【摘 要】
：
虽然经典的DBN具有良好的逐层特征提取功能,并且在软件可靠性预测当中也发挥了很大的作用,但还存在数据训练时花费时间较多,测试误差率相对较大的缺点,所以DBN的网络算法和结构上仍然有改进的空间.该文对经典的DBN模型算法和结构进行了改进,通过修改网络权值的确定方法,与自组织算法结合进行输入维数确定,自动调整隐层单元的数量,最后模型输出与支持向量机(SVM)分类器相结合.这样不但很大程度上减少每一层信
【机 构】
：
工业和信息化部电子第五研究所,510610 武汉理工大大学,430070
【出 处】
：
第五届全国智能制造学术会议(NCIM2016)暨智能制造专业委员会2016年度工作会议
论文部分内容阅读
虽然经典的DBN具有良好的逐层特征提取功能,并且在软件可靠性预测当中也发挥了很大的作用,但还存在数据训练时花费时间较多,测试误差率相对较大的缺点,所以DBN的网络算法和结构上仍然有改进的空间.该文对经典的DBN模型算法和结构进行了改进,通过修改网络权值的确定方法,与自组织算法结合进行输入维数确定,自动调整隐层单元的数量,最后模型输出与支持向量机(SVM)分类器相结合.这样不但很大程度上减少每一层信息量的损失和减少数据训练的时间,还可以提高软件可靠性预测模型的预测精度.该文最后通过实验将改进的DBN软件可靠性预测模和经典的DBN软件可靠性预测模型作对比,验证经过改进的软件可靠性预测模型的优越性.
其他文献
果园采摘机器人是智能农机装备的种类之一,因其工作环境的复杂性和不确定性,使得实时规划采摘机器人空间轨迹成为难题.以6自由度机器臂为对象,通过D-H(Denavit-Hartenberg)参数法建立采摘机器人连杆坐标系并确定其各连杆参数,构建机器人的运动学模型,进而进行机器人正运动学与逆运动学求解.讨论了关节空间下的轨迹规划方法,对关节空间下的三次多项式插值和过路径点的三次多项式插值进行重点分析.最
基于中国智能制造装备现状,结合中国工业控制的技术瓶颈,说明了中国智能制造装备工业控制技术国产化研究的必要性,以及国产化工业控制技术生态的内涵以及重要性;针对自主研发的国产工业控制系统,阐述了该控制系统的研究进展,说明了研制过程中所突破的关键技术.最后,对中国智能制造装备国产化和工控技术产业生态的发展提出了建议.
先进制造业正朝着定制化、社会化,服务化发展,以人为中心的工业物联网技术被广泛应用到生产的各个环节.不同于传统的垂直、封闭的制造资源环境,以人为中心的工业物联网由人与周边群集、非中心化、自服务的智能物体服务等高度开放式资源组成.智能物体资源组织结构动态多变、服务交互频繁、部署密度大,而智能手机能力受限.本文介绍了一种以人为中心物联网隐式人机交互架构.基于此服务直接架构,提出了一种面向受限设备的交互模
虚拟现实环境能够为使用者提供港口机械教学的直观信息和对各类不同机械的较快和准确的理解.本文研究了虚拟现实技术在港口机械专业教育领域的应用。面向高校港口机械专业，构建港口虚拟环境和起重机模型，进行沉浸漫游开发，结合虚拟现实进行起重机制造工艺和构造教学，能够更好地进行港口机械专业的教学。
硬质合金在高速加工钛合金板件时极易破损或快速磨损,因此很难准确预测其工作状态.薄壁件的加工质量要求极高,而刀具的健康状态又与产品的加工质量密切相关,预测刀具健康状态变化对于产品质量控制极其重要.同时车间内不同设备的状态数据结构不一致,导致车间监控数据中存在大量的多源异构数据,它们难以通过单一的通讯协议采集与监控.本文研究了基于OPC UA技术与MTConnect协议的刀具、机床的数据模型、通信架构
针对铝电解生产过程的复杂性以及测量难度大等问题,设计了一种自校准铝电解槽阳极电流监测系统.首先,在对信号调理电路中各分立元器件的噪声模型分析的基础上,建立了整个测量电路的总噪声模型.其次,在实现低噪声信号调理电路的基础上,设计了以STM32F103微控制器为核心的阳极导杆电流测量仪.最后,进行了第三方检测,并现场实验.电流测量仪的测量相对误差为1.3～2.8％,在某铝厂现场取得了良好的应用效果.
采用一种较为精确的计算模型对四缸双作用斜盘驱动斯特林发动机主轴弯曲变形与轴承寿命进行研究,首先采用等温分析法对活塞上下端压力差和活塞环与汽缸壁之间的压力和摩擦力进行较为精确的计算,然后以此为基础计算滑靴对斜盘的压力和主轴的输出扭矩,主轴承的支反力,最后建立四缸双作用斜盘驱动斯特林发动机主轴弯曲变形与轴承寿命预测模型.通过以25kw四缸双作用斜盘驱动斯特林发动机样机为实例研究对象,编程搭建计算模型,
LED芯片检测是LED产业链中非常关键的一个环节,由于芯片尺寸小,并且对芯片在线检测的效率及精度要求较高,所以实现难度大.目前此类设备主要依赖进口,这很大程度上制约着中国LED产业的发展.LED芯片的光电参数随着环境温度的变化而受到影响,如LED芯片的光通量、颜色、正向电压、输出功率等,这主要是由于环境温度的改变会直接的影响到LED芯片的结温,当环境温度升高时将导致LED芯片散热条件变差,LED芯
在生产线上测试倒装LED芯片光电参数时,蓝膜和石英玻璃对被测光的选择性吸收是产生在线测试误差的主要原因,并对辐射通量的测试有重大影响.本文提出一种用于在线辐射通量测量的误差校正新方法,建立误差分析模型,最终导出误差校正函数,该函数与蓝膜和石英玻璃的光学特性以及被测芯片的光谱功率分布相关.为验证本方法的有效性,设计和分析了用于倒装LED芯片在线测试的实验装置,据此建立在线辐射通量测试光学过程的仿真模
如今,机械装备的加工制造正朝着高速、高精、高效的方向发展,机械关键零部件状况的好坏将直接影响到加工零件的质量,其中滚动轴承的故障劣化将直接影响到加工精度.随着机器学习在诸多领域取得的成果,可以利用机器学习算法能够从自然信号中自适应地提取出最能够表征信号本质的特征.所以本文提出一种将深度学习与相似性度量学习相结合的方法来实现无监督地轴承故障预测.该方法摆脱了以往依赖于人工诊断经验利用信号处理技术与传