-
题名Web服务平台下基于遗传算法的制造资源服务选择
被引量：3
- 1
-
-
作者
袁庆霓
谢庆生
许明恒
周桂贤
-
机构
西南交通大学机械工程学院
贵州大学现代制造技术重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2009年第4期1266-1268,共3页
-
基金
国家“863”计划资助项目(2006AA04Z130)
国家自然科学基金资助项目(50475185,50575047)
+1 种基金
贵州大学自然科学青年科研基金资助项目((2007)043号)
贵州省2008年省级信息化专项资金资助项目(0802)
-
文摘
针对基于W eb的制造资源服务平台中的制造资源服务选择优化问题,建立了制造资源的质量属性模型,提出了一种基于质量的遗传算法。该算法设计了一种资源—任务关系矩阵编码方式;选择、交叉、变异等遗传操作只对矩阵主对角线上的任务位进行;适应度函数的设计采用制造资源服务组合的质量属性来描述。应用MATLAB遗传算法工具箱编程验证了该算法的合理性和实用性。
-
关键词
WEB服务
制造资源
遗传算法
服务选择
MATLAB
-
Keywords
Web service
manufacturing resources
genetic algorithm
services selection
MATLAB
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名弹塑性体冲击脉冲数值与实验研究
- 2
-
-
作者
何玲
-
机构
贵州大学现代制造技术重点实验室
-
出处
《热加工工艺》
CSCD
北大核心
2012年第18期38-41,共4页
-
基金
贵州大学引进人才专项基金(贵大人基合字(2011)28号)
-
文摘
以弹塑性体冲击接触过程中冲击脉冲的估算为研究目标,采用非线性阻尼弹簧接触模型模拟弹塑性材料的冲击与接触。以铝合金为研究对象,将数值计算结果与实验结果进行对比,发现两者差异较大。根据实验结果得到修正模型,建立了一种弹塑性体的冲击力修正计算模型。修正模型与实验结果吻合较好,该模型对进一步研究弹塑性体的冲击过程和冲击脉冲的预测具有指导意义。
-
关键词
弹塑性体
冲击脉冲
最大变形量
冲击脉宽
-
Keywords
elastic-plastic
impact pulse
maximum deformation mass
impact pulse width
-
分类号
TG135
[一般工业技术—材料科学与工程]
-
-
题名两构件冲击接触实验与数值研究
- 3
-
-
作者
何玲
-
机构
贵州大学现代制造技术重点实验室
-
出处
《机床与液压》
北大核心
2012年第23期42-45,57,共5页
-
基金
贵州大学引进人才科研基金资助项目(贵大人基合字(2011)28号)
-
文摘
采用有限元法模拟两构件间的弹性冲击接触过程,并将计算结果与冲击实验进行对比。在有限元模型中引入指数型接触约束,以实验结果为依据对其进行修正。修正模型与实验值相对误差的绝对值小于10%,修正后得到的冲击脉冲峰值、脉宽和最大变形量与实验值吻合较好。利用修正有限元模型计算得到的冲击脉冲精度较高,可作为描述两构件间冲击接触的一种有效的数值计算手段。
-
关键词
冲击
冲击脉冲力
最大变形量
脉宽
-
Keywords
Impact
Impact pulse
Maximum deformation
Pulse width
-
分类号
TH122
[机械工程—机械设计及理论]
-
-
题名基于CNN-SVM和特征融合的齿轮箱故障诊断
被引量：15
- 4
-
-
作者
饶雷
唐向红
陆见光
-
机构
贵州大学现代制造技术教育重点实验室
贵州大学机械工程学院
贵州大学公共大数据国家重点实验室
-
出处
《组合机床与自动化加工技术》
北大核心
2020年第8期130-133,142,共5页
-
基金
贵州省公共大数据重点实验室开放基金资助项目(2017BDKFJJ019)
贵州大学引进人才基金资助项目(贵大人基合字(2016)13号)
贵州省留学回国人员科技活动择优资助项目-优秀类项目(2018.0002)。
-
文摘
针对以数据驱动的齿轮箱故障诊断过程中存在特征提取复杂、分类器对特征存在较强的依赖性等问题,提出了一种基于卷积神经网络(CNN)和支持向量机(SVM)相结合的齿轮箱故障诊断模型。该诊断模型以多传感器采集的原始振动信号作为模型的输入,通过卷积神经网络完成特征的自适应提取,然后在特征级上将各传感器的特征进行融合,最后将融合特征输入到支持向量机进行故障的分类。经过实验证明,该模型直接以原始信号进行故障诊断的准确率能达到96.3%,且提取的特征在经过融合过后有很高的区分度;相比于基于特征工程的特征提取方法,基于特征学习的特征提取方法提取的特征对齿轮箱故障诊断更有效。
-
关键词
齿轮箱
故障诊断
卷积神经网络
支持向量机
特征融合
-
Keywords
gearbox
fault diagnosis
convolutional neural network
support vector machine
feature fusion
-
分类号
TH162
[机械工程—机械制造及自动化]
TG65
[金属学及工艺—金属切削加工及机床]
-
