统轧制力模型的自学习过程引入神经元网络用于轧制力预报,改善预报精度.采用模糊聚类分析方法,科学选取学习样本,解决了由于样本多学习速度慢的问题.通过在线数据分析,可知这种方法对轧制力的预报精度有很大改善,而且神经元网络的结构也得到简化.此方法可以作为神经元网络应用的一个拓展.
关键词:
BP神经网络
,
聚类
,
轧制力
,
自学习
