-
题名基于人工神经网络的复杂海工装备项目工作结构分解
被引量：1
- 1
-
-
作者
李敬花
茆学掌
张涛
-
机构
哈尔滨工程大学船舶工程学院
北京中船信息科技有限公司
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2017年第7期1511-1519,共9页
-
基金
工信部高技术船舶科研资助项目(2012[545])~~
-
文摘
为解决复杂海工装备项目工作结构分解困难、分解结果不满足生产要求等问题,采用人工神经网络方法分析项目数据和项目工作结构的关联性,建立项目特征参数与项目工作结构的关联关系,实现项目工作结构的智能化分解。针对海工装备结构和建造特点,采用有向无环法建立了海工装备项目工作结构分解模型;引入"域"的概念并基于项目数据建立了海工装备项目域;设计了分层模块化人工神经网络结构,并利用项目域数据进行了神经网络训练和测试,得到了稳定的神经网络;通过实例验证了该方法的有效性,解决了目前海工企业项目工作结构分解耗时耗力的问题。
-
关键词
工作分解结构
海工装备项目
人工神经网络
智能分解
项目管理
-
Keywords
work breakdown structure
marine engineering equipment project
artificial neural network
intelligent decomposition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于马氏距离的系统故障诊断方法
被引量：9
- 2
-
-
作者
林毅
吉鸿江
韩佳佳
张德平
-
机构
中国人民解放军
北京中船信息科技有限公司
南京航空航天大学计算机科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2020年第S02期57-63,共7页
-
基金
总装预研项目资金(41402020501)。
-
文摘
针对以往系统故障诊断方法中存在的多指标相关问题以及考虑多重积分时计算复杂、效率低等问题,文中基于马氏距离(Mahalanobis Distance,MD)度量提出一种系统故障诊断方法,利用采集到的系统状态监控数据,计算观测样本与已知样本之间的马氏距离,根据距离大小的MD面积度量比较判断观测样本类别,对已知数据样本的马氏距离的分布与观测数据样本的马氏距离的分布的差异进行故障诊断。具体地,首先利用MD方法将多变量数据转换为单变量数据,排除多变量之间相关性的干扰,避免了利用多重积分求解多变量联合分布的复杂性以及不确定性;然后利用面积度量法比较单变量数据的累积分布函数之间的差异,根据定积分计算分布曲线之间的面积值,以面积值较小对应的样本故障类别作为观测数据的类别。通过将所提方法与常用故障诊断方法(BP神经网络、朴素贝叶斯)进行比较,证明了其简单有效,故障诊断正确率高,能够大大降低计算成本,并有效地提高故障诊断的效率。
-
关键词
故障诊断
马氏距离(MD)
面积度量
累积分布函数
-
Keywords
Fault diagnosis
Mahalanobis distance(MD)
Area metric
Cumulative distribution function
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名竞争情报组织中的虚拟团队和动态联盟
被引量：4
- 3
-
-
作者
李晓鸿
赵冰峰
-
机构
西安邮电学院
北京中船信息科技有限公司
-
出处
《情报杂志》
CSSCI
北大核心
2005年第10期36-37,共2页
-
文摘
从知识经济环境下的企业竞争情报组织入手,分析了企业内部情报组织形式即虚拟团队和企业外部情报组织及动态联盟的概念、建设条件和建设方法,以及如何正确处理两者之间的相互关系。
-
关键词
企业竞争情报组织
虚拟团队
动态联盟
竞争情报
情报组织文化
企业吸收能力模型
-
分类号
F270
[经济管理—企业管理]
-
-
题名改进的蚁群干扰资源分配方法
被引量：3
- 4
-
-
作者
王青云
焦德忠
史铄
彭根燕
孙俊华
段雨昕
-
机构
北京中船信息科技有限公司
北京九天利建信息技术有限公司
北京仿真中心
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2021年第12期2967-2974,共8页
-
基金
National Natural Science Foundation(61402365,61271300)
Shaanxi Education Natural Science Foundation(2013JK1076)
+1 种基金
National Visiting Scholarship Program(201406965022)
Shaanxi Industry Surmount Foundation(2013K-33,2014KW01-04)。
-
文摘
蚁群算法作为新型智能优化算法,应用于干扰资源分配时,寻优过程的收敛速度较慢,且获得全局最优值的概率较低。为了改善基于蚁群算法的干扰资源分配效率,同时提升得到全局最优解的概率,提出了衰减因子在寻优过程中按照指数型函数进行变化,即初始寻优阶段衰减因子取相对较小的数值,随着迭代次数的增加,衰减因子取值单调递增且呈现指数规律变化。仿真分析验证了所提方法的正确性,该方法不仅可以改善干扰资源分配过程中的收敛效率,同时具有较高的全局最优获取概率。
-
关键词
干扰资源分配
蚁群算法
衰减因子
收敛性
稳定性
-
Keywords
jamming resource allocation
ant colony optimization
attenuation factor
convergence
stability
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名信任驱动的自适应协调控制算法及应用
- 5
-
-
作者
桂欣冬
吉鸿江
范玲玲
刘世达
-
机构
北京信息科技大学自动化学院
北京中船信息科技有限公司
北方工业大学电气与控制工程学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2021年第8期1809-1817,共9页
-
基金
国家自然科学基金(61803036,61703019)
北京信息科技大学师资补充与支持计划(5111911129)
北京市教委科研计划一般项目(KM201911232015)。
-
文摘
多机械臂执行协同任务时,由于作业环境、装配条件、系统扰动等诸多非线性因素影响,其末端位置难以精确跟踪目标并保证一致,导致协同工作时产生较大误差。为解决多机械臂位置协同控制问题,通过研究新颖的信任机制,包括信任值(自信任值和互信任值)自适应更新机制和Fisher信息权重(协方差)更新机制,提出一种基于多智能体的自适应位置协调控制算法,当系统存在干扰时,实现多机械臂末端位置一致跟踪到目标位置,提升自动化协同装配任务的控制精度和执行效率。仿真结果验证了所设计方法的有效性。
-
关键词
信任驱动
多智能体系统
自适应协调控制
多机械臂协同
-
Keywords
trust-driven
multi-agent system
adaptive cooperative control
multi-manipulator coordination
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
